發(fā)布時間：2020-11-21 14:58

　　 定位問題不僅是同步定位與建圖問題(Simultaneous Localization and Mapping,SLAM)的核心,更是基于位置服務(Location-based Service,LbS)、增強現(xiàn)實(Augmented Reality,AR)等應用領域的熱點問題。其中,基于機器視覺的定位解決方案獲得了廣泛關注并得以迅速發(fā)展。本文提出了一種3D視覺室內(nèi)定位解決方案,該定位策略從RGB-D感應設備提供的彩色圖與深度圖中提取平面特征,并進而實現(xiàn)結(jié)構匹配與定位:首先,在定位過程中,室內(nèi)環(huán)境由平面組成的連通圖表示,并使用結(jié)構子圖的匹配替代平面特征匹配對的重復搜索過程;其次,表現(xiàn)建筑結(jié)構的曼哈頓世界假說模型也被引入至定位問題中,以削減子圖內(nèi)的平面對匹配次數(shù),加速匹配過程的執(zhí)行。在實時運行的前提下,該定位方法可以容納探測設備視野范圍內(nèi)的平面特征進行匹配,從而更早地得到定位結(jié)果;隨后,作為對定位結(jié)果的評估,匹配識別后的子圖配準過程將兩子圖內(nèi)所有的平面特征進行擬合,最終得到定位坐標與配準評分;最后,曼哈頓世界假說的引入同時也能簡化初始位姿確定后的定位問題,將其分類討論為6自由度(Degree of Freedom,DoF)的初始位姿確定問題,以及4自由度的后續(xù)位姿計算問題,達到簡化問題的目的。實驗結(jié)果顯示,利用本文提出的定位方法在室內(nèi)環(huán)境行進時能比原有PbMap定位算法更早地得到定位結(jié)果,同時具有更高的運算效率。另外,平面配準過程也能幫助定位模塊排除潛在的錯誤匹配,并能承受部分環(huán)境的動態(tài)變化。本文提出的室內(nèi)定位方法對基于平面特征的同步定位與建圖系統(tǒng)實現(xiàn)了特征復用,具有一定的應用價值。
【學位單位】：華東師范大學
【學位級別】：碩士
【學位年份】：2019
【中圖分類】：TP391.41
【部分圖文】：

系統(tǒng)在視覺里程計的基礎上消除偏移，構建完整現(xiàn)方式上，對應不同的應用場合與目的，S如在圖 1 - 2 中的一系列生成地圖中，傳統(tǒng)俯視圖如圖（a）；隨著立體視覺系統(tǒng)出現(xiàn)，深，并構成三維點云如圖（b），更直觀地描地圖時，海量的點信息會造成龐大的數(shù)據(jù)處渲染更是依賴于高性能圖像處理器（Grap時顯示。于是如圖（c）的體素（Voxel）地用大立方體表示整體結(jié)構信息，以此來平衡采用不同特征的視覺 SLAM 系統(tǒng)也會利用

分割問題依賴且受限于如色彩、紋理等視覺特征。如圖2-1 所示，基于鄰近像素相似性的超像素技術（superpixel）即是基于色彩相似性的圖像分割。圖像分割將概率圖模型（ProbabilisticGraphicalModel，PGM）中如條件隨機場（ConditionalRandomFieldmodels，CRF）[32]、高階條件隨機場模型（HigherOrderCRFs，HOCRFs）[33]等應用于圖像特征的融合，有效地達到了識別與分割的目標；Long 等人利用全卷積神經(jīng)網(wǎng)絡實現(xiàn)了對圖像的語義分割[34]，圖 2 - 1：二維圖像的超像素分割

分割問題依賴且受限于如色彩、紋理等視覺特征。如圖2-1 所示，基于鄰近像素相似性的超像素技術（superpixel）即是基于色彩相似性的圖像分割。圖像分割將概率圖模型（ProbabilisticGraphicalModel，PGM）中如條件隨機場（ConditionalRandomFieldmodels，CRF）[32]、高階條件隨機場模型（HigherOrderCRFs，HOCRFs）[33]等應用于圖像特征的融合，有效地達到了識別與分割的目標；Long 等人利用全卷積神經(jīng)網(wǎng)絡實現(xiàn)了對圖像的語義分割[34]，圖 2 - 1：二維圖像的超像素分割
【相似文獻】

相關期刊論文 前10條

1 張勝利;焦誠;付永恒;;室內(nèi)定位方法和技術綜述[J];數(shù)字技術與應用;2018年10期

2 陳獻;王貴鑫;;室內(nèi)定位技術發(fā)展及應用研究[J];科學技術創(chuàng)新;2019年17期

3 王思陽;梁文清;周曉婷;李佳敏;林丹儀;鄭譽煌;;基于藍牙射頻的室內(nèi)定位系統(tǒng)[J];工業(yè)控制計算機;2016年12期

4 袁海濤;劉巖;;無源室內(nèi)定位導航技術服務平臺設計與應用[J];北京測繪;2017年S1期

5 謝思遠;羅圣美;李偉華;韋薇;;精準室內(nèi)定位關鍵技術及應用[J];信息通信技術;2015年06期

6 牛長流;王迪;孟杉;張?zhí)?;基于慣性導航的室內(nèi)定位技術[J];數(shù)碼世界;2017年06期

7 張超;;一種基于距離的室內(nèi)定位算法模型[J];中國原子能科學研究院年報;2013年00期

8 ;室內(nèi)定位蓄勢待發(fā)[J];建材發(fā)展導向;2013年06期

9 苗青;李敬能;;室內(nèi)定位的發(fā)展與應用[J];中國新通信;2019年14期

10 姜振宇;袁瑞銘;魯觀娜;李文文;王晨;呂言國;李光遠;;基于比幅分區(qū)法的室內(nèi)定位技術研究與應用[J];電測與儀表;2018年S1期

相關博士學位論文 前10條

1 張磊;基于聲音的智能移動終端室內(nèi)定位關鍵技術研究[D];浙江大學;2019年

2 侯憶楠;基于可見光通信的室內(nèi)定位關鍵技術的研究[D];上海交通大學;2017年

3 黃增士;基于三維信息的室內(nèi)定位導航系統(tǒng)研究與應用[D];中國科學技術大學;2018年

4 毋杰;基于RFID、慣性傳感器、磁場特征的室內(nèi)定位關鍵技術研究[D];華東師范大學;2019年

5 崔瑋;無線傳感器網(wǎng)絡室內(nèi)定位關鍵技術研究[D];東北大學;2017年

6 田清霖;移動計算平臺的室內(nèi)定位系統(tǒng)研究及優(yōu)化加速[D];浙江大學;2016年

7 郭瑩瑩;基于群智感知的低功耗藍牙室內(nèi)定位技術的研究[D];北京郵電大學;2017年

8 史永;空間場景約束的室內(nèi)定位方法研究[D];南京師范大學;2016年

9 吳陳沭;基于群智感知的無線室內(nèi)定位[D];清華大學;2015年

10 陳麗娜;WLAN位置指紋室內(nèi)定位關鍵技術研究[D];華東師范大學;2014年

相關碩士學位論文 前10條

1 翁少林;基于慣性傳感器的室內(nèi)定位系統(tǒng)步長估計算法研究[D];廈門大學;2017年

2 武濤;基于WiFi和藍牙融合的室內(nèi)定位算法的研究[D];安徽工程大學;2019年

3 劉金;基于傳感器融合的室內(nèi)定位技術研究[D];北京郵電大學;2019年

4 王鑫;基于深度學習的圖像與無線信號的融合定位關鍵技術研究[D];北京郵電大學;2019年

5 米偉娟;基于WiFi的室內(nèi)定位系統(tǒng)的設計與實現(xiàn)[D];河北科技大學;2019年

6 王雅菲;融合PDR與地圖信息的智能手機聲學室內(nèi)定位技術研究[D];浙江大學;2019年

7 高茹晗;基于UWB/IMU組合的室內(nèi)定位技術研究[D];上海師范大學;2019年

8 黃韋維;基于可見光的室內(nèi)定位與追蹤[D];北京郵電大學;2019年

9 薛恒;基于KPCA和PDR的WiFi室內(nèi)定位算法研究[D];太原理工大學;2019年

10 高思遠;基于改進近鄰傳播算法的分區(qū)聚類室內(nèi)定位方法研究[D];太原理工大學;2019年

本文編號：2893177