收藏本站
《浙江大学》 2017年
收藏 | 手机打开
二维码
手机客户端打开本文

面向复杂环境的鲁棒高效的三维注册与结构恢复

刘浩敏  
【摘要】:近年来,人工智能以前所未有的速度迅速发展,并广泛应用于各行各业。在移动机器人、增强现实等应用中,智能设备需要感知自身在真实物理空间中的方位,以及场景的三维结构。基于视频序列的跟踪定位与场景三维感知,仅需普通摄像头即可实现上述功能,是未来移动的智能设备上不可或缺的一项关键技术。这一技术根据实时性需求可以分为离线的运动恢复结构(Structure from Motion,简称SFM),和实时的基于视觉的同时定位与地图构建(Visual Simultaneous Localization and Mapping,简称V-SLAM)。随着应用场景愈发复杂多样,现有的SFM和V-SLAM方法面临着鲁棒性和效率这两大挑战。一方面,基于视觉的SFM和V-SLAM方法在复杂环境中容易失效。比如,现有方法难以鲁棒地处理大尺度场景,或是强烈旋转、快速运动等运动方式,算法稳定性也严重依赖于图像纹理特征的丰富程度。另一方面,由于图像视频在空间和时序上都高度冗余,现有方法需要耗费大量的计算资源,甚至需要借助GPU的并行计算能力,难以应用于计算性能较低的移动设备。随着应用场景尺度的不断增大,现有方法又存在内存和效率的瓶颈。针对上述问题,本文深入研究了复杂环境下的SFM和V-SLAM,提出了一系列SFM/V-SLAM方法和系统,不仅比之前的方法有更高的鲁棒性和效率,而且能够很好地满足实际应用需求。具体来说,本文主要贡献如下:●提出了一套新的面向大尺度场景的运动恢复结构框架,采用基于非连续帧特征匹配的回路检测和闭合,并结合基于分段的集束调整,可以在有限内存下进行大尺度场景的高效全局优化、消除误差累积,实现了大尺度场景多视频序列的高效、高精度三维注册和单目视频序列的实时同时定位与地图构建。●提出了一种基于关键帧的鲁棒高效的单目SLAM方法,采用基于多种单应性的特征跟踪方法和高效的局部地图扩展与优化策略,有效解决了基于关键帧的单目SLAM方法在强旋转和快速运动下的鲁棒跟踪难题,且计算效率明显高于ORB-SLAM和LSD-SLAM等方法,并巧妙地通过视觉方法来模拟IMU数据进行融合优化,进一步提升了运动模糊和特征缺失情况下的鲁棒性。●提出了一种基于RGB-D视频的高效精确的SLAM方法,将低分辨率稠密RGB-D图像对齐和基于稀疏特征点的跟踪结合起来,并采用了一个新颖的增量式集束调整,解决了现有RGB-D SLAM方法计算效率低和精度不够高的问题,而且只用CPU就可以达到强实时的处理速度。
【关键词】:同时定位与地图构建 运动恢复结构 集束调整 特征跟踪 摄像机跟踪 增强现实
【学位授予单位】:浙江大学
【学位级别】:博士
【学位授予年份】:2017
【分类号】:TP391.41
【目录】:
  • 摘要4-6
  • Abstract6-13
  • 第1章 绪论13-53
  • 1.1 SFM和V-SLAM的基本原理14-17
  • 1.2 集束调整17-26
  • 1.2.1 高斯-牛顿算法17-20
  • 1.2.2 稀疏的集束调整20-26
  • 1.3 SFM相关工作回顾26-31
  • 1.3.1 特征匹配26-28
  • 1.3.2 SFM求解28-30
  • 1.3.3 面向大尺度场景的SFM30-31
  • 1.4 V-SLAM相关工作回顾31-44
  • 1.4.1 基于滤波器的方法31-33
  • 1.4.2 基于关键帧集束调整的方法33-36
  • 1.4.3 基于直接跟踪的方法36-40
  • 1.4.4 分析和比较40-44
  • 1.5 近年研究热点与发展趋势44-51
  • 1.5.1 缓解特征依赖45-46
  • 1.5.2 稠密三维重建46-48
  • 1.5.3 多传感器融合48-50
  • 1.5.4 实际应用中的鲁棒性和效率问题50-51
  • 1.6 本文内容及结构51-53
  • 第2章 面向大尺度场景的运动恢复结构53-76
  • 2.1 技术框架53-57
  • 2.2 基于单应性的连续帧特征跟踪57-60
  • 2.3 非连续帧特征匹配60-63
  • 2.4 基于分段的集束调整63-67
  • 2.5 实验结果67-73
  • 2.6 小结73-76
  • 第3章 基于关键帧的鲁棒高效的SLAM方法76-99
  • 3.1 技术框架77-80
  • 3.2 实时跟踪80-84
  • 3.2.1 多种单应矩阵估计81-83
  • 3.2.2 基于多种单应性的特征跟踪83-84
  • 3.3 地图构建84-92
  • 3.3.1 局部地图的扩展与优化85-90
  • 3.3.2 三维平面提取与全局地图优化90-92
  • 3.4 实验结果92-97
  • 3.4.1 计算效率92
  • 3.4.2 定性实验92-95
  • 3.4.3 定量实验95-97
  • 3.4.4 增强现实应用97
  • 3.5 小结97-99
  • 第4章 基于RGB-D的高效精确的SLAM方法99-116
  • 4.1 技术框架100-101
  • 4.2 基于RGB-D的实时跟踪101-105
  • 4.3 基于RGB-D的地图构建105-106
  • 4.4 增量式集束调整106-111
  • 4.5 实验结果111-114
  • 4.6 小结114-116
  • 第5章 总结与展望116-119
  • 参考文献119-133
  • 攻读博士学位期间主要研究成果133-134
  • 致谢134

【相似文献】
中国期刊全文数据库 前10条
1 ;Line-feature-based SLAM Algorithm[J];自动化学报;2006年01期
2 郭剑辉;赵春霞;陆建峰;康亮;;Rao-Blackwellised粒子滤波SLAM的一致性研究[J];系统仿真学报;2008年23期
3 郭剑辉;赵春霞;石杏喜;;一种改进的联合相容SLAM数据关联方法[J];仪器仪表学报;2008年11期
4 郭剑辉;赵春霞;康亮;;SLAM问题中特征相关性研究[J];系统仿真学报;2008年06期
5 Mansour Moniri;Claude C.Chibelushi;;A Sensor-based SLAM Algorithm for Camera Tracking in Virtual Studio[J];International Journal of Automation & Computing;2008年02期
6 季秀才;郑志强;张辉;;SLAM问题中机器人定位误差分析与控制[J];自动化学报;2008年03期
7 郭剑辉;赵春霞;;一种新的粒子滤波SLAM算法[J];计算机研究与发展;2008年05期
8 周武;赵春霞;;一种改进的边缘粒子滤波SLAM方法[J];华中科技大学学报(自然科学版);2008年S1期
9 丁帅华;陈雄;韩建达;;基于局部子图匹配的SLAM方法[J];机器人;2009年04期
10 陈家乾;何衍;蒋静坪;;添加约束的EKF-SLAM算法[J];科技通报;2009年04期
中国重要会议论文全文数据库 前10条
1 ;An SLAM algorithm based on improved UKF[A];第24届中国控制与决策会议论文集[C];2012年
2 Adizul Ahmad;Shoudong Huang;Jianguo Jack Wang;Gamini Dissanayake;;A New State Vector for Range-Only SLAM[A];Proceedings of the 2011 Chinese Control and Decision Conference(CCDC)[C];2011年
3 ;A Hybrid SLAM method for service robots in Indoor Environment[A];中国自动化学会控制理论专业委员会B卷[C];2011年
4 Bo He;Tao Zhang;Guijie Liu;;A New SLAM Algorithm Particle Filter-based for Autonomous Underwater Vehicle[A];proceedings of 2010 3rd International Conference on Computer and Electrical Engineering (ICCEE 2010 no.1)[C];2012年
5 ;AUV SLAM and Closed Loop Research in Large Scale Environment[A];2011年全国通信安全学术会议论文集[C];2011年
6 温丰;柴晓杰;朱智平;董小明;邹伟;原魁;;基于新型人工路标系统的视觉SLAM算法研究[A];第二十九届中国控制会议论文集[C];2010年
7 王宇韬;方勇纯;;鲁棒单目视觉SLAM系统研究[A];中国自动化学会控制理论专业委员会C卷[C];2011年
8 李海洋;李洪波;林颖;刘贺平;杨东方;;基于Kinect的SLAM方法[A];2013年中国智能自动化学术会议论文集(第五分册)[C];2013年
9 Jiantong Cheng;Jonghyuk Kim;Zhenyu Jiang;Weihua Zhang;;Tightly Coupled SLAM/GNSS for Land Vehicle Navigation[A];第五届中国卫星导航学术年会论文集-S9 组合导航与导航新方法[C];2014年
10 ;Simultaneous Localization and Map Building Using Constrained State Estimate Algorithm[A];第二十七届中国控制会议论文集[C];2008年
中国重要报纸全文数据库 前1条
1 肖征荣;好软件少不了它们[N];电脑报;2003年
中国博士学位论文全文数据库 前10条
1 赵一路;人机交互环境下的主动SLAM及相关问题研究[D];复旦大学;2013年
2 康轶非;不依赖GPS定位理论及方法研究[D];北京交通大学;2015年
3 苑全德;基于视觉的多机器人协作SLAM研究[D];哈尔滨工业大学;2016年
4 程见童;基于压缩非线性滤波与图论的同时定位与构图方法研究[D];国防科学技术大学;2015年
5 刘浩敏;面向复杂环境的鲁棒高效的三维注册与结构恢复[D];浙江大学;2017年
6 王道斌;基于天空偏振光的SLAM方法的研究[D];中国科学技术大学;2014年
7 林睿;基于图像特征点的移动机器人立体视觉SLAM研究[D];哈尔滨工业大学;2011年
8 游弋;SLE相关候选基因FCRL3,SLAM的SNP分析及其功能研究[D];第三军医大学;2008年
9 吴叶斌;基于全景视觉的移动机器人SLAM方法研究[D];哈尔滨工程大学;2011年
10 陈晨;基于Sigma点滤波的移动机器人同时定位与地图创建算法的研究[D];北京交通大学;2013年
中国硕士学位论文全文数据库 前10条
1 熊斯睿;基于立体全景视觉的移动机器人3D SLAM研究[D];哈尔滨工业大学;2015年
2 王淮卿;基于互联网与SLAM的移动机器人系统研究[D];哈尔滨工业大学;2015年
3 李贵亚;基于立体视觉的机器人SLAM算法研究[D];哈尔滨工业大学;2015年
4 薛永胜;变电站巡检机器人SLAM算法及其应用研究[D];西南科技大学;2015年
5 赵亮;水下机器人视觉SLAM方法中的图像特征点提取技术研究[D];电子科技大学;2014年
6 胡衡;基于单目视觉的SLAM方法研究[D];新疆大学;2015年
7 黄志明;动态稀疏环境下移动机器人SLAM问题研究[D];北京化工大学;2015年
8 赵新哲;基于改进粒子滤波的分布式SLAM算法研究[D];北京工业大学;2015年
9 李洪臣;单目视觉移动机器人SLAM方法建模与仿真分析[D];电子科技大学;2014年
10 丁洁琼;基于RGB-D的SLAM算法研究[D];西安电子科技大学;2014年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62791813
  • 010-62985026