检索结果-南通市图书馆

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于点线特征的视觉SLAM算法研究

基于点线特征的视觉SLAM算法研究

作者：邓志巍燕山大学

学位级别：硕士

移动机器人基于视觉的同时定位与建图(v SLAM)算法作为移动机器人的一个关键技术一直都是该领域的研究热点,点特征作为v SLAM算法中使用最为广泛的特征,然而在低纹理环境中,点特征数量较少,而线特征较多,在v SLAM算法中通过融合线特征... 详细信息

移动机器人基于视觉的同时定位与建图(v SLAM)算法作为移动机器人的一个关键技术一直都是该领域的研究热点,点特征作为v SLAM算法中使用最为广泛的特征,然而在低纹理环境中,点特征数量较少,而线特征较多,在v SLAM算法中通过融合线特征可以与点特征信息互补,提高算法精度和稳定性。本文在ORB-SLAM2的基础上,对线特征进行并行处理,通过融合线特征,在保证实时的基础上,有效处理系统在低纹理环境下特征点减少而导致的跟踪失败问题。首先,概述了视觉SLAM算法的发展现状以及基于线特征的视觉SLAM系统近年来的发展情况,认为线特征对于视觉SLAM系统的精度和鲁棒性的提高是有意义的。并对目前最为优秀的线特征提取算法之一在提取图像中线段易断裂的原因进行了分析,提出了一种改进的线特征匹配算法,将可合并的断裂线段进行合并处理,可以有效减少断裂线段为SLAM系统增加特征匹配的计算。其次,分析了相机获取的图像存在噪声而导致特征点和特征线不准确的问题,提出了一种通过对线特征进行采样拟合,将拟合后的线段与利用线段端点反投影获取线段相比较,滤除掉受噪声影响较大的线段的算法,有效减少了图像噪声而导致线特征端点不准确的问题。在此基础上提出了融合线特征的RGB-D视觉SLAM算法,通过仿真实验验证融合线特征的视觉SLAM算法提高了系统精度和鲁棒性。最后,分析了低纹理环境下单目视觉SLAM系统初始化易失败的原因,提出了利用线段端点和特征点,分解单应矩阵的方式,通过利用线特征的端点为单应矩阵分解增加数据量的方式,提高了系统初始化鲁棒性,在此基础上,提出了基于点线特征的单目视觉SLAM算法,利用极线约束和线特征描述子来对线特征进行匹配,通过仿真实验验证改进算法提高了系统初始化的鲁棒性以及系统精度。

关键词：移动机器人 vSLAM 线特征 ORB-SLAM2 采样拟合

基于点线特征的室内巡检机器人单目视觉SLAM研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于点线特征的室内巡检机器人单目视觉SLAM研究

作者：马庆欢黑龙江大学

学位级别：硕士

SLAM是一种实时的定位和地图构建技术,广泛应用于机器人、自动驾驶以及AR/VR等领域,以特征法为代表的视觉SLAM算法由于具有良好的稳定性和计算效率而被广泛研究。目前,点特征视觉SLAM在低纹理环境、相机快速移动等场景中存在定位不准确... 详细信息

SLAM是一种实时的定位和地图构建技术,广泛应用于机器人、自动驾驶以及AR/VR等领域,以特征法为代表的视觉SLAM算法由于具有良好的稳定性和计算效率而被广泛研究。目前,点特征视觉SLAM在低纹理环境、相机快速移动等场景中存在定位不准确或者定位失败的问题,本文提出了一种点线特征融合的SLAM系统,改善使用单一特征方法的不足。首先,对视觉SLAM中相关理论进行介绍,包括描述相机和IMU单元所在坐标系与世界坐标系之间的转换方式,同时对传感器造成的误差原因进行分析并且进行融合标定实验,得到相关参数建立转换关系。介绍线特征参数化和初始化理论知识为相机位姿估计提供理论知识。其次,在前端视觉里程中使用点线特征融合的方法提高巡检机器人的定位精度,针对特征点检测过程中存在大量短线和相似线段的问题,对线段进行短线剔除和近似线段合并。将相邻图像的特征点进行匹配后估计相机的运动姿态,针对线特征匹配耗时与匹配率低的问题,本文使用几何约束的方法实现相邻帧的线特征追踪,该方法比使用LBD描述符进行匹配的方法节省了计算LBD描述符的时间,同时提高了匹配效率。然后,搭建相应的点线特征融合的VI-SLAM系统,将本文提出的线段检测方法和匹配方法应用到系统中。为解决单目相机的尺度不确定性问题,将IMU信息与视觉信息进行融合,建立视觉惯性紧耦合优化模型。在视觉初始化后得到相机初始位姿,然后进行传感器观测数据对齐,从而恢复真实尺度。通过回环检测功能提高轨迹的准确性。最后,本方法在TUM-VI数据集的room序列和Eu Roc数据集的difficult序列中得到绝对轨迹的误差均方根分别比VINS-Mono方法降低了38%和23%。此外,室内巡检机器人在长廊、回廊、大厅等实际场景中的测试也证明了点线特征融合算法具有更高的准确性。

关键词：室内巡检视觉SLAM 点特征线特征低纹理

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于双视线特征感知编组的多目标跟踪方法

计算机仿真 2021年第10期38卷 189-192,231页

作者：陈曦刘学斌汕头大学广东汕头515063

为实现精准的图像多目标捕获与跟踪,提出基于双视线特征感知编组的多目标跟踪方法。利用自由形状线特征涵盖的丰富信息,使用双视线特征感知编组方法将线特征匹配结果当作计算条件,推算已匹配的每对线特征左右视差均值,将方位相近、左右... 详细信息

为实现精准的图像多目标捕获与跟踪,提出基于双视线特征感知编组的多目标跟踪方法。利用自由形状线特征涵盖的丰富信息,使用双视线特征感知编组方法将线特征匹配结果当作计算条件,推算已匹配的每对线特征左右视差均值,将方位相近、左右视差均值接近的线特征视作一组,明确各组线特征作用窗口,代入时差收敛均值,实现多目标特征匹配;代入联合概率数据关联算法,构建改进粒子滤波模型,让粒子权值呈现出测量值与目标轨迹的关联概率,确保各目标跟踪轨迹持续性,并完善轨迹初始点与终点,增强跟踪时效性。仿真结果表明,所提方法能很好地处理车辆交叉引发的错误匹配问题,在交叉或遮挡等复杂情况下,依旧可以快速准确地同时对多个目标车辆进行跟踪。

关键词：双视线特征感知编组多目标跟踪粒子滤波线特征联合概率

基于点线特征检测的单目视觉SLAM算法研究

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于点线特征检测的单目视觉SLAM算法研究

作者：杨承忠辽宁大学

学位级别：硕士

同步定位与建图(Simultaneous Localization and Mapping,SLAM)近年来已成为热门话题,研究者们也采用不同的传感器作为图像采集设备,如单目或双目相机、RGB-D相机、惯性传感器或激光雷达等。其中仅采用一个摄像头作为唯一外部传感器的... 详细信息

同步定位与建图(Simultaneous Localization and Mapping,SLAM)近年来已成为热门话题,研究者们也采用不同的传感器作为图像采集设备,如单目或双目相机、RGB-D相机、惯性传感器或激光雷达等。其中仅采用一个摄像头作为唯一外部传感器的被称为单目视觉SLAM。由于摄像头体积小、功耗低更适合于嵌入式设备,这也使得视觉SLAM技术越来越受关注。在本文中,对视觉SLAM查阅大量文献进行研究分析后,针对目前传统采用特征点法单目视觉SLAM在弱纹理场景或存在运动模糊时,无法准确估计相机位姿甚至失效情况,提出了一种结合点线特征信息的半直接法单目视觉SLAM。本文采用结合直接法与特征法的半直接法,并行运行直接法模块和特征法模块。在直接法模块中利用直接法对弱纹理环境的鲁棒性,快速且稳健地跟踪相机运动并构建局部半稠密地图,并将获得信息提供给特征法模块。在特征法模块中根据直接法模块提供的先验信息初始化地图,在传统采用特征点的基础上加入线段特征信息,结合点线特征联合优化相机位姿,并在后端优化中利用点线特征构建视觉词典树用于回环检测,减小系统的轨迹漂移,提高定位精度,构建全局一致的特征地图。在工作中,首先介绍了单目视觉SLAM中用到的相机模型和空间点线的几何表示等数学知识。然后分别对点线特征检测与匹配算法做了详细介绍,并结合点线特征联合优化相机位姿,给出了优化的代价函数和求解过程,展示了点线检测效果图。接着给出系统框架,详细介绍了本文结合直接法模块和特征法模块的处理方法,并在特征法模块中给出了点线特征词典树的完整构建过程。最后在公开数据集上进行测试,验证本系统的性能。与目前主流的开源项目进行对比,从图像配准误差、绝对轨迹误差和绝对姿态误差三个方面数据进行比较,实验结果表明,本文方法在弱纹理场景和存在运动模糊时都具有较好的的鲁棒性和准确率。

关键词：单目 SLAM 点特征线特征半直接法

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于点线特征的视觉激光融合无人车定位算法

基于点线特征的视觉激光融合无人车定位算法

作者：张哲豪哈尔滨工业大学

学位级别：硕士

随着近年来科学技术的不断进步,无人驾驶技术得到业界的广泛关注,而无人车的定位是其中极其重要的一环,然而基于特征点的视觉SLAM算法在低纹理场景下缺少足够的特征点而易失效,同时视觉特征具有丰富的图像纹理信息与具有高精度环境几何... 详细信息

随着近年来科学技术的不断进步,无人驾驶技术得到业界的广泛关注,而无人车的定位是其中极其重要的一环,然而基于特征点的视觉SLAM算法在低纹理场景下缺少足够的特征点而易失效,同时视觉特征具有丰富的图像纹理信息与具有高精度环境几何结构信息的激光特征具有天然的互补性。基于此本文提出一种基于点、线特征的视觉激光融合的无人车定位算法,通过加入线特征的约束来增强系统鲁棒性和精度,实现无人车的运动位姿估计以及构建周边环境的点云地图。本文主要研究工作如下:（1）构建视觉与激光数据预处理模块。针对视觉特征点采用Shi-Tomasi角点提取算法,基于实时性的考虑采用Lucas-Kanade光流算法来跟踪帧间特征点。针对视觉线特征采取LSD特征提取算法,并且改进算法将距离较近且表达相似的线特征拼接。为避免特征分布过于集中,通过设定特征最小间隔阈值以确保其均匀分布。针对激光点云首先基于匀速运动假设,采用线性插值的方法去除点云运动畸变,接着划分子区域并根据点云局部曲率大小判断是否为边缘、平面特征点。最后剔除遮挡、与物体平面近乎平行等无效特征点来增强系统的有效性。（2）视觉特征深度恢复模块。通过传感器外参标定以及对齐数据时间戳来实现数据关联。接下来选取激光邻域来拟合平面,利用相机光心与视觉特征点形成的射线与所拟合平面的交点的深度值来恢复该视觉特征点的深度。（3）视觉激光紧耦合里程计模块。首先针对视觉特征以及点云特征进行帧间匹配,并利用视觉特征的匹配构建对极约束求解帧间位姿初始估计值。接下来通过将视觉特征的损失函数以及激光特征的损失函数放在同一个优化框架下进行LM非线性优化以求解运动位姿估计,最后通过激光建图构建点云环境地图。（4）基于KITTI数据集和校园实地实验。最后本文进行视觉激光融合无人车定位算法的实验,基于开源的KITTI数据集与LOAM算法对比,结果表明本文提出的里程计模块输出的精度较高;最后基通过采集的哈尔滨工业大学校园数据集来测试算法的有效性,最终算法运行成功。

关键词：无人驾驶 SLAM 激光雷达相机线特征

基于点线特征融合的视觉SLAM系统研究及设计

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于点线特征融合的视觉SLAM系统研究及设计

作者：谭帅奇重庆科技学院

学位级别：硕士

随着技术发展,移动机器人已经应用于不同领域,对其环境适应能力提出新的要求和挑战,机器人自主定位和建图的关键技术为SLAM(Simultaneous Localization and Mapping)。视觉SLAM是依赖相机来获取环境信息,但在弱纹理场景下,例如室内环境... 详细信息

随着技术发展,移动机器人已经应用于不同领域,对其环境适应能力提出新的要求和挑战,机器人自主定位和建图的关键技术为SLAM(Simultaneous Localization and Mapping)。视觉SLAM是依赖相机来获取环境信息,但在弱纹理场景下,例如室内环境、楼道、地板和墙壁等,环境的特征信息不足,提取效果不佳,则会大大降低定位与建图的实际效果。为了解决环境特征不足的问题,本文提出自适应阈值的ORB特征点算法和改进的LSD算法,构建点线特征融合的视觉SLAM系统。本文主要研究内容如下:(1)提出了自适应阈值的ORB特征点提取算法。针对ORB特征点提取过程中,固定阈值检测FAST角点会导致提取效果不佳进而影响匹配精度,本文提出了基于动态阈值的ORB特征点检测算法,通过图像灰度差值和像素分布概率来计算图像对比度,根据对比度动态计算角点检测阈值。然后根据动态阈值算法实现特征点的提取,采用暴力匹配算法和快速最近邻接匹配(FLANN)两种匹配算法,在Eu Roc数据集上分别对比了ORB算法、SIFT算法与本文算法的特征点匹配精度和耗时,在匹配精度上比ORB算法提升了25.6%,比SIFT算法提升了32.7%。(2)解决了LSD算法提取直线碎片化问题。针对ORB-SLAM2无法在弱纹理场景下定位与建图的问题,本文提出了改进的LSD线特征检测算法,将提取的直线根据角度和距离进行筛选,解决了LSD算法将一条直线分成多段的问题,提高了位姿优化过程中的计算效率。对于线特征匹配问题,采用LBD描述子描述相邻帧图像之间的线特征相似度,并在公开数据集上对LSD算法与本文算法进行对比实验,结果表明,改进后的LSD在匹配精度和时间效率上分别提升了27.8%和17.1%。(3)构建了点线融合SLAM系统。在ORB-SLAM2前端视觉里程计中加入线特征的提取与匹配,构建基于ORB-SLAM2的点线融合系统,解决了弱纹理图像特征点提取困难的问题。在后端构建局部地图,利用基于词袋模型的回环检测算法,优化建图效果。由于ORB-SLAM2无法构建稠密地图,在系统设计上,引入了第三方库,并在Rviz平台做了可视化展示。根据相机真实轨迹与估计轨迹之间的绝对轨迹误差(ATE),比较其均方根误差(RMSE)大小,计算定量差值。在Eu Roc数据集和Kitti数据集上,进行了各算法的定位精度比较和建图效果比较,并分析了对应的实验结果。

关键词：视觉SLAM 自适应阈值线特征位姿估计地图构建

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于直线特征的异源景象匹配技术研究

基于直线特征的异源景象匹配技术研究

作者：王力中国科学院研究生院(长春光学精密机械与物理研究所)

学位级别：硕士

在异源图像融合、导航系统等应用中,异源图像匹配技术是其中最重要的一个环节。由于不同图像传感器的成像机理不同,成像特点各异,图像间的灰度具有很大的差异,而传统的图像匹配算法在构建特征描述算子的过程中非常依赖于图像灰度分布,... 详细信息

在异源图像融合、导航系统等应用中,异源图像匹配技术是其中最重要的一个环节。由于不同图像传感器的成像机理不同,成像特点各异,图像间的灰度具有很大的差异,而传统的图像匹配算法在构建特征描述算子的过程中非常依赖于图像灰度分布,很难应用到异源图像匹配工作中去,因此,针对异源景象匹配的研究是非常有必要的。论文以具有复杂地物条件的异源景象匹配为背景,以开发实时性和可靠性满足实际应用需求的异源图像匹配算法为内容,采用近年来得到深入研究并广泛应用到计算机视觉各个领域中的图像局部特征方法来进行处理。论文主要工作如下:第一部分首先介绍了图像匹配的定义以及在匹配工作中需要用到的几种变换模型,接着对匹配算法按照所利用的图像信息的不同进行分类,并且对这几类算法中一些有代表性的算法进行了简要说明以及分析。基于特征的匹配算法主要优点在于时间复杂度低,准确性强,是当前图像匹配技术领域的热门研究方向。基于区域的匹配算法的优点是实现简单,但计算量过大时这类方法的致命弱点,基于变换域的图像匹配算法最大的优点是易于硬件实现,但在匹配精度上有待进一步提高。第二部分主要分析和对比了三种常用的直线提取方法。首先介绍了采用HOUGH变换提取直线的方法,该算法时间复杂度高,对直线特征的漏检率比较高;接着对基于边缘检测和相位编码的直线提取算法进行分析说明,该算法在检测效率和精度上对图像边缘检测算法和相位编组算法的依赖性过高,而且提取出的弱特征过多;然后对LSD直线提取算法进行了分析和说明,该算法可以在线性时间内提取出亚像素级别的图像直线特征,并且漏检率比较低,是这几种算法中性能最为优秀的算法。第三部分主要对基于直线特征的异源图像匹配算法进行了分析说明以及实验验证。首先介绍了线段特征的提取及筛选及线段对的构造规则和相关数据的计算方法;接着介绍了线段对之间的相似性度量规则、同名线段对搜索策略、线段对匹配规则、根据构成线段对的线段特征之间的关系进行线段特征精确匹配的方法以及误匹配消除方法;最后对本章提出的方法进行了试验验证,通过大量实验选取了最佳的阈值,通过与其他匹配方法的比较验证了该算法的实时性以及匹配性能。第四部分主要对论文的主要工作和创新点进行了总结说明,并对不足之处进行了展望分析。

关键词：图像处理图像匹配异源图像线特征线段对特征提取仿射不变

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于点线特征的视觉惯性里程计研究

基于点线特征的视觉惯性里程计研究

作者：刘高昆明理工大学

学位级别：硕士

随着工业机器人和服务机器人领域快速的产业发展,移动机器人定位技术在广泛的行业应用中引起了众多关注,在室内摄影测量相关的同步定位与制图（Simultaneous Localization and Mapping,简称SLAM）在该领域中的研究最为火热。采用室内摄... 详细信息

随着工业机器人和服务机器人领域快速的产业发展,移动机器人定位技术在广泛的行业应用中引起了众多关注,在室内摄影测量相关的同步定位与制图（Simultaneous Localization and Mapping,简称SLAM）在该领域中的研究最为火热。采用室内摄影测量技术的视觉SLAM算法大都基于特征点进行数据关联和后端优化,但在某些光照较低和弱纹理的场景下,由于特征提取数量的不足,导致SLAM系统在该环境下的定位精度和鲁棒性的降低。为了解决该问题,我们在SLAM前端数据关联阶段引入线特征,并对其进行改进,通过构建基于点线特征融合的视觉惯性里程计,提高定位系统在复杂场景下的定位精度和鲁棒性。通过对多种特征提取及匹配算法进行实验测试,结果表明ORB（Oriented FAST and Rotated BRIEF）特征对于环境的鲁棒性较好且速度最快;在特征点匹配方式上,基于光流的匹配速度是描述子八倍左右。故我们选取ORB特征和Lucas–Kanade光流匹配方法进行特征点的提取与匹配;选择LSD线特征（Line segment detector）和LBD描述子（Line Band Discritor）与特征点共同进行数据关联,并对LSD线特征提取分段的问题进行了改进,通过改进前后对比实验发现改进后线特征匹配数目能够提升3.8%;采用普吕克坐标和正交表达方法描述线特征的坐标转换及线特征重投影误差的优化。对IMU（Inertial Measurement Unit）进行积分获得相机位姿变换初值,并运用到后端优化中,通过IMU预积分构建IMU误差。在后端优化中,使用滑动窗口模型并设定关键帧选取策略,通过边缘化更新相机位姿并将关键帧约束信息保存,并将该约束作为先验信息与点线特征重投影误差、IMU预积分误差通过光束法平差方法共同进行优化,构建一个基于点线特征融合的视觉惯性里程计。为了对本文提出的点线视觉惯性里程计系统VIO（Visual Inertial Odometry）性能充分了解,我们在真实环境下搭建了实验平台,并对相机进行标定,选取系统的鲁棒性、定位精度和实时性三个方面,通过数据集和真实环境场景下的实验对系统性能进行对比分析。在鲁棒性方面,线特征在复杂环境下具有更好的稳定性,并且在引入线特征后,点线VIO系统在复杂场景中运行稳定,具有良好的鲁棒性;在定位精度方面,我们通过数据集和真实环境下对比实验发现:线特征的引入可以降低系统的定位误差,数据集场景中,轨迹均方根误差为0.155m,相对于点特征VIO系统,其平移误差降低量为10.7%,旋转误差降低了18.3%,提升了系统的定位精度。通过复杂环境及非复杂环境下的对比实验,发现非复杂环境下,其平移误差降低13.1%,旋转误差降低16.2%,且周边环境越复杂,定位精度提升效果越明显;在实时性方面,点线VIO的耗时较长,实时性性能有所下降。

关键词： SLAM 点特征线特征 IMU预积分视觉惯性融合

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

一种基于LSD改进的室内直线特征匹配算法

现代计算机 2022年第9期28卷 15-21页

作者：李玉峰张宸沈阳航空航天大学电子信息工程学院沈阳110000

由于室内长廊等弱纹理场景下点特征匹配效果差,线特征匹配成为了特征匹配研究领域新的热点。现有线特征匹配算法如LSD在弱纹理场景下表现不佳,提取了大量无效特征如重复描述的线特征、断连的线特征、长度过短无法参与匹配的线特征。为此... 详细信息

由于室内长廊等弱纹理场景下点特征匹配效果差,线特征匹配成为了特征匹配研究领域新的热点。现有线特征匹配算法如LSD在弱纹理场景下表现不佳,提取了大量无效特征如重复描述的线特征、断连的线特征、长度过短无法参与匹配的线特征。为此,本文针对LSD进行研究改进,提出了Light-LSD,改进了特征重复、特征断连、特征过短等问题。实验结果表明,在弱纹理场景下Light-LSD可以剔除大量无效特征,使总特征数量减少60%,提高算法整体运行效率。Light-LSD对于SLAM等依赖特征匹配等技术有很大研究价值。

关键词：特征提取线特征特征匹配