检索结果-南通市图书馆

TOHF：针对资源受限室内vslam的特征提取器

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

系统仿真学报 2024年

作者：李若晴赵瑶池胡祝华戚文璐刘广丰海南大学网络空间安全学院海南大学信息与通信工程学院

现有vslam特征提取器在室内环境中表现出对纹理和光照变化的敏感性，易于在复杂环境下产生漏检和误检。此外，特征点在纹理丰富区域的聚集和冗余，使地图构建过度依赖局部信息，增加建图失败的风险。特别是在硬件资源受限的情况下，还... 详细信息

现有vslam特征提取器在室内环境中表现出对纹理和光照变化的敏感性，易于在复杂环境下产生漏检和误检。此外，特征点在纹理丰富区域的聚集和冗余，使地图构建过度依赖局部信息，增加建图失败的风险。特别是在硬件资源受限的情况下，还会带来存储开销问题。针对这些问题，本文提出了一种面向纹理的均匀FAST特征提取器（Texture-Oriented and Homogenized FAST Feature Extractor，TOHF）。我们结合HVS（Human Visual System），采用二阶段阈值策略来更敏感地应对纹理的清晰度和复杂度差异。其次，我们根据特征点密度的变化来动态调整特征点的分布，在兼顾计算效率和存储开销的同时，保证特征点分布结构信息。我们在资源受限设备录制的数据集和官方EuRoc数据集上基于ORB-SLAM3框架开展实验，采用匹配率、重投影误差、绝对轨迹误差（ATE）和耗时作为评估指标。实验结果表明，TOHF在视觉加惯导模式下带来更高精度和鲁棒性的同时，仍满足实时性要求。

关键词： vslam HVS 特征提取 ORB-SLAM3 纹理

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

vslam系统中的快速特征点匹配算法

计算机测量与控制 2024年

作者：谢东张泽均谢坚筱周雅凯蒙研浙江师范大学物理与电子信息工程学院

连续图像帧之间特征点匹配是视觉同步定位与建图（vslam）技术的关键技术；针对vslam系统中连续图像帧之间特征点匹配耗时且精度低的问题，一种基于局部像素运动模型的快速特征点匹配算法（LPMM）被提出；该算法基于运动平滑约束假设，... 详细信息

连续图像帧之间特征点匹配是视觉同步定位与建图（vslam）技术的关键技术；针对vslam系统中连续图像帧之间特征点匹配耗时且精度低的问题，一种基于局部像素运动模型的快速特征点匹配算法（LPMM）被提出；该算法基于运动平滑约束假设，利用连续图像帧中局部区域内的像素点的运动具有一致性这一特性，将图像划分成局部网格区域后利用每个网格中的部分特征点估算该网格区域的运动向量，并以此为基础，计算下一帧匹配特征点的搜索范围的中心点；最终在计算出下一帧的中心点的局部邻域内搜索与当前帧的特征点相匹配的特征点；实验结果表明，所提出的匹配算法与广泛使用的ORB-SLAM2中的投影匹配算法相比，平均匹配速度提高50%以上，匹配精度提升了约4%。

关键词： vslam 特征点匹配局部像素运动模型局部区域网格

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

基于单目深度估计的vslam系统

基于单目深度估计的VSLAM系统

作者：孙浩杭州电子科技大学

学位级别：硕士

同时定位与建图(Simultaneous Localization And Mapping,SLAM)技术为无人设备在陌生环境中运行提供了理论基础。为推进SLAM系统在现实中的应用,本文选择常见的单目相机展开视觉SLAM系统的研究。单目系统可以通过多视角几何建立起稀疏... 详细信息

同时定位与建图(Simultaneous Localization And Mapping,SLAM)技术为无人设备在陌生环境中运行提供了理论基础。为推进SLAM系统在现实中的应用,本文选择常见的单目相机展开视觉SLAM系统的研究。单目系统可以通过多视角几何建立起稀疏的约束关系跟踪相机并推断环境结构,但通过这种方式只能得到稀疏的环境点云,且该稀疏点云存在尺度不确定性的问题。若采用深度学习的技术从单张图像中恢复图像的尺度信息,构建出的环境地图虽恢复了尺度信息但会因深度图模糊边界的影响导致点云结构的严重扭曲。另外传统视觉SLAM系统的研究大多基于静态环境,无法很好的应用在动态环境中。且构建的环境点云不具备语义信息,无法执行高级语义任务。针对上述问题,本文提出了一种与深度学习融合的单目视觉SLAM系统。本文主要研究内容和创新点如下:1、针对单目系统中缺乏尺度信息的问题,本文设计了一种基于无监督学习的单目深度估计网络。在现有单目深度估计网络的基础上,改进网络模型并对网络进行整体优化,本文网络模型在保证精度的同时将模型的规模缩减了50%以上。2、针对传统视觉SLAM系统无法很好应用在动态环境中的问题,本文设计了一种语义分割算法并融合到视觉SLAM系统中。采用剔除动态特征点的方法提升视觉SLAM系统在动态环境中的精度。在TUM数据集上与ORB-SLAM3算法比较,本文设计的SLAM系统的轨迹估计误差可以降低约18%。3、针对使用深度学习技术恢复稠密点云时,因深度图模糊边界的影响导致点云结构严重扭曲的问题,本文使用一种同时融合由多视角几何构建的稀疏地图和神经网络输出的稠密地图的方式,得到结构鲁棒且具有尺度信息的稠密点云地图。并为地图加入了语义信息构建出稠密语义地图。

关键词： vslam 单目深度估计动态物体检测语义地图

基于深度学习的vslam图像检索和路径规划研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于深度学习的VSLAM图像检索和路径规划研究

作者：李琪南京信息工程大学

学位级别：硕士

视觉同时定位与建图(Visual Simultaneous Localization and Mapping,vslam)是实现机器人自主定位和导航的核心技术,已经被广泛应用在智能家居、自动驾驶和航空等领域。其中,闭环检测作为vslam系统中的重要模块,通过图像检索算法识别机... 详细信息

视觉同时定位与建图(Visual Simultaneous Localization and Mapping,vslam)是实现机器人自主定位和导航的核心技术,已经被广泛应用在智能家居、自动驾驶和航空等领域。其中,闭环检测作为vslam系统中的重要模块,通过图像检索算法识别机器人是否到访过之前经过的位置,能够约束相机轨迹进而有效消除累计误差并校正构建的地图。传统的图像检索算法用于复杂环境时存在准确率低、耗时长等问题,实际部署较难。本文就目前图像检索算法存在的问题提出了以下改进算法,并将改进后的算法应用于实际场景中。(1)针对传统手工提取的图像特征会造成局部信息丢失的问题,本文采用对三个经典卷积神经网络模型裁剪以提取图像局部特征;对于VLAD算法计算量大和易忽略空间信息的弊端,本文提出基于多头注意力机制和多尺度特征融合机制的VLAD算法;将改进后的VLAD算法嵌入卷积神经网络中并利用反向传播进行端到端的优化,实现图像检索精度的提升。(2)针对大规模的图像检索导致存储开销大、计算量大以及卷积神经网络导致的参数过多、模型过大的问题,考虑到尽量不降低模型精度的情况下提高模型的性能,本文提出了VLAD融合BOF的图像检索算法,使用神经元量化从卷积神经网络提取的信息,其中神经元的行为与VLAD的残差操作一致,再通过基于空间分割的BOF累计成直方图向量,实现图像检索性能的提升。(3)针对传统RRT算法不适用于有限个参考点的问题,本文提出了在有限个参考点的基础上改进RRT算法中随机生长点的选取,研究改进的RRT算法中参数的选择使得该算法具有较高的规划效率。将本文提出的RRT算法与图像检索最优模型相结合应用于实际场景中实现龙湖天街的位置识别和路径规划。

关键词： vslam 卷积神经网络图像检索路径规划

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

动态环境下vslam导航技术研究与实现

动态环境下VSLAM导航技术研究与实现

作者：吕润哲重庆邮电大学

学位级别：硕士

机器人在未知环境工作的核心算法是同步定位与地图构建(Simultaneous Localization and Mapping,SLAM),该算法对机器人的自主导航起到决定性作用。传统视觉SLAM(Visual SLAM,vslam)算法针对静态场景的位姿估计可以取得很好的效果,但在... 详细信息

机器人在未知环境工作的核心算法是同步定位与地图构建(Simultaneous Localization and Mapping,SLAM),该算法对机器人的自主导航起到决定性作用。传统视觉SLAM(Visual SLAM,vslam)算法针对静态场景的位姿估计可以取得很好的效果,但在动态场景中则会出现较大偏差。因此本文针对vslam在动态环境精度下降的问题进行研究,提出引入边缘信息的里程计算法,提高动态环境中算法的精度,具有理论意义和实际应用价值。首先,分析国内外vslam与路径规划算法的研究现状,针对动态环境中vslam存在的问题进行研究,提出动态环境中vslam算法和路径规划算法的改进方案。其次,视觉里程计(Visual Odometry,VO)通过读取传感器信息进行定位和局部地图构建,是vslam的核心模块。本文针对传统视觉里程计在动态环境中精度低的问题,在里程计算法中引入边缘信息,减少动态物体对位姿估计的干扰。改进算法对RGB-D图像进行边缘信息提取和聚类处理,构建边缘和聚类残差模型并进行误差融合和正则化处理,将获得的模型通过3D面元重构算法进行权值分配,根据累加权值剔除动态物体,再通过非线性优化函数进行优化。实验表明,改进后的里程计算法在动态环境中的位姿估计精度得到提高,使算法具有良好性能。然后,针对RRT*路径规划算法存在搜索效率低、盲目采样等问题进行改进,提出一种基于BIT*算法的改进算法,改进算法通过启发函数进行全局采样得到可靠路径,再将可靠路径与起始点、目标点信息进行采样区域限制,通过拉伸当前最优路径节点的方式,优化最优路径,缩小采样范围提高算法效率。实验表明,本文改进算法与RRT*算法相比在搜索效率和最优路径选择方面得到提升。最后,设计适用于动态环境的机器人自主导航系统,通过改进Autolabor平台并搭载本文改进算法,实现机器人自主导航系统。模拟日常家庭动态场景对机器人进行测试,完成建图与导航任务。实验表明,本文提出融合边缘信息的方法有效提升了动态环境中视觉里程计位姿估计的准确性,改进后的路径规划算法在最优路径选择和搜索效率方面均有提升,且机器人系统在模拟环境中可稳定运行。

关键词： vslam 视觉里程计动态环境边缘信息 RRT*算法

基于vslam的多旋翼无人机定位与避障控制

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vSLAM的多旋翼无人机定位与避障控制

作者：俞宬南京航空航天大学

学位级别：硕士

多旋翼无人机作为一类可悬停、可垂直起降、携带便捷且维护成本低的飞行器,已逐渐在社会的各行各业中发挥出不可或缺的作用。众多的应用场景也对多旋翼无人机技术提出了越来越高的要求,当其在未知环境中执行任务时如何通过机载设备感知... 详细信息

多旋翼无人机作为一类可悬停、可垂直起降、携带便捷且维护成本低的飞行器,已逐渐在社会的各行各业中发挥出不可或缺的作用。众多的应用场景也对多旋翼无人机技术提出了越来越高的要求,当其在未知环境中执行任务时如何通过机载设备感知环境并实现自主的安全避障飞行是完成任务的基础。本文针对未知环境下搭载视觉传感器的多旋翼无人机的避障控制问题展开研究,论文的主要工作如下:首先,针对多旋翼无人机搭载视觉传感器在未知环境下的定位与八叉树地图构建问题,在室内环境下利用深度相机采集彩色图像与深度图,通过视觉SLAM(visual Simultaneous Localization and Mapping)技术获取定位信息,将估计的相对位姿用于对点云深度信息的拼接以形成八叉树地图。在室外环境下,选择双目相机作为视觉传感器,并融合惯性信息,在无人机快速飞行可能导致视觉跟踪丢失的情况下,通过视觉惯性SLAM技术提供更鲁棒的定位信息。利用ELAS(Efficient LArge-scale Stereo)算法对双目图像进行立体匹配,获取视差信息用于计算深度信息与发布点云,并根据相对位姿拼接点云完成八叉树地图的创建。其次,针对无人机在低空复杂未知环境下的航迹规划问题,充分考虑去程与返程过程中信息的不对称特性,提出一种无人机往返航迹规划算法。去程规划通过无人机机载设备实时探测不断更新环境信息,并利用改进的B-RRT*算法结合滚动规划生成去程航迹。返程规划根据去程航迹与全局环境信息,限制在由航迹起始点和目标点确定的椭圆子集中进行集中采样,并采用三次B样条插值算法对规划航迹进行平滑处理生成返程航迹。仿真结果表明所研究的改进算法能有效实现无人机去程与返程的航迹规划。然后,定义相关坐标系以及测量与计算无人机物理参数,建立了X型多旋翼无人机的数学模型。以建立的多旋翼无人机模型为基础,设计了一种基于不确定性和干扰估计器(Uncertainty and Disturbance Estimator,UDE)的飞行控制方法,仿真结果表明,能实现无人机在受到外部干扰的作用下对给定的期望轨迹进行有效跟踪。最后,搭建了搭载视觉传感器的多旋翼无人机试飞平台。通过机载相机获取以八叉树地图表征的环境信息,通过上位机与Pixhawk4飞控通讯,向飞控单元发送期望航迹点。同时对所提的往返航迹规划算法进行验证,试飞验证结果表明本文算法能有效地在未知环境中完成往返航迹的规划任务。

关键词：多旋翼无人机 vslam 视觉惯性八叉树地图往返航迹规划 UDE控制

基于深度学习的vslam闭环检测技术的研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于深度学习的VSLAM闭环检测技术的研究

作者：欧俊雄重庆邮电大学

学位级别：硕士

闭环检测是同步定位与建图(Simultaneous Localization and Mapping,SLAM)中的一个重要环节,能够有效降低系统的累积误差。深度学习近年来发展迅猛,尤其是对图像的处理表现卓越,为vslam(Visual SLAM,vslam)带来了一个崭新的研究方向。... 详细信息

闭环检测是同步定位与建图(Simultaneous Localization and Mapping,SLAM)中的一个重要环节,能够有效降低系统的累积误差。深度学习近年来发展迅猛,尤其是对图像的处理表现卓越,为vslam(Visual SLAM,vslam)带来了一个崭新的研究方向。目前主流的网络模型难以有效地提取不同尺寸图像的深层信息,限制了闭环检测准确率的提升。此外,在检索历史图像时通常使用逐帧计算的方式进行检索,但是这种方法耗时较长。因此,本文针对上述问题对图像特征提取与历史图像检索进行研究,对vslam算法鲁棒性的增强,系统实时性的提高,具有重要的研究意义和应用价值。首先,本文阐述了vslam和闭环检测的国内外研究现状,以及vslam系统框架,并着重对闭环检测和深度学习的理论进行了研究,设计了一个基于深度学习的vslam系统,将系统中的闭环检测模块作为关键的研究内容。其次,本文深入研究网络模型对闭环检测中场景图像特征的提取。针对目前主流的网络模型提取的特征向量的维度高,计算量大,且网络模型在提取特征前需要对图像进行尺度变换,容易损失部分有用信息,易出现在召回率较高的情况下准确率较低的问题,设计了一种能够提取不同尺寸图像的深层信息并能够输出低维特征向量的网络模型。该算法以Res Ne St网络模型作为主干网络,结合本文设计的自适应池化窗口(Adaptive Pooling Window,APW),共同构建Res Ne St-APW模型,并采用局部线性嵌入(Locally Linear Embedding,LLE)算法对网络模型提取的特征向量进行降维。在vslam公开的数据集上的实验结果表明,该算法能够有效地保留图像更多的有用信息,且提取的图像特征有较强的鲁棒性,在较高召回率条件下,有效地提高了闭环检测的准确率。然后,本文针对在检索历史图像时,使用逐帧计算的方式进行检索,存在耗时长的问题,提出多模块检索方法。该方法结合了逐帧检索方法和超级字典检索方法的优点,在超级字典的基础上进行改进,并结合多线程并行计算的优势,同时计算多帧历史图像与当前图像的相似度,减少历史图像检索的耗时,提高系统的实时性。在vslam公开的数据集上的实验结果证实了多模块检索方法的可行性,提升了闭环检测的时间性能。最后,在vslam相关算法中完成本文所提算法的设计,并在TUM数据集中进行仿真实验,以及结合实验室机器人的软硬件平台在真实环境中进行vslam实验,验证本文提出的闭环检测算法的可行性。实验结果证明,本文提出的闭环检测算法是可行的,不仅减少了建图过程中产生的累积误差,提高建图的质量,还提高了vslam系统的实时性。

关键词：机器人 vslam 闭环检测深度学习 LLE 图像检索

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于深度学习的vslam关键技术研究

基于深度学习的VSLAM关键技术研究

作者：王迪西南科技大学

学位级别：硕士

视觉同时定位与地图构建（Visual-Simultaneous Localization and Mapping）是移动机器人和导航任务所需的关键技术之一。随着人工智能的发展,机器人在交通、家居和工业等各个领域形成了广泛的应用,同时也受到了广泛研究人员越来越多的... 详细信息

视觉同时定位与地图构建（Visual-Simultaneous Localization and Mapping）是移动机器人和导航任务所需的关键技术之一。随着人工智能的发展,机器人在交通、家居和工业等各个领域形成了广泛的应用,同时也受到了广泛研究人员越来越多的关注。在vslam任务执行过程当中,环境的光照、视点等变化是影响算法完成度的重要因素,因此目前的SLAM系统着重于解决精确性、鲁棒性的问题。局部特征工程作为基于特征点vslam的先遣技术,是决定系统性能的关键点,同时闭环检测任务是能够有效解决其累积漂移的重要环节。传统的局部特征构建算法存在面对变换场景不具备自适应性的问题,传统的闭环检测算法也是基于传统视觉词袋树模型实现,如此在图像局部特征分布不均的情况下会导致最终闭环检测精度不佳的问题,致使vslam算法在面对复杂场景时的效率较低。因此,针对上述问题,本文研究内容如下:（1）针对处理场景不断变化时局部特征性能不足的问题,本文实现了一种基于深度神经网络的局部特征构建算法,该算法首先搭建基于自监督学习的特征提取网络解决带特征点标签数据集不足的问题;其次使用了引入局部聚合描述符矢量（Vector of Locally Aggregated Descriptors based on Neural Network,Net VLAD）神经网络模块的局部特征联合训练网络,通过Net VLAD模块来计算整合多个描述符矢量以获取对视点和光照变化具有强鲁棒性的局部特征。（2）帧间的准确匹配是相机位姿的准确估计和保证SLAM运行准确率的关键步骤。因此本文为了增强图像对相关局部特征之间的联系性,引入了注意力图神经网络（Attentional Graph Neural Network,AGNN）,并使用Sinkhorn匹配算法求解最优局部特获匹配矩阵。在第二阶段匹配算法中,使用第一阶段基于深度学习的局部特征,实现了一个端到端的鲁棒性局部特征匹配算法。实验结果表明本文算法相较于对比算法各指标均有提升,单应性估计提高了0.097,匹配精确率提高了0.082,匹配召回率提高了0.038;并且在自采集场景图像对的实验中验证了本文算法的有效性。（3）面对光照、视点变化的环境时,强鲁棒性的防跟踪丢失和闭环检测是vslam体系一直致力于优化的关键技术。本文使用基于深度学习的局部特征并使用增量式聚类方法构建词袋模型,将该词袋模型与深度局部特征与ORBSLAM3体系有效结合。公开数据集的测试下实现了体系效能的提升,并有效完成了包含大量环境变化的自采集数据的位姿定位、位姿跟踪和闭环检测任务。本文算法在实验中的PR曲线AUC指标中,相较于所对比算法在不同的三个公开数据集中有0.022-0.086的提升。

关键词： vslam 局部特征局部特征匹配闭环检测词袋模型

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

面向室内动态场景的vslam

电子科技 2022年第4期35卷 14-19页

作者：伞红军王汪林陈久朋谢飞亚徐洋洋陈佳昆明理工大学机电工程学院云南昆明650500 中国人民解放军第78098部队四川眉山620031

传统vslam算法基于静态场景实现,其在室内动态场景下定位精度退化,三维稀疏点云地图也会出现动态特征点误匹配等问题。文中在ORB-SLAM2框架上进行改进,结合Mask R-CNN进行图像的语义分割,剔除位于动态物体上的动态特征点,优化了相机位姿... 详细信息

传统vslam算法基于静态场景实现,其在室内动态场景下定位精度退化,三维稀疏点云地图也会出现动态特征点误匹配等问题。文中在ORB-SLAM2框架上进行改进,结合Mask R-CNN进行图像的语义分割,剔除位于动态物体上的动态特征点,优化了相机位姿,得到了静态的三维稀疏点云地图。在公开的TUM数据集上的实验结果表明,结合Mask R-CNN的ORB-SLAM2有效提高了智能移动机器人的位姿估计精度,绝对轨迹的均方根误差可提高96.3%,相对平移轨迹的均方根误差可提高41.2%,相对旋转轨迹的误差也有明显改善。相较于ORB-SLAM2,文中所提方法能更准确地建立无动态物体特征点干扰的三维稀疏点云地图。

关键词： vslam 室内动态场景 Mask R-CNN 语义分割位姿估计精度 ORB-SLAM2 TUM数据集三维稀疏点云地图

维普期刊数据库