动态环境下融合语义信息的视觉SLAM算法研究

发布时间：2022-01-01 17:35

　　视觉SLAM已广泛应用在仓储物流、AR/VR、无人机、自动驾驶等领域,目前已有的视觉SLAM方法多是假设物体静止,或是将场景中的动态特征当作异常值剔除。本文针对实际环境中动态物体会引起SLAM算法位姿估计不准确、无法构建全局一致地图的问题,提出了融合Mask R-CNN的多视图几何动态目标检测算法,并在此基础上构建了新的鲁棒视觉SLAM系统结构;为了进一步提高系统实时性及减少动态目标的误检测,提出了动态概率融合的DPF-SLAM算法。具体研究内容如下:首先,针对动态目标检测存在的漏检问题,提出了融合Mask R-CNN的多视图几何动态目标检测算法。采用Mask R-CNN网络对输入图像进行语义分割,将分割结果中的潜在动态目标标记为动态目标。并利用动态点与静态点在相机投影中的差异,融合光度误差、深度误差和重投影误差三项误差值为每一个特征点分配动态权重值,以此权重值筛选场景中动态特征点。利用筛选出的动态特征点为种子点,采用区域生长算法分割完整目标,将分割结果与Mask R-CNN检测结果融合完成最终的动态目标分割。实验结果表明,所提算法在TUM数据集的场景中取得了较好的动态目标分割效果。其... 

【文章来源】：燕山大学河北省

【文章页数】：76 页

【学位级别】：硕士

【部分图文】：

本文研究内容态概率融合算法完成动态目标分割

第2章动态环境下移动物体分割-11-图2-1针孔相机模型投影点P坐标为T[X,Y,Z]，投影点在像素坐标下坐标为Tp[u,v]。并定义此刻相机位姿为cwT（表示世界坐标系到相机坐标系变换关系，又称为相机外参，由旋转矩阵cwR和平移cwt组成）。三维空间点wP到相机坐标系下坐标点P变换关系如下：cwwcwwcwPTPRPt(2-1)由此可得空间点在相机坐标系下坐标，依据图2-1所示以及相似三角形关系，可得如下关系式：ZXYfXY(2-2)式中，负号表示由针孔相机模型所成的像是倒立的，但是实际的应用中采集的图片是正立的，这是因为相机制作过程中已经加入了图像翻转的机制。因此为了更加符合实际应用以及便于理解，在几何建模时通常将成像平面放在相机的前面，如图2-2所示，这样的图像预处理方式是合理的。图2-2对称成像平面消去式(2-2)中的负号，进而可以得到投影点在成像平面坐标系中坐标为：XXfZYYfZ(2-3)

第2章动态环境下移动物体分割-11-图2-1针孔相机模型投影点P坐标为T[X,Y,Z]，投影点在像素坐标下坐标为Tp[u,v]。并定义此刻相机位姿为cwT（表示世界坐标系到相机坐标系变换关系，又称为相机外参，由旋转矩阵cwR和平移cwt组成）。三维空间点wP到相机坐标系下坐标点P变换关系如下：cwwcwwcwPTPRPt(2-1)由此可得空间点在相机坐标系下坐标，依据图2-1所示以及相似三角形关系，可得如下关系式：ZXYfXY(2-2)式中，负号表示由针孔相机模型所成的像是倒立的，但是实际的应用中采集的图片是正立的，这是因为相机制作过程中已经加入了图像翻转的机制。因此为了更加符合实际应用以及便于理解，在几何建模时通常将成像平面放在相机的前面，如图2-2所示，这样的图像预处理方式是合理的。图2-2对称成像平面消去式(2-2)中的负号，进而可以得到投影点在成像平面坐标系中坐标为：XXfZYYfZ(2-3)

【参考文献】：
期刊论文
[1]基于图优化的同时定位与地图创建综述[J]. 梁明杰,闵华清,罗荣华.  机器人. 2013(04)



本文编号：3562513