检索结果-南通市图书馆

作者：卢陶然电子科技大学

学位级别：硕士

近些年随着无人机(UAV)、无人驾驶、机器人、AR等新兴产物的不断出现,同时定位与地图构建(Simultaneous Localization and Mapping,SLAM)逐渐走进了人们的视野。点特征是视觉SLAM中的广泛应用的视觉特征,但是在无纹理或者光照变化环境... 详细信息

近些年随着无人机(UAV)、无人驾驶、机器人、AR等新兴产物的不断出现,同时定位与地图构建(Simultaneous Localization and Mapping,SLAM)逐渐走进了人们的视野。点特征是视觉SLAM中的广泛应用的视觉特征,但是在无纹理或者光照变化环境中点特征的提取和跟踪是具有挑战性的,这时线特征就是一种很好的替代解决方案。线特征是比点特征更高层次的一种视觉特征,可以提供环境中更加丰富的几何信息。同时视觉传感器因为帧率较低,无法应对动态的场景,而惯性测量单元(Inertial Measurement Unit,IMU)因为具有加速度计和陀螺仪,可以测量自身的角速度和加速度,就与视觉传感器形成了互补。视觉传感器与IMU结合形成了一种鲁棒性更强的SLAM方案,被称为视觉-惯性里程计。本文利用单目相机图像中提取的点、线特征和IMU提供的三轴加速度计和陀螺仪数据,提出一种基于点、线综合特征的视觉-惯性里程计,可用于无人机在纹理较少、光照变化明显等环境下的自主定位和位姿估计。主要研究成果包括:(1)、分别对camera、IMU进行标定,并对camera-IMU联合标定,获取传感器的参数,以此说明如何获取系统所需的参数文件;(2)、在线特征的提取过程中,改进基于LSD(Line Segment Detector)特征和LBD(Line Band Descriptor)描述子的提取方式,改善线段提取过程中因模糊、噪声的影响而断裂的现象;(3)、线特征在对极几何约束中采用普吕克坐标形式,在优化过程中采用正交形式,推导线特征的测量残差相应形式;(4)、采用具有IMU预积分约束和点、线特征的滑动窗口模型来紧密耦合视觉和惯性传感器数据;(5)、系统优化框架中除了点特征和IMU,增加线特征,提高整个系统的鲁棒性;最后对所构建的系统进行了实验和精度分析,验证本文提出系统方案的有效性。分析系统估计位姿和数据集提供真实位姿的相对位姿误差和绝对位姿误差,并与主流的视觉惯性方案VINS-mono进行对比。

关键词：视觉-惯性里程计点线特征滑窗相对位姿误差绝对位姿误差

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

动态环境下融合语义信息的轻量级视觉SLAM系统设计

动态环境下融合语义信息的轻量级视觉SLAM系统设计

引用

作者：丰坤龙哈尔滨工程大学

学位级别：硕士

随着社会发展,对于无人自主移动系统,如果仅仅依靠同时定位与建图技术是无法满足复杂环境下的种种需求。如何提升无人系统对于外界环境的感知能力以及定位建图的鲁棒性是复杂任务中急需解决的问题,也是语义SLAM需要攻克的难题。为了在... 详细信息

随着社会发展,对于无人自主移动系统,如果仅仅依靠同时定位与建图技术是无法满足复杂环境下的种种需求。如何提升无人系统对于外界环境的感知能力以及定位建图的鲁棒性是复杂任务中急需解决的问题,也是语义SLAM需要攻克的难题。为了在提升定位与建图鲁棒性以及精确度的同时还能够加速理解周围环境的语义信息,本文主要从动态特征点剔除的视觉里程计算法以及基于STDC网络的语义地图构建线程设计两个方面展开研究。面对复杂的动态环境,由于动态特征点的存在大大降低系统定位以及建图精确度的问题,本文提出了一种基于动态特征点剔除的前端视觉里程计设计的算法。为了达到降低动态特征点所产生的噪声对于系统定位与建图造成的影响,并且保证系统运行效率的双重目的,本文采用了目前计算机视觉领域速度较快、网络较小、AP精度也比较高的yolov5s作为目标检测网络,使用LK光流金字塔的方式跟踪特征点,利用极线到每个特征点之间的距离作为动态特征点的判断准则,通过目标检测所得边界框对动态物体所产生的动态特征点进行剔除操作。并且为了在保证定位与建图精度的前提下提升整个视觉SLAM系统前端视觉里程计的运行速度,对提取到的所有静态点通过网格的形式进行了四叉树均匀化操作,通过在四叉树网格中只保留响应值最高的特征点的方式来剔除一些无用的静态特征点,从而节省了特征匹配以及描述子计算的时间,提升了整个系统的运行效率。通过TUM数据集中的图像序列对本文算法进行了评估,与未剔除动态特征点的ORB-SLAM2系统进行比较,降低了系统的绝对轨迹误差,对于每一帧图像处理的速度相比于未使用均匀化特征点策略时有了显著的提升,有效地证明了本文算法对于无人系统定位以及建图鲁棒性的提升。传统的视觉SLAM系统并不能满足如今一些复杂环境下执行特定任务的需求。本文在传统视觉SLAM系统的基础上,利用卷积神经网络技术使得视觉SLAM与深度学习进行结合,通过轻量化语义分割模型STDC网络开辟了语义建图线程,对跟踪线程中传递过来的关键帧进行语义分割得到分割后的概率图,通过2D像素点与3D地图点之间的映射关系,将所得概率图映射到三维地图点上,确定空间地图点的语义信息,并对所有关键帧所对应的三维空间地图点进行联合估计,对所有关键帧对应含有概率信息的地图点进行融合得到最终的三维稠密语义地图。对本文所设计的语义地图构建线程通过TUM数据集中的四类图像序列进行测试,对于每一种数据集都进行了稠密与语义地图的构建实验,结果表明该算法不仅完成了空间三维点语义信息的渲染,而且基于STDC轻量化网络模型加速了语义建图的效率,完成了轻量化语义地图的构建。

关键词：语义SLAM 目标检测语义分割绝对轨迹误差相对位姿误差深度学习

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

快速室内视觉同步定位与建图研究

引用

应用科技 2021年第3期48卷 1-6页

作者：王洪旭席志红哈尔滨工程大学信息与通信工程学院黑龙江哈尔滨150001

家居机器人技术一般应用视觉同步定位与建图(SLAM,Simultaneous Localization and Mapping)来实现定位与构建导航地图,如何实现视觉SLAM系统快速准确定位和构建丰富环境信息的地图已经成为视觉SLAM研究的热点问题。本文将光流法与关键... 详细信息

家居机器人技术一般应用视觉同步定位与建图(SLAM,Simultaneous Localization and Mapping)来实现定位与构建导航地图,如何实现视觉SLAM系统快速准确定位和构建丰富环境信息的地图已经成为视觉SLAM研究的热点问题。本文将光流法与关键点结合,加快视觉SLAM的数据处理速度,并添加稠密点云地图和八叉树地图构建线程来获取环境信息,实现一个较为优秀的视觉SLAM系统。在公开数据集上进行的定位实验表明,该视觉SLAM系统在绝对轨迹误差和相对位姿误差上与ORB-SLAM2系统保持基本一致,并且在其中几项数据中具有更小的误差结果,整体系统对图像的处理速度约为40 FPS(Frames Per Second),是ORB-SLAM2系统的1.4倍左右,说明该系统在提高系统速度的基础上保持了较高的准确度。

关键词：室内定位视觉SLAM 关键点光流法绝对轨迹误差相对位姿误差稠密点云地图八叉树地图

来源：

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

基于四对匹配点的相机外参标定

引用

广播电视网络 2022年第8期29卷 121-125页

作者：智桐郭恩特刘思宁许新楷福州大学

作为几何计算机视觉的基石,相机标定是近年来国内外研究的热点。针对目前流行的张氏标定法和PnP,本文提出了基于四对匹配点的P3P外参标定方法,其只需要利用最少且精确的点就能实现对相机位姿的估计。本文将此方法与张氏标定法、EPnP方... 详细信息

作为几何计算机视觉的基石,相机标定是近年来国内外研究的热点。针对目前流行的张氏标定法和PnP,本文提出了基于四对匹配点的P3P外参标定方法,其只需要利用最少且精确的点就能实现对相机位姿的估计。本文将此方法与张氏标定法、EPnP方法进行了对比。此外,还建立了两种新颖且标准的模型(生成模型和现实模型),模拟了一种噪声类型可控的生成场景测试,测试了不同噪声对外参标定性能的影响。采用的算法精度评价指标是相对位姿误差。测试结果表明,在生成模型中的量化噪声、图像噪声,以及在参数估计误差测试下,P3P外参标定的精度与EPnP相近,但比张氏标定法精度高;在现实模型下利用重投影精度、点与点之间的距离误差,展现了P3P强大的稳定性和高效的准确性。

关键词：相机标定 P3P 张氏标定法 EPnP 相对位姿误差

来源：

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

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

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

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：