检索结果-南通市图书馆

基于ORB-SLAM2室内动态稠密地图重建算法研究

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ORB-SLAM2室内动态稠密地图重建算法研究

作者：李文耀中北大学

学位级别：硕士

同时定位与地图构建(Visual Simultaneous Localization and Mapping,SLAM)作为无人机、无人驾驶和人机交互等机器人系统的关键性技术,它们均是由相机传感器获取图像来确定自身环境中的位置,同时对环境进行建图。然而,在动态场景下,传统... 详细信息

同时定位与地图构建(Visual Simultaneous Localization and Mapping,SLAM)作为无人机、无人驾驶和人机交互等机器人系统的关键性技术,它们均是由相机传感器获取图像来确定自身环境中的位置,同时对环境进行建图。然而,在动态场景下,传统SLAM系统三维稠密地图重建中存在着诸多问题,地图重叠度低和系统定位不准确。主要表现在两个方面:1)传统算法在分割动态目标时,会导致计算量大、图像分辨率降低,图像归类和动态目标剔除不准确以及丢失大量语义信息,引起假阳性过分分割对系统造成定位精度下降的问题;2)在处理复杂环境下动态目标时,传统算法在稠密匹配和三维地图重建中会直接影响相机位姿估计、回环检测的准确性,将导致关键帧构建动态地图冗余信息过多,动态目标产生重影,地图的可读性以及地图模型的优化性能和鲁棒性较差,从而无法实现准确导航。针对上述问题,本文深入研究了动态环境下室内三维地图稠密重建的问题,提出了一种基于动态环境下稠密地图重建模型的方法。本文的主要贡献如下:(1)提出了MobileNetV3-Small-SSD目标检测识别动态特征点并利用LK滤除动态目标,来提升SLAM系统性能。在ORB-SLAM2的框架上添加目标检测线程,并结合多视角几何约束来滤除场动态目标。相关结果表明,在室内动态场景中,均有效地滤除动态目标;其中本算法与传统ORB-SLAM2通过ATE和RPE中的REMSE和Std评价指标对比得出,分别降低了97.20%和98.18%;94.97%和94.69%,从而有效改善了其漂移程度和系统的鲁棒性。(2)结合点云信息和语义信息,提出一种采用Octree方法实时重建室内三维稠密地图来提升SLAM系统定位精度和建图性能。该算法在ORB-SLAM2构建地图基础上,添加Octo-Map稠密构建新线程,并结合目标检测结果构建剔除动态信息的3D目标数据库和Octo-Map。相关结果表明,利用公开TUM数据集和真实环境数据集进行构建的点云地图和Octo-Map重叠度变小,消除了动态稠密地图的重影现象,提高了地图的可读性。(3)结合前面提出的改进的动态环境下重建稠密地图的新方法,构建一个移动机器人实验平台,并搭建与之对应的硬件和软件系统,通过实验验证移动机器人处于实际场景下本系统在定位精度和构建三维稠密地图的性能。实验结果表明,本文改进系统能够快速准确地识别动态目标并完成分类与剔除;相较于ORB-SLAM2系统,改进ORB-SLAM2框架在动态场景下提高相机的跟踪准确性,从而提高在系统在动态场景中的定位精度。总之,本文改进系统可在不同环境下实现快速和准确地捕捉动态目标,并能够在动态环境下实时构建静态稠密地图,可为移动机器人完成导航任务提供精确的地图信息,在提高定位精度的同时整体系统获得了更好的鲁棒性。相关研究成果将进一步丰富SLAM算法的研究内容,可为工程中人工智能控制技术提供一定的理论基础和技术支持。

关键词：视觉SLAM 动态场景 MobileNetV3-SSD 几何约束点云地图八叉树地图三维稠密地图

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于动态信息滤除的视觉SLAM算法研究

基于动态信息滤除的视觉SLAM算法研究

作者：张喜凤哈尔滨工程大学

学位级别：硕士

同时定位与地图构建技术(SLAM)使得智能移动机器人在未知场景自主完成相关任务成为了可能,是目前研究热点之一。但常见的SLAM系统通常假设其应用环境为静态环境,进而导致SLAM系统对运动物体敏感,在动态环境下运行时,会存在位姿估计误差... 详细信息

同时定位与地图构建技术(SLAM)使得智能移动机器人在未知场景自主完成相关任务成为了可能,是目前研究热点之一。但常见的SLAM系统通常假设其应用环境为静态环境,进而导致SLAM系统对运动物体敏感,在动态环境下运行时,会存在位姿估计误差大、精度低等问题,同时使得构建的环境地图存在重影,难以复用。为消除动态信息的影响,本文以ORB-SLAM2算法为基础框架,设计了一种应用于动态环境的视觉SLAM方法。通过实验证明,本文算法对动态物体的处理效果较好,相较于ORB-SLAM2算法,在高动态环境下系统绝对轨迹误差均方根值平均下降了 90.52%,低动态环境下的绝对轨迹误差均方根值平均下降了 27.03%,位姿估计精度高,同时较好地实现了环境静态地图的构建。主要研究内容如下:首先,针对动态点精准识别的问题,设计了一种基于目标检测的动态特征点识别滤除方法。本文利用类间方差对内点进行重新划定,随后利用具有最多内点的随机抽样一致性(RANSAC)模型获取准确的变换矩阵,结合多视图几何算法进行动态点的预判定。而后将YOLOv3-Tiny算法用于动态区域的预选,利用改进的再判别融合算法,仅对真实动态点进行处理,实现了动态点的精准滤除。其次,针对动态场景下位姿估计存在巨大误差的问题,设计了一种动态SLAM算法,结合基于视觉词典的回环检测算法以及BA算法进行系统优化。同时针对帧间存在较多冗余信息的问题,基于冗余检测对关键帧筛选方法进行改进,利用帧间共视点进行关键帧的二次判定,保证了系统运行的较低冗余以及高精度。经TUM数据集的对比实验定性定量分析,验证了算法性能的提升。最后,针对动态环境下构建稠密地图存在重影的问题,结合YOLOv3-Tiny算法,利用物体类别信息进行处理,根据筛选后的绘图关键帧构建静态环境的三维稠密地图。实验表明,本文算法有效地去除了环境中的动态对象并实现了静态环境地图的构建,增加了地图的复用性。而后在真实室内动态场景下进行实验,验证了本文算法的有效性及鲁棒性。

关键词：视觉SLAM 动态环境动态信息滤除多视图几何三维稠密地图

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

室内建筑机器人的视觉SLAM技术研究

室内建筑机器人的视觉SLAM技术研究

作者：李博西安建筑科技大学

学位级别：硕士

近年来,随着建筑行业产业升级的不断深入以及机器人技术的突飞猛进,建筑机器人也在朝着智能化的方向快速发展。基于视觉传感器的同步定位与建图技术（Simultaneous Localization and Mapping,SLAM）仅利用相机就能够完成机器人的自主定... 详细信息

近年来,随着建筑行业产业升级的不断深入以及机器人技术的突飞猛进,建筑机器人也在朝着智能化的方向快速发展。基于视觉传感器的同步定位与建图技术（Simultaneous Localization and Mapping,SLAM）仅利用相机就能够完成机器人的自主定位,并实时构建环境地图,该技术为建筑机器人实现自主导航提供了基础。本文围绕室内建筑机器人的视觉SLAM技术展开研究,主要的研究内容及工作如下:（1）设计了室内建筑机器人视觉SLAM系统的整体框架。以RGB-D深度相机为视觉传感器,ORB-SLAM2系统为基础,结合施工场景的实际情况,为保持系统在动态环境下的定位精度与鲁棒性,使其更好地适应施工环境,在原系统之上新增一条目标检测线程,同时在跟踪线程中添加动态特征点剔除环节。此外为满足建筑机器人导航需求,又新开辟一条三维稠密建图线程,以构建可用于建筑机器人导航的三维稠密地图。（2）提出了一种动态特征点剔除算法。在特征点提取的同时使用YOLOv4进行动态目标检测,剔除动态目标范围内的特征点,再利用对极几何约束与光流约束过滤图像中可能残余的动态点。随后,又对该算法进行了改进,将目标检测网络更换为轻量型的YOLOv4-tiny,并对检测结果进行动态目标判别,剔除动态特征点。实验结果表明,两种算法都能有效过滤图像中的动态特征点,大幅提高系统在高动态环境下的定位精度,并且相较第一种算法,改进算法可以更好的保留静态特征点,在低动态环境下依然能保持良好的定位精度,并且实时性更强。（3）提出了一种三维稠密建图方法。首先,结合自适应中值滤波与联合双边滤波的优点,提出基于深度阈值的深度图像修复算法,处理深度图像中的空洞与噪声。随后在此基础上生成点云地图,在生成点云过程对关键帧图像进行动态目标检测,滤除动态目标的像素点,构建静态的三维点云地图,最后将点云地图转化为能够用于建筑机器人导航的八叉树地图。实验结果表明,所建八叉树地图能够有效过滤动态信息,并且占据内存较小。（4）实现了建筑机器人视觉SLAM系统,并且利用移动机器人平台对实现的视觉SLAM系统进行整体测试,测试结果表明该系统在动态环境下能够较为准确的估计出机器人运动轨迹,并且能够构建出不含动态物体的静态三维稠密地图。

关键词：室内建筑机器人视觉SLAM 目标检测动态特征点剔除三维稠密地图

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

机器人大范围场景定位与三维建图

机器人大范围场景定位与三维建图

作者：曾维林西南科技大学

学位级别：硕士

虽然机器人同时定位与建图(SLAM)技术已经取得了很多优秀的研究成果,但是在大范围场景中的定位精度、运行速度以及稳定性均有待提高。此外,稀疏的点云地图不适用于实际场景的三维可视化与机器人的导航、避障。本文针对于以上问题,提出... 详细信息

虽然机器人同时定位与建图(SLAM)技术已经取得了很多优秀的研究成果,但是在大范围场景中的定位精度、运行速度以及稳定性均有待提高。此外,稀疏的点云地图不适用于实际场景的三维可视化与机器人的导航、避障。本文针对于以上问题,提出了一种结合单目和IMU的大范围场景同时定位与建图算法。首先,使用标定算法对单目相机、IMU传感器以及两者之间的相对位姿关系进行标定,并通过实验验证其标定的正确性。其次,本文使用均匀分布的ORB特征提取算法,实现连续图像帧的特征点提取,并根据四叉树的结构对其进行保存。对于特征匹配,本文提出一种滑动窗口模型与概率运动统计算法相结合的算法,消除图像中动态物体的影响,得到其静态区域的正确的ORB特征匹配点对。然后,根据得到的正确的特征匹配点对,结合IMU传感器的预积分信息,进行单目视觉的快速初始化。将IMU预积分信息与单目视觉初始化结果进行紧耦合,恢复出单目视觉的绝对尺度信息,实现系统初始化。根据初始化得到的三维稀疏点云,通过重投影误差和IMU的预积分信息实现当前帧的位姿跟踪,同时进行关键帧的筛选。在局部地图模块中,本文通过连续的关键帧之间得到的静态ORB特征匹配点对,向其中添加静态的三维地图点。通过该地图点与局部地图中的关键帧,实现机器人在移动过程中的闭环检测与重定位。最后,通过两个连续的关键帧图像信息的立体匹配,获得其对应的视差图。结合关键帧之间的相对位姿关系,将视差图转换为到世界坐标下的三维点云,并对其进行网格化,生成可视化的全局三维稠密地图。在公开的TUM、KITTI、Euroc数据集以及实际场景中进行实验验证,结果表明:本文算法可以获得场景中静态区域的正确的特征匹配点对,实现系统的快速且稳定的初始化,且单目视觉初始化时间为1.7s。在机器人定位精度和实时性方面,Euroc数据集上的定位精度可以达到0.039m,优于VINS-Fusion和VI-ORB算法。实际场景的定位精度在0.1%.2%,定位精度高。此外,该算法可以在数据集和实际环境中构建三维稠密地图,实现三维场景的可视化。

关键词：大范围场景定位与建图 ORB特征提取 GMS与滑动窗口模型特征匹配系统初始化三维稠密地图