基于图像特征的多场景重定位算法研究
发布时间：2022-12-06 06:18
随着智能移动机器人的飞速发展,使机器人能够拥有自主定位及建立地图任务的能力变得十分重要,因此同时定位与建图（Simultaneous Localization And Mapping,SLAM）技术成为了机器人研究领域的重点。目前的SLAM技术都已经能够达到实时的对周围场景进行建图,然而在尺度较大的场景下无法进行SLAM并且众多文献没有明确指出如何使用这些地图,因此在大场景下进行SLAM及复用SLAM地图成为智能移动机器人研究领域亟待解决的问题。通过对现有SLAM技术的分析,着重介绍传统SLAM技术在大尺度场景下的弊端,并对现有的SLAM技术和视觉词汇树算法进行介绍和分析,总结其优缺点,从以下三个方面对现有SLAM技术进行改进。（1）将大场景分割为多个子场景利用RGB-D SLAM对场景进行建图,使用视觉里程计对机器人运动做估计,并建立位姿图,使用图优化原理对位姿图进行全局一致性优化并建立基于多个子场景的拓扑地图。（2）本文引入了使用单词共现矩阵来描述场景,并从图核的角度对单词共现矩阵的相似性度量做出了推导。从而将重定位过程分为两个阶段,先识别场景,再在该场景下的拓扑地图进行重定位。（...
【文章页数】：62 页
【学位级别】：硕士
【文章目录】：
摘要
abstract
第一章 绪论
1.1 研究背景及意义
1.2 研究现状
1.2.1 基于RGB-D的SLAM研究现状
1.2.2 基于图像特征的场景识别研究现状
1.3 本文研究目标与内容
1.3.1 研究目标
1.3.2 研究内容
1.4 章节安排
第二章 SLAM建立场景信息
2.1 KINECT传感器
2.1.1 深度图像获取原理
2.1.2 Kinect空间坐标转换
2.2 视觉里程计
2.2.1 局部特征点的提取和匹配
2.2.2 RANSAC位姿变换估计
2.2.3 利用SVD求解ICP的位姿优化
2.3 后端优化部分
2.3.1 位姿图构建
2.3.2 闭环检测
2.3.3 图优化及建图
2.3.4 大尺度场景下图优化的不足
2.4 本章小结
第三章 基于图像特征的多场景重定位
3.1 视觉词汇树
3.1.1 构建词汇树
3.1.2 词频向量表示图像
3.1.3 词频向量的相似性度量
3.1.4 倒排索引查询图像
3.2 基于图核的场景识别
3.2.1 单词共现矩阵
3.2.2 图核
3.2.3 基于图核的相似性度量
3.3 多场景重定位方法
3.4 本章小结
第四章 算法实验评估
4.1 场景识别对比实验
4.1.1 场景识别实验设计
4.1.2 稀疏阈值λ的影响
4.1.3 视觉单词数量M的影响
4.1.4 图像数量的影响
4.2 多场景采集及重定位实验
4.2.1 实验环境
4.2.2 利用SLAM建立场景
4.2.3 本文算法对比实验
4.2.4 实验结果分析
4.3 本章小结
第五章 总结与展望
5.1 总结
5.2 工作展望
参考文献
读研期间所取得的相关科研成果
致谢
【参考文献】：
期刊论文
[1]一种基于点云地图的机器人室内实时重定位方法[J]. 马跃龙,曹雪峰,陈丁,李登峰,蒋秉川. 系统仿真学报. 2017(S1)
[2]基于RGB-D图像的具有滤波处理和位姿优化的同时定位与建图[J]. 熊军林,王婵. 中国科学技术大学学报. 2017(08)
[3]基于Kinect传感器的三维点云地图构建与优化[J]. 张毅,陈起,罗元. 半导体光电. 2016(05)
[4]基于深度图像技术的手势识别方法[J]. 曹雏清,李瑞峰,赵立军. 计算机工程. 2012(08)
[5]一种改进的粒子滤波SLAM算法[J]. 郭利进,王化祥,孟庆浩,邱亚男. 计算机应用研究. 2008(06)
硕士论文
[1]基于Kinect和视觉词典的三维SLAM算法研究[D]. 龙超.浙江大学 2016
[2]基于RGB-D数据的SLAM算法研究[D]. 吕宪伟.北京理工大学 2016
[3]基于OcTree的SLAM系统地图算法的研究[D]. 刘强强.西安电子科技大学 2016
[4]基于视觉感知的室内场景识别与理解[D]. 周圣云.电子科技大学 2015
[5]基于RGB-D的SLAM算法研究[D]. 丁洁琼.西安电子科技大学 2014
[6]移动机器人主动环境感知及三维场景数字化[D]. 董兵兵.大连理工大学 2013
[7]基于形状上下文的图像内容检索方法研究[D]. 夏荣进.华中科技大学 2011
[8]移动机器人基于激光测距的三维场景重构[D]. 叶迪.大连理工大学 2008
本文编号：3711237
【文章页数】：62 页
【学位级别】：硕士
【文章目录】：
摘要
abstract
第一章 绪论
1.1 研究背景及意义
1.2 研究现状
1.2.1 基于RGB-D的SLAM研究现状
1.2.2 基于图像特征的场景识别研究现状
1.3 本文研究目标与内容
1.3.1 研究目标
1.3.2 研究内容
1.4 章节安排
第二章 SLAM建立场景信息
2.1 KINECT传感器
2.1.1 深度图像获取原理
2.1.2 Kinect空间坐标转换
2.2 视觉里程计
2.2.1 局部特征点的提取和匹配
2.2.2 RANSAC位姿变换估计
2.2.3 利用SVD求解ICP的位姿优化
2.3 后端优化部分
2.3.1 位姿图构建
2.3.2 闭环检测
2.3.3 图优化及建图
2.3.4 大尺度场景下图优化的不足
2.4 本章小结
第三章 基于图像特征的多场景重定位
3.1 视觉词汇树
3.1.1 构建词汇树
3.1.2 词频向量表示图像
3.1.3 词频向量的相似性度量
3.1.4 倒排索引查询图像
3.2 基于图核的场景识别
3.2.1 单词共现矩阵
3.2.2 图核
3.2.3 基于图核的相似性度量
3.3 多场景重定位方法
3.4 本章小结
第四章 算法实验评估
4.1 场景识别对比实验
4.1.1 场景识别实验设计
4.1.2 稀疏阈值λ的影响
4.1.3 视觉单词数量M的影响
4.1.4 图像数量的影响
4.2 多场景采集及重定位实验
4.2.1 实验环境
4.2.2 利用SLAM建立场景
4.2.3 本文算法对比实验
4.2.4 实验结果分析
4.3 本章小结
第五章 总结与展望
5.1 总结
5.2 工作展望
参考文献
读研期间所取得的相关科研成果
致谢
【参考文献】：
期刊论文
[1]一种基于点云地图的机器人室内实时重定位方法[J]. 马跃龙,曹雪峰,陈丁,李登峰,蒋秉川. 系统仿真学报. 2017(S1)
[2]基于RGB-D图像的具有滤波处理和位姿优化的同时定位与建图[J]. 熊军林,王婵. 中国科学技术大学学报. 2017(08)
[3]基于Kinect传感器的三维点云地图构建与优化[J]. 张毅,陈起,罗元. 半导体光电. 2016(05)
[4]基于深度图像技术的手势识别方法[J]. 曹雏清,李瑞峰,赵立军. 计算机工程. 2012(08)
[5]一种改进的粒子滤波SLAM算法[J]. 郭利进,王化祥,孟庆浩,邱亚男. 计算机应用研究. 2008(06)
硕士论文
[1]基于Kinect和视觉词典的三维SLAM算法研究[D]. 龙超.浙江大学 2016
[2]基于RGB-D数据的SLAM算法研究[D]. 吕宪伟.北京理工大学 2016
[3]基于OcTree的SLAM系统地图算法的研究[D]. 刘强强.西安电子科技大学 2016
[4]基于视觉感知的室内场景识别与理解[D]. 周圣云.电子科技大学 2015
[5]基于RGB-D的SLAM算法研究[D]. 丁洁琼.西安电子科技大学 2014
[6]移动机器人主动环境感知及三维场景数字化[D]. 董兵兵.大连理工大学 2013
[7]基于形状上下文的图像内容检索方法研究[D]. 夏荣进.华中科技大学 2011
[8]移动机器人基于激光测距的三维场景重构[D]. 叶迪.大连理工大学 2008
本文编号：3711237
本文链接：https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/3711237.html
