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

融合点线特征的移动机器人同时定位和建图

哈尔滨工程大学学报 2023年

作者：姚建均李英朝吴杨唐瑞卓于新达闫宇坤维沃移动通信有限公司哈尔滨工程大学机电工程学院

为了解决移动机器人在低纹理场景中的定位精度较低，并且容易跟踪丢失问题，本文设计了一种点线特征提取和匹配策略，并将其引入视觉惯性同时定位和建图系统中。首先融合Line Segment Detector算法和Line Band Descriptor算法进行线特... 详细信息

为了解决移动机器人在低纹理场景中的定位精度较低，并且容易跟踪丢失问题，本文设计了一种点线特征提取和匹配策略，并将其引入视觉惯性同时定位和建图系统中。首先融合Line Segment Detector算法和Line Band Descriptor算法进行线特征提取和匹配，通过改良Line Segment Detector算法的隐藏参数，加快线特征提取速度。随后利用点线特征不同匹配筛选框架降低误匹配的数目，得出可以应用于视觉惯性同时定位和建图系统的线特征提取匹配算法。最终基于VINS-Mono框架，在视觉惯性里程计中融入额外的线特征约束，搭建能在未知环境下实现自主导航的VI-BLSD-Bow系统。在真实环境中进行移动机器人定位实验，定性和定量结果证明了VI-BLSD-Bow系统的精度和鲁棒性优于VINS-Mono系统。相较于VINS-Mono系统，VI-BLSD-Bow系统的室内定位精度提高了24.2%，走廊定位精度提高了8%，对于移动机器人在低纹理场景下的高精度定位具有较高价值。

关键词：同时定位和建图点线特征视觉惯性里程计单目视觉特征匹配移动机器人低纹理场景回环检测

基于点线特征融合的低纹理单目视觉同时定位与地图构建算法

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

计算机应用 2022年第7期42卷 2170-2176页

作者：潘高峰樊渊汝玉郭予超安徽大学电气工程与自动化学院合肥230601

当图像因相机快速运动造成模糊或者处在低纹理场景时,仅使用点特征的同步定位与地图构建(SLAM)算法难以跟踪提取足够多的特征点,导致定位精度和匹配鲁棒性较差。而如果造成误匹配,甚至系统都无法工作。针对上述问题,提出了一种基于点线... 详细信息

当图像因相机快速运动造成模糊或者处在低纹理场景时,仅使用点特征的同步定位与地图构建(SLAM)算法难以跟踪提取足够多的特征点,导致定位精度和匹配鲁棒性较差。而如果造成误匹配,甚至系统都无法工作。针对上述问题,提出了一种基于点线特征融合的低纹理单目SLAM算法。首先,加入了线特征来加强系统稳定性,并解决了点特征算法在低纹理场景中提取不足的问题;然后,对点、线特征提取数量的选择引入了加权的思想,根据场景的丰富程度,对点线特征的权重进行了合理分配。所提算法是在低纹理场景下运行的,因而设置以线特征为主、点特征为辅。在TUM室内数据集上的实验结果表明,与现有的点线特征算法相比,所提算法有效地提高了线特征的匹配精度,使得轨迹误差减小了大约9个百分点,也使得特征提取时间减少了30个百分点,使加入的线特征在低纹理场景中发挥出积极有效的作用,提高了数据整体的准确度和可信度。

关键词：单目视觉点线融合线匹配低纹理场景特征加权

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

面向挑战性环境的鲁棒位姿估计技术研究

面向挑战性环境的鲁棒位姿估计技术研究

作者：赵世博东北大学

学位级别：硕士

位姿估计技术一直是智能移动机器人领域的研究热点,同时也是同步定位与地图构建(Simultaneous Localizationand Mapping,SLAM)技术的基础。近年来,位姿估计技术得到了深入的研究并取得了丰硕成果,为移动机器人建图、避障、导航提供诸多... 详细信息

位姿估计技术一直是智能移动机器人领域的研究热点,同时也是同步定位与地图构建(Simultaneous Localizationand Mapping,SLAM)技术的基础。近年来,位姿估计技术得到了深入的研究并取得了丰硕成果,为移动机器人建图、避障、导航提供诸多优秀的解决方案。但是,目前绝大多数位姿估计方法都是针对于“常规场景”,这些方法很难应对现实中的一些极端“挑战性”场景,如低纹理场景、高速高动态场景等,限制了机器人的使用场景。因此,本文针对日常生活中常见的“挑战性场景”开展了鲁棒精确的位姿估计技术研究,具体研究工作主要包含以下三个部分内容:(1)针对移动机器人在视觉退化场景下的位姿估计问题,本文提出了一种实时、鲁棒、低漂移的深度视觉的SLAM方法。该算法主要由3个优化层组成,基于深度流的视觉里程计层、基于ICP(迭代最近点)的位姿优化层和基于位姿图的优化层。基于深度流的视觉里程计层通过建立深度变化约束方程实现相机帧间快速的6自由度位姿估计;基于ICP的位姿优化层通过构建局部地图来消除局部漂移;基于位姿图的优化层从深度信息中提取、匹配稀疏几何特征,从而建立闭环约束并通过位姿图来实现全局位姿优化。对本文所提出的算法分别在TUM数据集和实际场景中进行了性能测试.实验结果表明本文的前端算法的性能在挑战性环境中优于当前深度视觉主流算法,后端算法可以较为鲁棒地建立闭环约束并消除前端位姿估计所产生的全局漂移。(2)针对当前移动机器人环境感知过程中往往只建立该环境的几何地图和纹理地图,本文提出了一种基于多模态图像的位姿估计方法,该方法不仅可以重构环境中的几何信息、纹理信息,同时还可以重构环境中“不可见”的温度场信息。该方法将大大提高移动机器人的环境感知能力,特别是在黑暗、烟雾等挑战性环境。本文首先对红外相机与RGB-D相机的进行时空和内外参标定,然后融合红外信息构建RGB-DT图像对,最后通过depth-ICP与RGB-DT视觉里程计相结合方法实现基于RGB-DT图像的位姿估计和场景重建。实际实验结果表明,该系统可实现大场景实时多维地图重建,有效提高系统在常规视觉退化环境中的位姿估计的鲁棒性。(3)针对无人驾驶汽车在高速场景所面临的“高动态”、“高速”等挑战性场景,本文提出一种基于误差状态的卡尔曼滤波方法实现激光与IMU融合,该方法不仅可以实现几何退化场景下的位姿估计同时还可以克服“高动态”物体对激光观测所带来的干扰。该算法主要由2部分组成,首先通过激光与IMU之间的外参标定从而对每一个激光点进行运动补偿;其次,通过建立基于误差状态的卡尔曼滤波方程从而实现激光与IMU之间的数据融合。实验结果表明本文所提出的激光与IMU融合方法可以有效在“高速高动态场景下”实现鲁棒位姿估计。最后,对全文进行总结,并对今后进一步研究方向进行了展望。

关键词：位姿估计挑战性环境低纹理场景多模态图像高速高动态场景

基于点线特征的移动机器人视觉SLAM系统研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于点线特征的移动机器人视觉SLAM系统研究

作者：刘新长春工业大学

学位级别：硕士

视觉SLAM是指移动平台通过相机获取信息构建周围环境地图,并使用地图实时查找自身位置的过程,是实现移动机器人导航的前提条件,已经成为机器人领域的研究热点。但大部分视觉SLAM系统仅识别环境中的点特征,忽略了人造结构化环境中的线特... 详细信息

视觉SLAM是指移动平台通过相机获取信息构建周围环境地图,并使用地图实时查找自身位置的过程,是实现移动机器人导航的前提条件,已经成为机器人领域的研究热点。但大部分视觉SLAM系统仅识别环境中的点特征,忽略了人造结构化环境中的线特征,尤其在低纹理场景下,基于点特征的视觉SLAM容易出现初始化失败的现象,同时,也会由于无法提取足够数量的点特征导致位姿估计失败。本文通过结合环境中的点特征和建筑结构线特征搭建视觉SLAM系统,提高系统在低纹理场景中的定位精度和鲁棒性。本文的主要研究内容如下:（1）对基于图像中点特征和建筑结构线特征的位姿估计算法进行研究。首先提取图像中的ORB点特征和LSD线特征,在普通线特征的基础上,筛选出符合曼哈顿世界主方向的建筑结构线特征,然后对相邻图像帧分别进行特征匹配和误匹配对剔除,最后根据相邻帧间的点、线特征匹配构建重投影误差函数,求解得到帧间相机位姿。（2）对基于图像中点特征和建筑结构线特征的后端优化与回环检测算法进行研究。首先提出一种关键帧的选取方法维护关键帧规模,通过构建局部地图优化相机位姿,然后根据关键帧间的相似度判断是否完成回环,利用回环信息进行全局优化,最终构建稀疏可视化的三维点云地图。在前端视觉里程计的基础上,加入结合点线特征的后端优化与回环检测环节,搭建出完整的视觉SLAM系统。（3）搭建了本文视觉SLAM系统与仿真实验环境。采用TUM数据集进行实验对比,根据实验结果分析本文算法的定位精度,同时通过gazebo仿真平台搭建了点特征稀少的实验室仿真环境,分析本文系统在仿真环境中的实验效果,为系统在真实环境中的测试及应用奠定基础。

关键词：视觉SLAM 点线特征建筑结构线低纹理场景 gazebo仿真平台

基于多特征融合的移动机器人视觉SLAM与路径规划研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于多特征融合的移动机器人视觉SLAM与路径规划研究

作者：罗文南昌大学

学位级别：硕士

视觉SLAM(Visual Simultaneous Localization and Mapping)技术作为解决机器人定位与感知周围环境问题的关键技术,近年来被广泛应用于自动驾驶、三维重建和移动机器人导航等诸多领域。随着深度相机的出现,因其成本低、信息丰富以及便于... 详细信息

视觉SLAM(Visual Simultaneous Localization and Mapping)技术作为解决机器人定位与感知周围环境问题的关键技术,近年来被广泛应用于自动驾驶、三维重建和移动机器人导航等诸多领域。随着深度相机的出现,因其成本低、信息丰富以及便于携带等优点,使得基于深度相机的视觉SLAM系统受到了广泛关注。此外,路径规划技术作为移动机器人自主移动的关键技术,也具有重要的研究价值。本文主要围绕基于多特征融合的RGB-D SLAM与路径规划技术展开研究,工作内容包括:(1)为解决传统基于点特征SLAM算法在弱纹理场景中定位精度较低的问题,将点线面特征融合,提出了一种基于多特征融合的RGB-D SLAM方法。本文SLAM系统为提高特征点提取模块的均匀度与提取速度,采用基于四叉树的改进AGAST算法作为系统点特征提取算法。线特征和面特征提取模块分别采用EDLines和层次聚类算法来提高特征提取的准确率与速率。此外,本文在线特征匹配时利用线特征的几何属性来提升其匹配速度,同时为提高面特征匹配精度,使用了常规匹配方法与相似度量结合的方式进行面特征匹配。最后为提升系统的定位精度,引入虚拟右目线特征约束和假设平面约束构建总重投影误差函数,并以此构建因子图优化位姿。(2)为实现移动机器人在复杂动态环境下能够规划最优路径的同时实时避障,提出了一种A*与改进的DWA融合的路径规划算法。针对DWA局部路径规划算法在障碍物较多的场景容易陷入局部最优的问题,引入了一种中间目标点挑选策略,并通过该中间目标点挑选策略从A*路径节点集中挑选满足要求的节点作为DWA的中间目标点,用其指引局部路径规划。然后将A*算法与改进的DWA算法进行融合,并通过MATLAB进行仿真实验,实验证明本文融合算法能够在较为复杂的环境规划出一条最优全局路径的同时实时动态避障。(3)采用TUM数据集,将本文基于多特征融合的RGB-D SLAM系统与ORBSLAM2等多个开源VSLAM框架进行定位精度对比。实验结果表明,本文提出的SLAM系统具有更好的定位精度与性能。另外,为更进一步地验证本文SLAM系统的建图能力,通过数据集构建了环境的三维稠密点云地图和八叉树地图,并利用移动机器人进行了实时建图实验。最后还将本文融合路径规划算法应用于移动机器人上进行实验,实验表明,本文提出的融合路径规划算法能够实现移动机器人在复杂环境下规划最优路径的同时实时避障。

关键词：视觉SLAM 低纹理场景点线面特征路径规划

基于线特征引导VSLAM的AGV导航系统研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于线特征引导VSLAM的AGV导航系统研究

作者：陈宇栋重庆大学

学位级别：硕士

近年来,随着AGV智能化水平的提升,AGV正广泛应用到各行各业中。视觉SLAM是AGV进行定位和建图的关键技术,路径规划是AGV在完成给定任务且避开障碍物的重要保障。以ORBSLAM2算法为代表的视觉SLAM存在低纹理场景定位成功率低、建立的地图... 详细信息

近年来,随着AGV智能化水平的提升,AGV正广泛应用到各行各业中。视觉SLAM是AGV进行定位和建图的关键技术,路径规划是AGV在完成给定任务且避开障碍物的重要保障。以ORBSLAM2算法为代表的视觉SLAM存在低纹理场景定位成功率低、建立的地图不可直接用于导航的问题,以Informed-RRT*算法为代表的基于采样的路径规划算法存在计算出最优路径速度慢、路径不平滑、无法避开动态障碍物的问题。如果能改善上述状况,建立一个环境适应性良好、响应速度快、避障能力好的AGV平台,将对AGV的发展具有重要的意义。本文对能够在室内低纹理环境自主导航的AGV进行了需求分析,然后针对需求进行了AGV的设计与实现。在硬件部分,采用了以深度相机为视觉传感器的两轮差速AGV平台。该硬件平台成本合理,性能可靠。针对ORBSLAM2算法的上述问题,采用了本文所实现的基于线特征引导的视觉SLAM算法。该算法首先改进了EDLines算法,利用PROSAC方法和筛选合并策略提取出受噪声干扰小、断裂少的线段。接着改进了ORB特征点检测算法,用线段去引导特征点的提取,并根据位置的变化采取对应的提取阈值。然后运行ORBSLAM2算法,得到闭环轨迹。最后改进了八叉树地图的构建方式,以闭环轨迹减小地图的累积误差,利用点云滤波减小噪声,加快地图的转换速度。针对Informed-RRT*算法的上述问题,首先改进了Informed-RRT*算法,利用三角形和椭圆约束减小路径长度,加快收敛至最优路径的速度,得到能避开静态障碍物的全局最优路径。接着利用插值拟合的三次B样条曲线对全局最优路径进行路径平滑。最后以DWA算法为局部路径规划算法,实现了AGV在动态障碍物存在情况下的导航与避障。上述改进算法都有单独仿真或测试,本文还将它们应用到AGV平台,进行了功能验证。首先利用公开数据集验证了视觉SLAM算法的定位精度,接着利用实际环境验证了视觉SLAM算法的建图效果,最后利用视觉SLAM提供的地图和位姿进行了实际环境中导航功能测试。实验结果表明,本文实现的AGV系统提高了在室内低纹理环境下定位成功率,加快了建图过程,减小了地图所耗内存。地图能够直接用于导航,从起点到目标点的路径接近最优且能避开静态和动态障碍物。

关键词：低纹理场景线特征引导VSLAM 八叉树地图避障路径规划