硕士论文-基于特征点提取的单目视觉里程计的研究

浙江大学硕士学位论文基于特征点提取的单目视觉里程计的研究姓名：吕强申请学位级别：硕士专业：信息与通信工程指导教师：刘济林20070501基于特征点提取的单目视觉里程计的研究作者：吕强学位授予单位：浙江大学相似文献(3条)1.期刊论文吕强.周文晖.刘济林.L(U)Qiang.ZHOUWen-hui.LIUJi-lin基于SIFT特征提取的单目视觉里程计在导航系统中的实现-传感技术学报2007,20(5)设计一个基于SIFT(ScaleInviriantFeatureTransform)特征提取的单目视觉里程计用于导航系统中,有效克服传统里程计车轮打滑等情况下的偏差问题,并提供传统里程计无法测量的航向信息.实现过程采用单个像机,利用SIFT特征点尺度及旋转不变的性质精确匹配图像序列中的投影点,并根据坐标变换来测定车辆的移动距离和旋转角度.实验中安装要求和实现都相对简单,其结果表明可达到较高的测量精度.2.期刊论文王晓华.傅卫平.苏立.WANGXiao-hua.FUWei-ping.SULi室内环境下结合里程计的双目视觉SLAM研究-西安理工大学学报2009,25(4)针对视觉SLAM要解决的定位精度低和鲁棒性低的问题,提出一种基于双目视觉传感器与里程计信息的扩展卡尔曼滤波SLAM方法,应用改进的SIFT算子提取双目视觉图像的环境特征获得特征点,并构建出视觉特征地图;应用扩展卡尔曼滤波算法融合视觉信息与机器人位姿信息,完成同时定位与地图创建.这种方法既可以解决单目视觉利用特殊初始化方法获取特征点信息不准确的问题,也可以避免双目视觉里程计利用图像信息恢复运动带来的计算量极大和运动估计不鲁棒的缺点.仿真实验表明,在未知室内环境下,算法运行稳定,定位精度高.3.学位论文武二永基于视觉的机器人同时定位与地图构建2007定位与地图构建是自主机器人研究必须解决的关键问题。但是单纯使用基于航迹推演方法存在累积误差，使得地图构建的一致性遭到破坏。为此，希望利用自然环境路标的多次观测具有高度一致性的特点，通过对定位和路标地图的同时估计(SLAM)获得更高的定位及路标位置估计精度。SLAM在随机过程框架内，通过概率推演的方法实现机器人状态与环境路标状态的同时估计。视觉信息较其他传感方式具有信息量大、成本低、能耗小及直观性好等特点，特别适合诸如外星球导航的SLAM任务。同时，近年来视觉SLAM逐渐兴起，逐步开始从室内应用扩展到室外应用，从二维扩展到三维，越发接近实际应用效果。本论文将对如何利用视觉信息实现机器人SLAM问题展开研究。主要研究内容包括：首先阐述SLAM问题的贝叶斯滤波理论基础。为避免全状态估计，将通过Rao-Blackwellised分解实现机器人状态与路标状态的解耦，并给出该分解的证明过程；阐述粒子滤波器的相关基础理论，并给出最基本的粒子滤波算法；给出Rao-Blackwellised粒子滤波器实现SLAlM的一种有效算法：FastSLAM算法的具体实现过程。然后研究SIFT特征点的提取过程，得出一种近似的SIFT特征提取方法；针对SIFT全局搜索效率低下的问题，发展一种基于kd-tree的近似最临近搜索方法，用以提高匹配速度；提出一种有效的SIFT特征管理方法，用以有效分割子地图及特征维护。其次利用立体匹配得到的SIFT特征作为自然环境路标，发展一种基于双目视觉的机器人SLAM方法。在提出双目视觉SLAM的算法的框架后，基于前后两幅立体图像匹配信息，提出一种鲁棒的视觉里程计方法；以该里程计输出作为SLAM初始运动控制参数，在FastSLAM2.0算法框架内，逐步完成粒子预测提取，路标更新及权值计算等一系列关键步骤的实现。再次针对单目视觉SLAM问题遇到的特征点增多及运动不确定性增加等特点，发展一种基于高斯混合模型(GMM)及密度估计的粒子预测提取方法，用以提高估计效率与精度；利用GMM对环境路标进行建模，发展一种只需要维护一个高斯混合型路标地图的、基于Rao-Blackwellised粒子滤波器的SLAM算法。对该算法中所需的粒子预测提取，后验状态密度估计，权值计算，路标更新等步骤给予详细讨论，并给出具体实现方法。最后是全文的总结和展望。本文链接：授权使用：上海海事大学(wflshyxy)，授权号：248e860b-c033-4714-80f9-9e00008597f9下载时间：2010年9月29日