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

面向视觉惯导的导航系统初始化技术综述

计算机工程与应用 2024年

作者：刘悦李化义张世杰张超赵祥天卫星技术研究所哈尔滨工业大学北京邮电大学

视觉惯导系统是导航中应用最广泛的基础传感器系统之一，其单独使用或与其他系统联合使用是目前传感器配置的主要方案。初始化技术作为决定导航性能的前置环节，决定了导航的成败，也因此被大量研究。目前与初始化相关的方法种类丰富，... 详细信息

视觉惯导系统是导航中应用最广泛的基础传感器系统之一，其单独使用或与其他系统联合使用是目前传感器配置的主要方案。初始化技术作为决定导航性能的前置环节，决定了导航的成败，也因此被大量研究。目前与初始化相关的方法种类丰富，工程性强，但是缺少较为全面和系统的综述文章。同时，尽管目前已经有很成熟的初始化范式，但是在实际使用时，初始化环节仍然具有较高的失败率，且一些展示良好导航效果的初始化方法并未公开。随着任务的升级与技术的革新，新型视惯系统与人工智能也为初始化环节带来了新的提升与挑战。首先对视惯导航系统与初始化技术进行概述，然后针对初始化环节中的关键技术进行详细的调研与讨论，在给出经典初始化框架后，对全文进行总结与展望。

关键词：视觉惯导导航初始化标定人工智能

面向无人驾驶动态场景的视觉惯导SLAM方法

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

面向无人驾驶动态场景的视觉惯导SLAM方法

作者：彭忠翠哈尔滨工业大学

学位级别：硕士

对于无人驾驶而言,准确和实时的定位结果是其完成出行任务的必要条件,同时定位与建图(Simultaneous Localization and Mapping,SLAM)是解决这一问题的重要手段之一。视觉SLAM是指以相机作为主要传感器的SLAM。常见的视觉SLAM算法是以静... 详细信息

对于无人驾驶而言,准确和实时的定位结果是其完成出行任务的必要条件,同时定位与建图(Simultaneous Localization and Mapping,SLAM)是解决这一问题的重要手段之一。视觉SLAM是指以相机作为主要传感器的SLAM。常见的视觉SLAM算法是以静态环境作为基本假设而展开的研究。场景静态假设对于存在运动车辆的无人驾驶场景较为苛刻。随着计算机视觉的发展,现有的深度学习算法可完成动静态视觉的区分,剔除动态信息或单独跟踪动态对象。然而仅使用视觉传感器,在光线变化或快速运动场景可能会丢失跟踪。通过融合惯性测量单元可很好地弥补视觉的缺陷,解决跟踪丢失问题,有效提高算法的精度和鲁棒性。综上,本文对面向无人驾驶动态场景的视觉惯导SLAM问题进行了研究,主要完成如下研究工作:首先,完成了动静态对象的识别,分析了现有的实例分割算法和光流估计算法,使用先进的算法结合帧间场景流完成运动对象的识别。其次,从相机的观测模型和IMU的测量模型出发,推导相机位姿的跟踪和IMU预积分模型,以及分析了深度值缺失时三维世界点的估计方式,与此同时,推导动态对象的运动估计和速度估计。再次,建模和推导了视觉SLAM的状态估计,同时详细地推导IMU的状态估计,推导了如何使用非线性优化方法优化视觉和IMU的状态估计。然后联合二者完成系统初始化的优化,系统的初始化先使用松耦合的形式,以视觉优化结果作为先验初始IMU状态,再使用紧耦合的形式完成系统最终的初始化。再通过基于滑动窗口的局部优化、全局优化,提高状态估计的精度和鲁棒性。最后,完成了数据采集硬件平台的搭建和传感器数据同步的算法设计,并在室外驾驶场景完成了数据的采集。同时基于VDO-SLAM算法的框架设计和实现了本文的软件程序,并使用公共数据集评估对比纯动态视觉SLAM和融合了IMU的动态视觉SLAM的定位结果。使用本文搭建的硬件平台采集的数据验证了本文所提算法的适用性。通过实验验证,本文将IMU数据融合到动态对象、静态结构的统一估计算法中,实现了更为准确和鲁棒的定位与建图,同时提供了具有一定精度的车辆速度估计。

关键词：无人驾驶动态场景视觉惯导 SLAM 紧耦合

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于视觉惯导融合的智能车辆定位技术研究

基于视觉惯导融合的智能车辆定位技术研究

作者：周亚洲江苏大学

学位级别：硕士

导航定位技术是无人汽车的重要技术基础,而基于多传感器融合的SLAM(Simultaneous Localization and Mapping)定位技术是实现智能车辆高精度定位的主流技术之一。由于智能车辆行驶环境的复杂性,即使是融合定位性能最好的视觉惯导SLAM在... 详细信息

导航定位技术是无人汽车的重要技术基础,而基于多传感器融合的SLAM(Simultaneous Localization and Mapping)定位技术是实现智能车辆高精度定位的主流技术之一。由于智能车辆行驶环境的复杂性,即使是融合定位性能最好的视觉惯导SLAM在部分行驶环境中的定位性能依旧存在不足,如弱纹理环境会导致定位精度变差、存在大量相似物体的环境会导致回环检测的准确率降低等。针对上述问题,本文提出了基于点线特征自适应融合的VINS(Visual-Inertial Systems)定位算法以及基于多源信息的回环检测算法,目的在于提高系统的综合定位性能。本文研究的关键内容如下:针对视觉惯导SLAM在弱纹理环境下定位精度变差,而点线特征直接融合会导致系统定位的实时性下降,且在丰富纹理环境中的定位精度提升不明显,本文提出了基于点线特征自适应融合的VINS定位方法。通过在前端引入网格法来评估当前环境的点特征质量,主要包括点特征提取比例、点特征跟踪比例以及点特征的分布均匀性等参数,从而利用点特征质量参数来识别弱纹理环境。若为弱纹理环境,则融合点线特征构建视觉约束项,若为丰富纹理环境,则仅利用点特征构建视觉约束项。即在不同纹理环境下,后端可基于不同的约束项来构建损失函数并估计车辆位姿。针对存在大量相似物体的环境会导致回环检测的准确率降低,本文提出了基于多源信息的回环检测方法。主要通过引入GPS定位信息来辅助完成回环检测部分,首先利用当前关键帧的GPS定位结果来建立网格地图,并基于GPS的定位结果来记录车辆所经过的历史网格,然后可根据当前关键帧的GPS定位结果来辅助判断是否处于曾到达的历史网格,最后使用词袋模型来计算“当前关键帧”与“网格内历史关键帧”之间的相似度,从而判断是否回环。最后,基于Kitti和Euroc等数据集对本文提出方法的有效性进行了验证。实验结果表明:本文提出的点线特征自适应融合的VINS定位方法,通过在弱纹理环境中融合点线特征可提高定位精度约6.89%,且能在丰富纹理环境中避免引入线特征以保证定位实时性;基于多源信息的回环检测方法,回环检测准确率提升约16.74%,召回率提升约20.09%。另外,也基于改进的两种算法进行了小规模的联合测试,验证了本文算法能够提升系统的整体定位精度。

关键词：视觉惯导点线特征定位 SLAM 智能车辆回环检测

基于视觉和IMU的增强现实交互系统实现与应用

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于视觉和IMU的增强现实交互系统实现与应用

作者：任阑珊北京邮电大学

学位级别：硕士

近年来,随着元宇宙的概念提出,同步定位及建图技术(Simultaneous Localization and Mapping,SLAM)与增强现实(Augmented Reality,AR)作为该领域的底层技术,成为了主要的研究方向。对这两方面深入的研究和探讨对于人工智能以及元宇宙未... 详细信息

近年来,随着元宇宙的概念提出,同步定位及建图技术(Simultaneous Localization and Mapping,SLAM)与增强现实(Augmented Reality,AR)作为该领域的底层技术,成为了主要的研究方向。对这两方面深入的研究和探讨对于人工智能以及元宇宙未来的发展和实际的应用都有非常重大的意义。由于纯视觉的SLAM算法受到了光照变化及弱纹理等多方面的限制,导致其在商业应用中无法获得稳定且良好的表现。而SLAM和惯性测量单元(Inertial Measurement Unit,IMU)结合的视觉惯导系统由于IMU提供的加速度和角速度信息的补充更加稳定,是比较火热的研究方向。本文在对相关领域目前的已有研究做了深入调研后,设计并实现了基于视觉惯导系统的增强现实交互系统,其后续具有很大的发展空间和应用价值。本文的主要工作有以下三点:首先,本文设计并实现了 IMU和SLAM紧耦合的视觉惯导系统,并对系统的特征提取、位姿计算以及后端的联合姿态优化部分分别做了改进。为满足与后续增强现实工程结合时实时性的需要,本文使用并行线程的方式对系统进行了加速。在保证准确率的基础上,有效的提高了系统的运行效率。其次,针对增强现实系统,本文提出了优化后的平面检测算法,通过大量不同形态下的点云数据测试,可以高效的识别点云中的最大平面,为增强现实模块3D物体在真实环境中的展示提供了良好的基础。最后,本文设计并实现了交互模块的两种功能切换,支持手部识别以及脸部识别两个功能,设计了 SLAM系统和增强现实模块以及交互功能之间的信息传递。并为了保证系统的实时性交互,通过大量测试进行参数调整,保证其实现效果。

关键词：视觉惯导增强现实平面检测特征提取手部识别

多传感器融合在室内无人机路径规划中的应用研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

多传感器融合在室内无人机路径规划中的应用研究

作者：陈春虎西京学院

学位级别：硕士

多传感器融合是指双目相机和惯导设备的数据对齐和耦合,由于相机视觉、惯性数据两者具有很强的互补性、高精度以及鲁棒性的特点,逐渐成为无人机、机器人及其他平台组合定位导航的常用手段。但是目前主流方法存在数据计算量大、时间戳对... 详细信息

多传感器融合是指双目相机和惯导设备的数据对齐和耦合,由于相机视觉、惯性数据两者具有很强的互补性、高精度以及鲁棒性的特点,逐渐成为无人机、机器人及其他平台组合定位导航的常用手段。但是目前主流方法存在数据计算量大、时间戳对齐难以及难以做到实时性等问题,使得这种导航方法面临诸多问题。因此,本文对现有问题进行了深入研究,并且设计出了一种四旋翼无人机双目视觉惯导组合定位导航系统。本文首先分别介绍了双目视觉惯导的定位原理以及关于双目视觉惯导融合的状态估计方法,重点研究了基于非线性优化方法的视觉惯导位姿估计方法为后续的路径规划提供准确的位姿和环境地图信息。随后对其中的关键技术进行了研究,主要包括IMU的龙格库塔四阶积分以及后端非线性紧耦合最小二乘优化。在考虑到精度和速度的同时,提出了使用4阶龙格库塔积分来完成IMU数据的离散积分。在非线性优化部分,提出使用最小二乘的紧耦合数据融合方法完成对视觉惯导数据的处理,增加多种约束项使其位姿估计较为鲁棒。其次利用双目稠密点云信息构建了带欧氏距离信息的ESDF导航地图,在此基础上,使用局部路径规划和全局路径规划结合的改进A*算法规划出可行路径,在通过增加碰撞约束和光滑约束对整个轨迹进行B样条优化,从而达到优化轨迹的目的。最后为了对本文提出的设计进行验证,本文从硬件组成和软件架构上设计了一套基于双目视觉惯导的四旋翼无人机自主定位导航系统,可以实现实时精准定位和路径规划。在实验结果分析验证部分,从数据集仿真和实际室内环境测试对本系统的组合定位导航性能进行了评估,验证了本文无人机系统的有效性和可靠性。

关键词：视觉惯导非线性优化 4阶龙格库塔积分 ESDF地图

基于双目视觉和IMU的SLAM算法研究与实现

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于双目视觉和IMU的SLAM算法研究与实现

作者：郎世兵重庆邮电大学

学位级别：硕士

随着人工智能技术的迅速发展和社会各行业的需求,能够自主移动导航和避障的机器人受到了人们的广泛关注以及使用。即时定位与建图(Simultaneous Localization and Mapping,SLAM)是自主移动机器人核心技术之一,研究SLAM技术对于机器人的... 详细信息

随着人工智能技术的迅速发展和社会各行业的需求,能够自主移动导航和避障的机器人受到了人们的广泛关注以及使用。即时定位与建图(Simultaneous Localization and Mapping,SLAM)是自主移动机器人核心技术之一,研究SLAM技术对于机器人的发展和应用具有重要意义。视觉传感器因其高性价比及其丰富的图像信息,在室内移动机器人领域得到广泛使用。但基于纯视觉的SLAM过于依赖周围环境条件,不能处理纹理特征缺失的场景和动态场景,受光照的影响严重,普通相机由于帧率低而不能够应对载体快速移动的情形。而惯性测量单元(Inertial Measurement Unit,IMU)能够实时测得载体的加速度及角速度,与相机具有较好的互补性。基于此,本文提出一种基于双目视觉和IMU融合的视觉惯导SLAM系统。研究了基于双目视觉和IMU的视觉惯导SLAM系统前端数据预处理与后端优化。对于前端,相机采用FAST特征提取并采用光流法来跟踪特征,IMU基于预积分理论基础,求解出传感器的速度,位移,位姿以及IMU的偏置以供后端优化。后端构建一个基于滑动窗口的非线性优化系统,并采用紧耦合的方式融合相机与IMU的信息,将它们的误差项同时优化。增加了基于词袋模型的回环检测与全局优化以此构建一个完整的SLAM系统,提高系统的精确性,减少累计误差。此外,该视觉惯导SLAM实现了输出构建的地图,并利用该地图进行重定位的功能。对搭建的双目视觉惯导SLAM系统进行了实验,利用小觅相机在实际环境中运行,证明了该方案的可行性与有效性。对系统的绝对位姿误差以及系统运行时间做了分析,并与视觉惯性方案OKVIS进行了实验对比。结果表明,本文所提出的系统精度要略优于OKVIS方法,具有较好的实时性和鲁棒性。

关键词： SLAM 视觉惯导双目相机 IMU 回环检测与重定位

多传感器融合的四旋翼无人机室内自主飞行系统的研究与实现

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

多传感器融合的四旋翼无人机室内自主飞行系统的研究与实现

作者：王国庆桂林电子科技大学

学位级别：硕士

现代社会对无人机的需求在持续增长,因为它能帮助人类完成一些困难或危险的任务,如农田监测、航空摄影测量、线路巡检等。其中,能在陌生环境中实现自主飞行任务的四旋翼无人机系统成为新的研究热点。虽然目前在传感器精度、同步定位与... 详细信息

现代社会对无人机的需求在持续增长,因为它能帮助人类完成一些困难或危险的任务,如农田监测、航空摄影测量、线路巡检等。其中,能在陌生环境中实现自主飞行任务的四旋翼无人机系统成为新的研究热点。虽然目前在传感器精度、同步定位与建图技术和路径规划技术等方面取得了不错的发展,但是在无人机自主导航技术方面还有待进一步的研究和改进。基于上述背景,本文对视觉惯性SLAM技术和路径规划技术进行了改进,设计了一套完整的能在室内实现自主导航的四旋翼无人机系统。最终完成了自主导航系统的软件设计和硬件搭建,并通过仿真实验与实际环境飞行实验验证了本文系统的可靠性与优势。首先,对无人机的机架结构与运动原理、相机的成像模型与标定进行了介绍。在对系统硬件选型后,本文采用Realsense D435i深度相机、UP Squared板载计算机、TFmini Plus激光雷达和Pixhawk飞控等模块搭建了四旋翼无人机硬件平台,同时完成了对系统软件部分的设计,并基于Gazebo平台搭建了半实物仿真环境来检验本系统的算法。其次,针对本系统中视觉惯导融合的无人机自主导航算法进行了详细介绍。在视觉惯性里程计算法中,分别从视觉处理、IMU预积分、系统初始化、非线性优化、闭环检测和位姿图优化这几个部分来详细介绍算法的原理。最终获得无人机的姿态与位置信息;在稠密建图算法中,采用RGB-D相机建图方案生成环境的点云地图。为了方便导航,又根据八叉树方法将点云地图转换成八叉树地图;在路径规划算法中,提出改进的RRT*算法。通过改进算法生成随机长度的新节点并加入了动力学约束,实现在八叉树地图上实时生成最优的路径。最后,为了验证自主导航系统中各个环节算法的有效性,本文设计了众多的仿真和实际飞行实验,包括室内定位实验、稠密建图实验、路径规划实验和真实环境下的测试实验。表明了本文提出的四旋翼无人机室内自主导航系统能够在室内未知环境下实现良好的定位、环境建图和路径规划等任务,并且具有很好的实时性和鲁棒性。

关键词：四旋翼无人机路径规划视觉惯导八叉树地图 RRT*算法