检索结果-南通市图书馆

北京航空航天大学学报 2024年

作者：曹梓育杨建华西北工业大学自动化学院

近些年，移动机器人已广泛应用于地质勘探和事故救援等领域。同时定位与地图构建(Simultaneous Localization and Mapping， SLAM)作为机器人的核心技术之一，帮助机器人估算位置并构建场景地图。随着SLAM技术在多传感器融合方向快速发... 详细信息

近些年，移动机器人已广泛应用于地质勘探和事故救援等领域。同时定位与地图构建(Simultaneous Localization and Mapping， SLAM)作为机器人的核心技术之一，帮助机器人估算位置并构建场景地图。随着SLAM技术在多传感器融合方向快速发展，许多基于视觉与惯性融合的视觉惯性里程计(Visual-Inertial Odometry， VIO)系统不断涌现。尽管VIO系统在状态估计准确度和系统鲁棒性上优于视觉SLAM，但在复杂场景下长时间运行仍会累积误差，原因之一是视觉与惯性数据在时间上的不同步。因此，针对基于非线性优化的双目VIO系统，提出在线时间偏差标定方法。该方法充分发挥双目相机的优势，利用双目相机中的极线约束构建误差因子，减少特征点误匹配对时间偏差标定的负面影响，提高系统鲁棒性和状态估计的准确度，适用于低成本，自组装系统。在公开数据集上的实验表明，提出的标定方法较目前先进的标定方法准确度更高，收敛速度更快，能够提高系统状态估计的准确度和鲁棒性。真实场景下的实验也验证了所提出方法的有效性。

关键词：机器人 SLAM VIO 时间偏差标定

来源：

同方期刊数据库评论

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

融合惯导和视觉SLAM的无人驾驶高效定位技术研究

融合惯导和视觉SLAM的无人驾驶高效定位技术研究

引用

作者：叶洪华湖南大学

学位级别：硕士

无人驾驶车辆是汽车未来发展趋势。定位导航是无人驾驶技术的基础,无人驾驶车辆决策规划和控制都需要精准的定位信息。SLAM(Simultaneous Localization and Mapping)同时定位和构图是一种新型的无人驾驶车辆定位技术,该技术可在无先验... 详细信息

无人驾驶车辆是汽车未来发展趋势。定位导航是无人驾驶技术的基础,无人驾驶车辆决策规划和控制都需要精准的定位信息。SLAM(Simultaneous Localization and Mapping)同时定位和构图是一种新型的无人驾驶车辆定位技术,该技术可在无先验地图信息条件下实现定位导航。传统的导航技术包括GPS定位和IMU惯导定位等。无论是传统定位技术还是SLAM定位技术都存在自身弊端和局限性,因此多种定位技术融合的组合导航是实现高精度无人驾驶车辆定位的关键。本文以IMU(Inertial Measurement Unit)惯导和视觉SLAM融合车辆定位技术为研究内容,实现无人车高精度定位算法。首先介绍了纯视觉SLAM基本框架和基础;对视觉SLAM前端视觉里程计进行研究分析,提出本文的特征匹配策略算法,以此提升SLAM算法性能;对IMU和视觉SLAM紧耦合融合进行研究,通过实现在线实时标定IMU和相机的时间戳偏差,以此减少多传感器融合的时间戳偏差对系统的影响。本文的研究基于开源的VI-ORB-SLAM系统展开,并且提出优化后的Improved-VI-ORB-SLAM系统。本文完成的主要研究工作如下:(1)SLAM的前端视觉里程计算法研究。针对传统视觉里程计中的特征匹配策略效率低的问题,从特征匹配和误匹配剔除两方面进行优化,具体内容如下:(a):传统SLAM前端视觉里程计的特征匹配采用BF(Brute-force)暴力算法匹配,BF匹配算法在特征点数量多的场景计算复杂度高,针对这个问题,基于FLANN(Fast Library for Approximate Nearest Neighbors)特征匹配算法,提出一种混合Hybrid BF-FLANN(H-BF-FLANN)特征匹配算法。H-BF-FLANN特征匹配算法根据当前图像帧的特征点数量选择BF算法或者FLANN算法进行特征点匹配,相比传统BF算法,H-BF-FLANN匹配算法特征匹配效率更高。本文的Improved-VI-ORBSLAM系统采用H-BF-FLANN匹配算法进行图像处理,相比采用BF暴力匹配算法的原始VI-ORB-SLAM系统来说,大大地提升了系统的计算效率,减少系统时间消耗。(b):传统SLAM采用RANSAC(Random Sample Consensus)算法进行特征误匹配剔除,由于RANSAC算法随机性地选取数据建模导致其计算效率低,针对这个问题,Improved-VI-ORB-SLAM系统采用效率更高的PROSAC(Progressive Sample Consensus)算法替换RANSAC算法进行误匹配剔除。RANSAC算法随机抽取样本点进行模型参数估计,而PROSAC算法对数据进行相似性排序,选择相似性排名靠前的对应关系作为子集。Improved-VI-ORB-SLAM系统采用PROSAC算法进行误匹配剔除,相比传统VI-ORB-SLAM算法,计算效率更高和位姿估计的精度。理论分析和试验验证将在后文给出。(2)IMU惯导和视觉SLAM融合算法研究。针对IMU和相机数据的时间戳不对齐对VI-ORB-SLAM系统性能影响的问题,Improved-VI-ORB-SLAM系统在线实时标定IMU和相机时间戳偏差,通过估计的时间偏差修正相机特征点数据以保证和IMU预积分数据正确融合。且外,时间戳偏差数据将作为系统优化变量进行实时更新。理论和试验表明,实时标定时间偏差提升了Improved-VI-ORB-SLAM系统的定位精度和鲁棒性。

关键词：无人驾驶 VI-ORB-SLAM 特征匹配时间偏差标定

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：