动态环境下稠密视觉同时定位与地图构建方法研究
发布时间：2022-12-04 22:44
基于视觉的同时定位与地图构建（VSLAM:Visual Simultaneous Localization and Mapping）作为无人机、增强现实、无人驾驶及人机交互等机器人系统的关键技术,其静态环境假设过于理想化。实际的应用场景不可避免会出现运动物体,尤其是一些运动明显的物体往往会违背VSLAM系统的静态环境假设,导致现有的VSLAM系统难以满足实际场景的应用需求。相比特征法VSLAM,基于直接法的稠密VSLAM在弱纹理和模糊场景有更好的鲁棒性和稳定性,但稠密VSLAM更易受动态环境的影响。在动态场景下,现有的稠密VSLAM方法面临着两大挑战。一方面,运动分割方法作为解决动态场景的关键算法,在复杂动态场景下分割的准确性和鲁棒性一直是具有挑战性的问题,现有的基于几何信息的分割方法难以适应高动态场景,而实例语义分割方法又容易引起假阳性过分割,导致基于直接法的位姿估计性能下降。另一方面,对稠密视觉里程计而言,如果动态物体参与到稠密匹配过程会极大地影响相机位姿估计的准确性;对于稠密VSLAM系统而言,动态物体会影响回环检测的准确性,导致错误的回环并降低回环的成功率,动态物体还会破坏位姿...
【文章页数】：144 页
【学位级别】：博士
【文章目录】：
摘要
abstract
符号中英文对照
第1章 绪论
1.1 研究背景与意义
1.2 国内外研究现状与发展趋势
1.2.1 静态场景VSLAM研究现状
1.2.2 动态场景VSLAM研究现状
1.2.3 现有方法存在的问题及分析
1.2.4 动态场景下VSLAM的发展趋势
1.3 研究目标与内容
1.4 研究内容与组织结构
1.4.1 论文的组织结构
1.4.2 论文的创新点
1.5 小结
第2章 VSLAM理论基础
2.1 引言
2.2 VSLAM的基本概念
2.2.1 SLAM简介
2.2.2 VSLAM简介
2.3 相机位姿表达
2.4 相机模型及刚体运动变换
2.5 VSLAM的优化方法
2.6 小结
第3章 动态环境下稠密VSLAM数学模型
3.1 引言
3.2 静态环境下VSLAM数学模型
3.2.1 状态估计模型
3.2.2 图优化模型
3.2.3 回环检测模型
3.3 基于运动分割的稠密VSLAM模型
3.3.1 场景运动物体解析
3.3.2 动态环境下的关联建模
3.4 小结
第4章 动态环境下非参数统计与聚类的稠密视觉里程计
4.1 引言
4.2 整体框架
4.3 基于多帧融合的残差模型
4.3.1 场景聚类
4.3.2 场景残差模型
4.3.3 残差正则化
4.3.4 多帧残差模型
4.4 基于动态阈值的运动分割模型
4.4.1 非参数统计模型
4.4.2 场景运动分割模型
4.5 基于统计的混合权重模型
4.6 基于运动分割的相机位姿估计
4.7 实验结果及分析
4.7.1 相机轨迹估计评价标准
4.7.2 运动分割实验
4.7.3 视觉里程计实验
4.7.4 运行效率实验
4.8 小结
第5章 融合语义对象分割的动态环境下稠密VSLAM方法
5.1 引言
5.2 整体框架
5.3 融合语义对象的前端方法
5.3.1 前端的改进
5.3.2 相机位姿跟踪
5.4 融合语义分割和几何残差的运动分割模型
5.4.1 残差运动分割模型
5.4.2 实例语义分割模型
5.4.3 融合的运动分割模型
5.5 基于关键帧的稠密视觉里程计方法
5.5.1 帧-关键帧匹配
5.5.2 关键帧选取
5.6 基于剪枝的动态环境下后端模型
5.6.1 动态环境下的回环检测
5.6.2 位姿图构建及其优化
5.7 实验结果及分析
5.7.1 运动分割实验
5.7.2 位姿估计实验
5.7.3 运行效率评估
5.8 小结
第6章 总结与展望
6.1 总结
6.2 展望
参考文献
致谢
作者简历及攻读学位期间发表的学术论文与研究成果
本文编号：3709128
【文章页数】：144 页
【学位级别】：博士
【文章目录】：
摘要
abstract
符号中英文对照
第1章 绪论
1.1 研究背景与意义
1.2 国内外研究现状与发展趋势
1.2.1 静态场景VSLAM研究现状
1.2.2 动态场景VSLAM研究现状
1.2.3 现有方法存在的问题及分析
1.2.4 动态场景下VSLAM的发展趋势
1.3 研究目标与内容
1.4 研究内容与组织结构
1.4.1 论文的组织结构
1.4.2 论文的创新点
1.5 小结
第2章 VSLAM理论基础
2.1 引言
2.2 VSLAM的基本概念
2.2.1 SLAM简介
2.2.2 VSLAM简介
2.3 相机位姿表达
2.4 相机模型及刚体运动变换
2.5 VSLAM的优化方法
2.6 小结
第3章 动态环境下稠密VSLAM数学模型
3.1 引言
3.2 静态环境下VSLAM数学模型
3.2.1 状态估计模型
3.2.2 图优化模型
3.2.3 回环检测模型
3.3 基于运动分割的稠密VSLAM模型
3.3.1 场景运动物体解析
3.3.2 动态环境下的关联建模
3.4 小结
第4章 动态环境下非参数统计与聚类的稠密视觉里程计
4.1 引言
4.2 整体框架
4.3 基于多帧融合的残差模型
4.3.1 场景聚类
4.3.2 场景残差模型
4.3.3 残差正则化
4.3.4 多帧残差模型
4.4 基于动态阈值的运动分割模型
4.4.1 非参数统计模型
4.4.2 场景运动分割模型
4.5 基于统计的混合权重模型
4.6 基于运动分割的相机位姿估计
4.7 实验结果及分析
4.7.1 相机轨迹估计评价标准
4.7.2 运动分割实验
4.7.3 视觉里程计实验
4.7.4 运行效率实验
4.8 小结
第5章 融合语义对象分割的动态环境下稠密VSLAM方法
5.1 引言
5.2 整体框架
5.3 融合语义对象的前端方法
5.3.1 前端的改进
5.3.2 相机位姿跟踪
5.4 融合语义分割和几何残差的运动分割模型
5.4.1 残差运动分割模型
5.4.2 实例语义分割模型
5.4.3 融合的运动分割模型
5.5 基于关键帧的稠密视觉里程计方法
5.5.1 帧-关键帧匹配
5.5.2 关键帧选取
5.6 基于剪枝的动态环境下后端模型
5.6.1 动态环境下的回环检测
5.6.2 位姿图构建及其优化
5.7 实验结果及分析
5.7.1 运动分割实验
5.7.2 位姿估计实验
5.7.3 运行效率评估
5.8 小结
第6章 总结与展望
6.1 总结
6.2 展望
参考文献
致谢
作者简历及攻读学位期间发表的学术论文与研究成果
本文编号：3709128
本文链接：https://www.wllwen.com/shoufeilunwen/xxkjbs/3709128.html