检索结果-南通市图书馆

基于点线特征的移动机器人视觉惯性slam与导航研究

在线全文

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惯性SLAM与导航研究

作者：刘睿重庆理工大学

学位级别：硕士

近年来,移动机器人在各行各业的广泛应用推动了移动机器人导航技术的快速发展。作为移动机器人领域的核心技术之一,移动机器人导航涉及定位、建图和路径规划等关键技术问题。然而,基于点特征的视觉slam系统在弱纹理环境和快速运动情况... 详细信息

近年来,移动机器人在各行各业的广泛应用推动了移动机器人导航技术的快速发展。作为移动机器人领域的核心技术之一,移动机器人导航涉及定位、建图和路径规划等关键技术问题。然而,基于点特征的视觉slam系统在弱纹理环境和快速运动情况下常常遭遇特征提取不足的问题,从而导致定位精度下降甚至失效。此外,传统的路径规划算法在移动机器人行进过程中没有充分考虑安全性、运动可行性。针对上述问题,本文提出了一种融合点线特征的视觉惯性slam系统,以应对快速运动或弱纹理场景下的导航定位需求。此外,本文还提出了一种多约束轨迹优化方法,以提升路径规划的安全性和可行性。本文的主要研究内容包括以下三个方面:(1)针对视觉点线特征的提取与跟踪算法进行了研究与改进。通过对比不同特征点的优缺点,采用稀疏光流跟踪特征点,提升了特征点的匹配效率。对EDLines算法进行改进,引入了线段长度抑制和分组合并策略,以提高线特征提取的质量。此外,提出了一种基于KLT光流跟踪的线特征匹配方法,可以显著提升了系统的实时性。(2)提出了一种融合点线特征的视觉惯性slam算法,以提高系统在弱纹理或快速运动下的定位精度。该算法充分利用了视觉和惯性传感器各自的优势,并引入了弱纹理环境和人造环境中丰富的线特征。通过推导IMU-点-线残差模型,求解了相应的雅克比矩阵,构建了联合成本函数,最小化所有策略残差的成本项之和,采用滑动窗口法对状态变量进行非线性优化,实现了最优位姿估计。此外,为了消除slam系统长时间运行所积累的误差,本文构建了基于点线特征的词袋模型,实现了回环检测。最后通过实验证明,在提高定位精度的同时保证了系统的实时性。(3)设计了移动机器人的导航方案,包括定位、建图和路径规划等功能模块。首先利用深度图和彩色图生成三维点云,并将其转换为二维栅格地图,为移动机器人导航提供了有效的地图数据。针对移动机器人导航的安全性需求,本文提出了一种综合考虑平滑性、静态避障和动力学可行性的轨迹优化方法,可实现移动机器人在未知障碍物环境中安全导航避障,在ROS仿真实验证和实物实验明该方法的有效性。

关键词：移动机器人导航点线特征视觉惯性slam 地图构建路径规划

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

视觉惯性slam研究进展

火力与指挥控制 2021年第1期46卷 1-8页

作者：郭金辉陈秀万王媛北京大学遥感与地理信息系统研究所北京100871 中国电子科学研究院北京100041

近年来视觉惯性slam是机器人及计算机视觉领域中的研究热点问题,在无人驾驶、增强现实、三维重建等领域有着广泛的应用。简述了视觉惯性slam的关键技术,并从统一的贝叶斯框架出发介绍了后端的两种形式——滤波和优化。对几个代表性视觉... 详细信息

近年来视觉惯性slam是机器人及计算机视觉领域中的研究热点问题,在无人驾驶、增强现实、三维重建等领域有着广泛的应用。简述了视觉惯性slam的关键技术,并从统一的贝叶斯框架出发介绍了后端的两种形式——滤波和优化。对几个代表性视觉惯性slam系统进行深入对比分析,讨论了近年研究热点与发展趋势,并做出总结与展望。

关键词：视觉惯性slam 传感器融合状态估计计算机视觉

在线全文

学校读者我要写书评

暂无评论

移动机器人视觉惯性slam研究进展

机器人 2020年第6期42卷 734-748页

作者：施俊屹查富生孙立宁郭伟王鹏飞李满天哈尔滨工业大学机器人技术与系统国家重点实验室黑龙江哈尔滨150080 深圳航天科技创新研究院广东深圳518057

在研究领域,基于滤波和基于优化是两种实现视觉惯性slam(同时定位与地图创建)的主导方法.本文基于这两种方法介绍视觉惯性slam,说明了视觉惯性slam的最新研究进展和关键问题,对比了几种代表性的视觉惯性slam框架,并对未来进行了展望.

关键词：视觉惯性slam 移动机器人位姿估计滤波:优化

在线全文

学校读者我要写书评

暂无评论

视觉惯性slam综述

计算机应用研究 2019年第12期36卷 3530-3533,3552页

作者：孙永全田红丽河北工业大学人工智能与数据科学学院天津300401 河北工业大学河北省大数据计算重点实验室天津300401

对视觉slam、惯性导航和视觉惯性slam进行了介绍,详细介绍了视觉slam的框架结构和细分部分,罗列了近年来出色的视觉slam模型。最后在视觉惯性里程计的(visual inertial odometry,VIO)基础上对现有的不同派别的开源视觉惯性slam进行深入... 详细信息

对视觉slam、惯性导航和视觉惯性slam进行了介绍,详细介绍了视觉slam的框架结构和细分部分,罗列了近年来出色的视觉slam模型。最后在视觉惯性里程计的(visual inertial odometry,VIO)基础上对现有的不同派别的开源视觉惯性slam进行深入分析与比较,探讨视觉惯性slam的发展趋势与动向。

关键词：视觉slam 视觉惯性slam 机器人视觉惯性导航视觉惯性里程计

在线全文

学校读者我要写书评

暂无评论

基于几何约束的改进视觉惯性slam方法

基于几何约束的改进视觉惯性SLAM方法

作者：陈何宝安徽工程大学

学位级别：硕士

视觉同步定位与地图创建(Visual Simultaneous Location And Mapping,Vslam)是移动机器人在未知环境下利用相机传感器采集当前环境信息,完成自身定位及构建所处环境地图。研究视觉slam对于移动机器人实现智能化和自动化有着至关重要的... 详细信息

视觉同步定位与地图创建(Visual Simultaneous Location And Mapping,Vslam)是移动机器人在未知环境下利用相机传感器采集当前环境信息,完成自身定位及构建所处环境地图。研究视觉slam对于移动机器人实现智能化和自动化有着至关重要的作用。但随着对移动机器人工作环境要求愈发严格,单一的传感器在面对动态或弱纹理环境时获取的可用信息较少,无法满足准确位姿估计需求。因此多传感器融合定位技术应运而生,其中相机与惯性测量单元(Inertial Measurement Unit,IMU)传感器组合使用的视觉惯性定位导航技术表现较为突出。但如何在复杂的动态环境中准确获取可用信息仍是一个亟待解决的难题。针对现有动态slam算法采用语义信息分割场景中动态物体,但存在无法识别未标注动态物体等问题,采用聚焦静态平面的方式利用平面分割网络提取动态场景中静态平面以达到剔除动态物体的效果。剔除动态物体环节利用改进PlaneRecover平面分割网络提取静态平面和平面参数,构建平面损失函数整合细化平面分割细节,利用平面参数求解三维点等信息,避免未知动态物体造成的系统位姿估计错误。针对点特征提取较为耗时及易出现特征聚集等问题,采用改进AGAST特征点均匀化提取算法,对构建的图像金字塔依次提取特征点,其中每层图像根节点划分网格,细化网格后保留响应值最大的特征点,减少特征点聚集效应以提高帧间位姿求解精度。针对移动机器人在弱纹理和位姿变化较大等情况下易出现特征匹配错误问题,采用改进基于点面特征几何约束的双重特征误匹配方法。面特征匹配环节利用平面物理参数进行面特征匹配,并基于平面间法向量夹角不变原理设计一种面特征错误匹配剔除机制,得到正确面特征匹配并计算带有平面的点特征信息。点特征匹配环节直接剔除带有不同平面点特征信息的点特征匹配并设计基于三焦张量和RANSAC原理的同平面内错误点特征匹配剔除机制,通过确定连续帧中同平面内的点特征位置,计算点特征张量阈值区分保留正确点特征匹配。针对单一视觉传感器在面对复杂环境下可能出现的图像质量不佳等问题造成的位姿估计误差较大的问题,将相机与IMU相结合,利用两者的互补性提升slam系统鲁棒性和构图准确性。为验证本文所提算法可行性,在TUM和OpenLORIS-Scene公开数据集中分别测试基于点面特征提取的slam算法及基于双重几何特征约束的视觉惯性融合定位,并在所搭建的硬件平台中运行真实场景数据集验证本文所提算法,结果表明本文方法在室内环境下有效地提高了特征匹配准确率、定位精度以及系统鲁棒性。

关键词：视觉惯性slam 特征点剔除点面特征几何约束特征误匹配

移动机器人环境感知视觉惯性slam技术研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

移动机器人环境感知视觉惯性SLAM技术研究

作者：方千慧南京航空航天大学

学位级别：硕士

同步定位与建图(Simultaneous Localization and Mapping,slam)是一种用于构建或更新移动机器人在未知环境下的地图并同时跟踪其位置的技术。近年来,使用相机与惯性测量单元(Inertial Measurement Unit,IMU)的视觉惯性slam系统以其便携... 详细信息

同步定位与建图(Simultaneous Localization and Mapping,slam)是一种用于构建或更新移动机器人在未知环境下的地图并同时跟踪其位置的技术。近年来,使用相机与惯性测量单元(Inertial Measurement Unit,IMU)的视觉惯性slam系统以其便携性和低成本优势受到了广泛关注。这种优势使得视觉惯性slam在多种领域中都具有广阔应用前景。本文研究了一种鲁棒的融合点线特征的双目视觉惯性slam方法,用于移动机器人在室内外环境中准确的实时位置与姿态估计,同时构建更富几何信息的点线环境地图。具体内容总结如下:1)通过分析相机模型与IMU模型,建立了以双目相机与IMU预积分为基础的系统模型。针对基于单一点特征的视觉slam系统在弱纹理环境下易追踪丢失问题,对ORB点特征进行基于四叉树的均匀化处理并采用了准确高效的EDLines线特征,设计了多特征结合的视觉里程计。研究了立体匹配、投影匹配和暴力匹配等多种点线特征的匹配方法,建立基于点线特征的词袋模型,改进回环检测中的关键帧匹配策略。2)在多特征视觉里程计的基础上加入IMU模块以提高系统可靠性。建立了融合点线特征的双目视觉惯性slam系统的整体框架,将系统分为跟踪、局部建图、回环与地图融合、地图集等多个线程。将系统初始化分为纯视觉、纯惯性和视觉惯性联合三个步骤实现准确而快速的初始化。基于滑动窗口模型使用由点线重投影误差和IMU误差组成的联合误差函数对位姿进行BA优化,以相机位姿为顶点、以相对位姿误差为边进一步对位姿图进行优化。通过采用支持地图保存、复用与融合的多地图系统,实现了递增的多时段slam。3)构建了点线特征融合的视觉惯性slam系统并开展实验验证。在公开数据集上与多个视觉惯性slam系统对比,验证了本文所提出系统的高定位准确性。设计了不同环境下难度不一的实地实验,包括系统定位实验和地图融合实验,通过搭载了双目相机、IMU和嵌入式计算平台的轮式机器人,实现并验证了基于移动机器人环境感知的视觉惯性slam系统。系统定位实验结果验证了本文系统在多种环境下的定位准确性和追踪鲁棒性;而地图融合实验测试了基于多地图系统的地图保存、复用和融合功能,验证了本文所设计系统的实时性、地图完整性和一致性。

关键词：视觉惯性slam 双目视觉点线特征多传感器系统图优化地图融合

融合语义特征的地下停车场环境视觉惯性slam算法研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

融合语义特征的地下停车场环境视觉惯性SLAM算法研究

作者：李琦湖南大学

学位级别：硕士

近年来,随着汽车行业的蓬勃发展以及国内人均汽车保有量的逐渐增多,泊车已成为广大司机面临的严峻问题。自主代客泊车技术(Autonomous Valet Parking,AVP)可以充分利用有限的停车资源,提高停车位利用率,缓解城市停车难问题。定位与建图... 详细信息

近年来,随着汽车行业的蓬勃发展以及国内人均汽车保有量的逐渐增多,泊车已成为广大司机面临的严峻问题。自主代客泊车技术(Autonomous Valet Parking,AVP)可以充分利用有限的停车资源,提高停车位利用率,缓解城市停车难问题。定位与建图是AVP系统不可或缺的核心模块。然而,针对地下停车场环境的建图定位尚存在许多亟待改善和解决的问题,主要包括停车场光线暗、特征少、纹理弱等。为了改善该环境下的定位性能,尤其是在无GPS信号的情况下,本文通过研究融合语义特征的视觉惯性slam算法,取得了良好的效果。本文的主要研究内容如下:(1)针对地下停车场环境的定位问题,提出了一种融合语义信息的视觉惯性定位算法框架。该算法首先通过视觉里程计和IMU预积分进行视觉惯性信息的融合,并完成视觉惯性初始化。同时,利用四个鱼眼摄像头输入图像构建全景环视图像,并采用语义分割算法提取停车场环境语义信息。然后根据视觉惯性紧耦合位姿完成逆投影变换,获得语义特征投影地图。最后采用回环检测和位姿图优化方式减小累积误差,完成全局位姿图优化,实现较高精度的定位效果。(2)针对多传感器融合数据处理问题,本文研究了视觉单目摄像头、多鱼眼摄像头以及IMU惯性传感器等多传感器之间数据融合处理过程。本文完成了视觉传感器和IMU传感器的标定及视觉-IMU联合标定,其中包括摄像头内参与畸变系数的标定矫正,IMU的内参标定等。此外,基于IMU测量模型,深入分析了IMU预积分的意义,并对IMU预积分过程做了详细的推导。此外,本文研究了鱼眼摄像头广角相机理论和联合标定过程,完成了鱼眼摄像头畸变矫正,逆投影变换,图像拼接融合等过程,最终构建了以车辆为中心的全景环视图像,为利用停车场全景环视下的语义信息提供了强有力的支持。(3)基于Gazebo仿真环境和地下停车场场景数据进行算法试验。为了验证本文所研究的面向停车场环境的视觉惯性slam定位算法的可行性,分别基于仿真环境和自动驾驶实验测试平台车进行实验测试。首先,在仿真条件下,本文采用仿真软件构建了地下停车场地面模型,测试该算法的可行性。此外,基于地下停车场真实环境对算法进行实验,并分析实验结果,以验证本文定位系统在地下停车场环境下的定位准确性和鲁棒性。

关键词：语义特征视觉惯性slam 地下停车场多鱼眼环视系统

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于点线特征的视觉惯性slam方法研究

基于点线特征的视觉惯性SLAM方法研究

作者：严纪强苏州大学

学位级别：硕士

同步定位与建图(Simultaneous Localization and Mapping,slam)是移动机器人的核心技术之一。相机传感器具有成本低、获取信息丰富、体积小等优点,因此视觉slam技术成为近年来研究的热点,然而视觉slam存在环境纹理依赖性强、快速运动适... 详细信息

同步定位与建图(Simultaneous Localization and Mapping,slam)是移动机器人的核心技术之一。相机传感器具有成本低、获取信息丰富、体积小等优点,因此视觉slam技术成为近年来研究的热点,然而视觉slam存在环境纹理依赖性强、快速运动适应性差等问题。针对这些问题,本文提出了一种基于点线特征的视觉惯性slam方法IPL-VINS,根据单目相机和惯性测量单元(Inertial Measurement Unit,IMU)获取的数据,在图像上提取点线特征建立图像之间的数据关联,并与IMU预积分结果进行紧耦合优化,进而求解相机位姿和点线特征的空间坐标。本文提出了一套线特征的提取与匹配方法。首先对所提取的线段按照长度进行排序,选择最长的线段作为参考线段,并根据剩余线段与参考线段的夹角和距离筛选出候选线段。接着根据候选线段与参考线段的距离及候选线段的长度共同确定是否将候选线段与参考线段进行合并。该算法可合并潜在的原属于同一条长线段的短线段,以获得更多稳定长线段,提高帧间线段匹配的数量,增强数据关联。然后使用本文提出的基于光流法的线段匹配筛选算法建立帧间线段的数据关联,在当前帧检测到的线段上均匀采样点,并在前一帧中基于光流法对这些点进行跟踪,之后基于跟踪后的点与前一帧中各线段的位置关系进行线段匹配与筛选。该算法无需计算描述子,因此能够更加快速的实现线段匹配。针对点线特征融合对系统产生的影响以及线特征利用不充分的问题,本文在slam系统紧耦合优化时对各项误差加权系数进行了调整,使其更适用于基于点线特征的视觉惯性slam方法。同时,提出了一种基于点线特征的闭环检测算法,将线特征应用到闭环检测中,使系统对于线特征的利用更加充分,构建了更完整的基于点线特征的视觉惯性slam系统。在闭环模块中,分别基于点特征词典和线特征词典计算图像相似度,结合点线特征的数量及环境纹理的分布进行加权计算,从而确定闭环候选帧。本文对提出的IPL-VINS在EuRoC数据集及实际场景中进行了测试,基于EuRoC数据集的实验结果表明,所提方法的绝对轨迹误差在无闭环情况下较VINS-Mono平均降低了 17.76%,较PL-VIO平均降低了 12.79%,较PL-VINS平均降低了9.32%。闭环情况下,较VINS-Mono平均降低了 27.25%,较PL-VINS平均降低了6.81%。基于实际场景的测试也证明了算法的可行性和鲁棒性。

关键词：视觉惯性slam 线特征提取与匹配紧耦合优化闭环检测

基于点线特征融合的视觉惯性slam算法研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于点线特征融合的视觉惯性SLAM算法研究

作者：万现全广西科技大学

学位级别：硕士

随着同时定位与建图(Simultaneous Localization And Mapping,slam)技术在自动驾驶及机器人领域的应用日益普遍,单一传感器已不能满足实际环境下的定位及建图需求,基于多传感器信息融合的slam技术成为主要发展方向。相机与IMU数据融合... 详细信息

随着同时定位与建图(Simultaneous Localization And Mapping,slam)技术在自动驾驶及机器人领域的应用日益普遍,单一传感器已不能满足实际环境下的定位及建图需求,基于多传感器信息融合的slam技术成为主要发展方向。相机与IMU数据融合构成的视觉惯性系统具有更高的定位精度及鲁棒性,但仅基于点特征的视觉惯性slam系统在低纹理、光照剧烈变化等复杂环境下的表现不佳,定位易丢失。线段特征广泛存在于结构化环境中,可作为补充特征,用于机器人定位与建图。然而,已有点线特征融合的视觉惯性slam方案在实际环境下存在特征提取计算量大、实时性较差等问题,且定位精度也有待提升。针对以上问题,本文将从以下方面进行算法改进及验证:首先,为提高slam系统对环境的适应能力,并减少实际环境下冗余特征的提取,提出一种点线特征动态提取策略。计算图像帧特征点数量、帧间速度等信息,并将其引入前端线特征处理线程,对实际场景进行分类,动态选取点线特征提取方案。同时依据多源信息实时控制线特征提取频率,减少冗余线段数量,降低系统计算量,从而提高算法实时性能,最终以少量线特征获得了较高定位精度。然后,针对现有线特征提取算法易产生大量无用短线特征的问题,且为提高线段特征匹配精度,提出一种基于条件筛选的线段特征优化策略。对图像中的线段进行长度筛选,滤除劣质短线特征。另外,在实际环境中竖线特征的匹配、追踪具有更高的互异性,因此,本文算法将对线段特征进行角度筛选,优先选择竖直长线进行特征匹配,提高slam系统的定位精度及鲁棒性。其次,为进一步提升定位精度,本文对后端滑动窗口算法进行优化。通过设置窗口阈值,使其大小更适合本文所提slam系统,增加滑窗内视觉、惯性数据量,并完成关键帧筛选与边缘化操作,加强数据关联程度,完成点、线、IMU数据融合,提高系统定位精度。最后,仿真分析及真实场景验证。利用公开数据集,通过与传统点线特征融合的视觉惯性slam算法对比,对本文所提slam系统定位精度、实时性方面的改进效果进行验证。另外,搭建视觉惯性系统测试平台,对两种传感器分别进行单独及联合标定。并设计室内外真实测试场景,分别对本文所提slam系统在实际环境下的定位精度、建图效果进行验证。

关键词：视觉惯性slam 点线特征特征提取条件筛选滑动窗口算法