检索结果-南通市图书馆

检索条件"主题词=激光视觉惯性里程计"

共 2 条记录，以下是1-10 订阅

全选清除本页清除全部题录导出标记到"检索档案"

详细简洁

排序：

激光视觉惯性融合的移动机器人三维重建方法研究

激光视觉惯性融合的移动机器人三维重建方法研究

引用

作者：陈少斌湖南大学

学位级别：硕士

三维重建技术在建筑测绘、智慧城市、虚拟现实等领域的应用需求越来越多,如何快速有效地进行三维建模成为研究热点。针对传统三维扫描技术和倾斜摄影技术存在的缺陷,本文研究了基于同时定位与地图构建(Simultaneous Localization and Ma... 详细信息

三维重建技术在建筑测绘、智慧城市、虚拟现实等领域的应用需求越来越多,如何快速有效地进行三维建模成为研究热点。针对传统三维扫描技术和倾斜摄影技术存在的缺陷,本文研究了基于同时定位与地图构建(Simultaneous Localization and Mapping,SLAM)的移动机器人三维重建方法,提出一种融合激光雷达、双目相机和IMU(Inertial Measurement Unit)的SLAM算法,提高了移动机器人在复杂建筑环境下的定位精度与建图效果,并应用于建筑测绘领域中的三维重建任务。主要研究工作概括如下:(1)构建移动机器人的多传感器融合系统平台,对各种传感器的观测模型进行分析,并基于传感器的内外参标定原理获取参数,减小原始数据的噪声对多传感器信息融合定位的影响。(2)针对激光雷达原始点云存在信息冗余的问题,提出了基于点云几何强度信息分布的特征提取方法,采用Scan-to-Map提高帧间匹配速度,通过优化特征点的几何信息残差与强度信息残差估计激光雷达帧位姿。针对双目图像信息,采用光流法进行特征点提取与跟踪,并与激光雷达点云深度关联提高地图点的精度,通过滑动窗口优化视觉特征重投影残差与IMU预积分残差求解图像帧位姿。(3)针对里程计长时间运行下存在累计漂移的问题,本文提出了一种基于几何信息的点云ISC(Intensity Scan Context)描述子闭环检测方法,提高了闭环检索的效率。后端构建由激光里程计、视觉里程计、闭环约束和IMU预积分误差组成的全局因子图,采用增量平滑与地图构建方法优化关键帧位姿,降低里程计的累计误差,输出高精度的点云地图。(4)采用公开数据集和实测数据集评估本文算法的性能,并与LeGO-LOAM、Fast-LIO和VINS-Fusion对比,结果表明本文算法具有更高的定位精度与更好的建图效果,证明多传感器融合提高了算法在复杂环境下定位的鲁棒性。最后对本文算法在实测数据中输出的点云地图进行三维建模,并对模型的精度进行评估,展现了本系统在建筑测绘领域的实际应用价值。

关键词：三维重建多传感器信息融合 SLAM 激光视觉惯性里程计闭环检测

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

基于车载多传感器融合的定位与建图研究

基于车载多传感器融合的定位与建图研究

引用

作者：董雪菲哈尔滨工业大学

学位级别：硕士

面对目前自动驾驶的火热发展,对于车辆自主导航功能,路径规划功能和环境感知能力都有着日益增长的需求。随之而来的SLAM技术的发展受到异常的重视。对于目前的单一传感器SLAM算法有其不可避免的传感器自身问题,尤其是面对复杂恶劣的环境... 详细信息

面对目前自动驾驶的火热发展,对于车辆自主导航功能,路径规划功能和环境感知能力都有着日益增长的需求。随之而来的SLAM技术的发展受到异常的重视。对于目前的单一传感器SLAM算法有其不可避免的传感器自身问题,尤其是面对复杂恶劣的环境,所以需要多传感器之间的融合提高SLAM算法的精度、冗余性以及鲁棒性。本文提出了一种融合IMU、单目相机和激光雷达的新颖算法。该算法首先将三个传感器获取的信息进行融合预处理,之后激光和惯性联合运动估计得到激光惯性里程计,视觉和惯性联合运动估计得到视觉惯性里程计。最后,IMU预积分因子、激光里程计因子、视觉里程计因子和回环约束因子共同进行因子图优化得到优化后的全局位姿估计和点云地图。本文的回环检测是由激光和视觉联合检测,并通过ICP配准得到回环约束因子,消除系统累积误差。主要研究内容如下:首先,本文将传感器获取的原始信息进行了融合预处理。通过IMU预积分处理将位置、速度和方向进行解耦,使得当前预积分值的结果只需要由当前测量值和上一关键帧的预积分值计算得到。针对原始的激光点云,通过畸变补偿和分割完成激光点云预处理。而针对视觉信息,则是通过视觉点特征和线特征的提取与跟踪来获得图像关键帧之间的特征对应关系。其次,本文根据预处理的融合信息进行运动估计得到了紧耦合的激光视觉惯性里程计。本方法在IMU预积分提供的初始位姿基础上,根据两步LM优化法的激光点云运动估计得到激光惯性里程计;通过利用点云深度对激光关联的2D视觉特征进行深度恢复,再根据3D视觉点线特征结合的位姿估计方法得到视觉惯性里程计。然后,针对激光视觉惯性里程计得到的位姿估计存在误差累积的问题,本文采用了视觉回环检测和激光近邻检测双重闭环检测方案,降低了回环检测错误率。通过优化回环约束因子、IMU预积分因子、视觉里程计因子和激光里程计因子得到了优化后的全局位姿估计和一致的点云地图。最后,本文在KITTI＿00数据集上和校园实际场景中对上述设计的算法进行了测试。对于KITTI数据集,本文算法的绝对均方根误差相较于Le Go-LOAM降低了11.5m,同时建图轮廓更加清晰,全局位姿更加一致。在三个校园的实际场景中,本文的算法定位精度均优于Le Go-LOAM,误差减小范围为3%～25%。

关键词：多传感器融合激光视觉惯性里程计因子图优化回环检测

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

全选清除本页清除全部题录导出标记到“检索档案”

共1页 << < 1 > >>

回到顶部

执行限定条件

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：