基于點(diǎn)線特征的雙目視覺慣性里程計(jì)及其應(yīng)用研究
發(fā)布時(shí)間:2025-06-27 02:13
視覺里程計(jì)(VO)是一種單獨(dú)利用相機(jī)對(duì)移動(dòng)載體進(jìn)行定位的技術(shù),其成本低廉,應(yīng)用場(chǎng)景廣泛,逐漸成為移動(dòng)機(jī)器人自主定位的重要方式。傳統(tǒng)的基于點(diǎn)特征的VO算法受到點(diǎn)特征的限制,在紋理缺失、存在光照變化或動(dòng)態(tài)物體的場(chǎng)景下難以提供可靠的定位結(jié)果?紤]到人為構(gòu)造的場(chǎng)景中存在較多直線,且慣性測(cè)量單元(IMU)和相機(jī)具有互補(bǔ)屬性,近年來(lái),利用線特征進(jìn)行定位的VO算法和融合慣性測(cè)量信息的視覺慣性里程計(jì)(VIO)算法逐漸成為研究熱點(diǎn)。為了提高VO在復(fù)雜環(huán)境下的定位能力,本文在傳統(tǒng)的基于點(diǎn)特征的VO算法中加入線特征,并結(jié)合IMU進(jìn)行信息融合,提出一種基于點(diǎn)線特征的雙目VIO算法,即PLSVIO算法。本文主要研究?jī)?nèi)容包括:1)對(duì)空間直線的參數(shù)化方式及其相機(jī)投影模型進(jìn)行探討,采用兩種表示方法對(duì)空間直線進(jìn)行參數(shù)化,即利用普呂克坐標(biāo)(Plucker coordinates)對(duì)空間直線進(jìn)行坐標(biāo)變換以及相機(jī)投影,利用正交表示法(orthonormal representation)在后端優(yōu)化過(guò)程中對(duì)直線參數(shù)進(jìn)行更新。2)設(shè)計(jì)了基于點(diǎn)線的視覺里程計(jì)算法,在基于關(guān)鍵幀優(yōu)化的后端中對(duì)空間點(diǎn)和空間直線進(jìn)行統(tǒng)一優(yōu)化。為了提高數(shù)據(jù)關(guān)...
【文章頁(yè)數(shù)】:87 頁(yè)
【學(xué)位級(jí)別】:碩士
【文章目錄】:
摘要
Abstract
第一章 緒論
1.1 研究背景與意義
1.2 國(guó)內(nèi)外研究現(xiàn)狀
1.2.1 視覺里程計(jì)
1.2.2 基于線特征的視覺里程計(jì)
1.2.3 視覺慣性里程計(jì)
1.3 研究?jī)?nèi)容與論文結(jié)構(gòu)
第二章 理論基礎(chǔ)與準(zhǔn)備工作
2.1 三維剛體運(yùn)動(dòng)表示
2.1.1 坐標(biāo)系的定義
2.1.2 李群和李代數(shù)
2.2 空間直線的參數(shù)化
2.3 相機(jī)投影模型
2.3.1 點(diǎn)的投影
2.3.2 線的投影
2.4 基于優(yōu)化的視覺慣性里程計(jì)
2.4.1 算法實(shí)施框架
2.4.2 最大后驗(yàn)估計(jì)
2.5 本章小結(jié)
第三章 基于點(diǎn)線特征的雙目視覺里程計(jì)
3.1 圖像中的特征
3.1.1 ORB點(diǎn)特征
3.1.2 LSD線特征
3.2 特征的匹配
3.2.1 立體匹配
3.2.2 投影匹配
3.2.3 暴力匹配
3.3 基于點(diǎn)線的后端優(yōu)化
3.3.1 點(diǎn)線特征的觀測(cè)誤差
3.3.2 點(diǎn)線觀測(cè)誤差的雅可比矩陣
3.4 視覺里程計(jì)的實(shí)施框架
3.4.1 跟蹤線程
3.4.2 建圖線程
3.5 本章小結(jié)
第四章 基于IMU預(yù)積分的視覺慣性融合
4.1 IMU預(yù)積分算法
4.1.1 IMU測(cè)量模型
4.1.2 IMU預(yù)積分
4.1.3 IMU零偏修正
4.2 視覺慣性初始化
4.2.1 陀螺儀零偏估計(jì)
4.2.2 重力加速度估計(jì)
4.2.3 加速度計(jì)零偏估計(jì)
4.2.4 速度的估計(jì)
4.3 視覺慣性融合
4.3.1 位姿估計(jì)
4.3.2 局部BA優(yōu)化
4.3.3 關(guān)鍵幀增刪
4.4 本章小節(jié)
第五章 實(shí)驗(yàn)結(jié)果與分析
5.1 數(shù)據(jù)集測(cè)試
5.1.1 初始化測(cè)試
5.1.2 定位精度測(cè)試
5.2 實(shí)際場(chǎng)景測(cè)試
5.2.1 實(shí)驗(yàn)硬件平臺(tái)
5.2.2 實(shí)驗(yàn)內(nèi)容與結(jié)果
5.3 本章小結(jié)
第六章 總結(jié)與展望
6.1 總結(jié)
6.2 展望
參考文獻(xiàn)
攻讀碩士學(xué)位期間發(fā)表論文與專利
致謝
本文編號(hào):4053641
【文章頁(yè)數(shù)】:87 頁(yè)
【學(xué)位級(jí)別】:碩士
【文章目錄】:
摘要
Abstract
第一章 緒論
1.1 研究背景與意義
1.2 國(guó)內(nèi)外研究現(xiàn)狀
1.2.1 視覺里程計(jì)
1.2.2 基于線特征的視覺里程計(jì)
1.2.3 視覺慣性里程計(jì)
1.3 研究?jī)?nèi)容與論文結(jié)構(gòu)
第二章 理論基礎(chǔ)與準(zhǔn)備工作
2.1 三維剛體運(yùn)動(dòng)表示
2.1.1 坐標(biāo)系的定義
2.1.2 李群和李代數(shù)
2.2 空間直線的參數(shù)化
2.3 相機(jī)投影模型
2.3.1 點(diǎn)的投影
2.3.2 線的投影
2.4 基于優(yōu)化的視覺慣性里程計(jì)
2.4.1 算法實(shí)施框架
2.4.2 最大后驗(yàn)估計(jì)
2.5 本章小結(jié)
第三章 基于點(diǎn)線特征的雙目視覺里程計(jì)
3.1 圖像中的特征
3.1.1 ORB點(diǎn)特征
3.1.2 LSD線特征
3.2 特征的匹配
3.2.1 立體匹配
3.2.2 投影匹配
3.2.3 暴力匹配
3.3 基于點(diǎn)線的后端優(yōu)化
3.3.1 點(diǎn)線特征的觀測(cè)誤差
3.3.2 點(diǎn)線觀測(cè)誤差的雅可比矩陣
3.4 視覺里程計(jì)的實(shí)施框架
3.4.1 跟蹤線程
3.4.2 建圖線程
3.5 本章小結(jié)
第四章 基于IMU預(yù)積分的視覺慣性融合
4.1 IMU預(yù)積分算法
4.1.1 IMU測(cè)量模型
4.1.2 IMU預(yù)積分
4.1.3 IMU零偏修正
4.2 視覺慣性初始化
4.2.1 陀螺儀零偏估計(jì)
4.2.2 重力加速度估計(jì)
4.2.3 加速度計(jì)零偏估計(jì)
4.2.4 速度的估計(jì)
4.3 視覺慣性融合
4.3.1 位姿估計(jì)
4.3.2 局部BA優(yōu)化
4.3.3 關(guān)鍵幀增刪
4.4 本章小節(jié)
第五章 實(shí)驗(yàn)結(jié)果與分析
5.1 數(shù)據(jù)集測(cè)試
5.1.1 初始化測(cè)試
5.1.2 定位精度測(cè)試
5.2 實(shí)際場(chǎng)景測(cè)試
5.2.1 實(shí)驗(yàn)硬件平臺(tái)
5.2.2 實(shí)驗(yàn)內(nèi)容與結(jié)果
5.3 本章小結(jié)
第六章 總結(jié)與展望
6.1 總結(jié)
6.2 展望
參考文獻(xiàn)
攻讀碩士學(xué)位期間發(fā)表論文與專利
致謝
本文編號(hào):4053641
本文鏈接:http://www.wukwdryxk.cn/kejilunwen/shengwushengchang/4053641.html
最近更新
教材專著