论文部分内容阅读
在森林资源调查中,林木定位是一项重要的工作,关系到固定样地的建立、林分密度的测定、林木分布图的绘制等其他工作的展开。在当前的林木定位方法中,虽然基于固定测量点的林木定位方法定位精度高,但因林木间的相互遮挡而无法定位到离测量点较远的林木;基于GPS的林木定位方法可以定位到任意处的林木,但由于林区中树荫遮挡的干扰,无法获得较高的定位精度。因此在林木定位这方面,急需引进新技术来突破当前的技术瓶颈。在移动机器人领域中,视觉与惯导融合的SLAM技术能够以较高的精度和鲁棒性实现机器人的自定位与大规模的环境地图构建。森林资源调查中的林木定位问题可以理解为以林木坐标为地图元素的地图构建问题。为了实现大范围、高精度的林木定位,本文借鉴移动机器人领域中视觉与惯导融合的SLAM技术,研究一种基于立体视觉与惯导融合的林木定位方法。首先,为了实现立体视觉与惯导融合的SLAM系统,研究了基于特征点法的双目立体视觉SLAM技术。在重点研究了特征点提取与匹配、Perspective-n-Point(PnP)求解、Bundle Adjustment(BA)优化以及回环检测几大模块后,对开源项目ORBSLAM2进行了移植并作落地测试,完成了双目立体视觉SLAM系统的实现。其次,在双目立体视觉SLAM系统的基础上进行与惯导的融合。在建立了惯导的运动学模型后,针对IMU采样频率和相机采样频率不一致而导致视觉与惯导融合困难的问题,引入了 IMU预积分技术。采用联合优化IMU预积分误差与视觉重投影误差的方式实现双目立体视觉SLAM与惯导的融合。通过实地对比实验表明,在同一实验条件下融合惯导后的双目立体视觉SLAM系统比纯视觉情况下在位姿估计的精度和鲁棒性方面有明显提升。最后,为了实现将双目立体视觉与惯导融合的SLAM系统用于林木定位,借鉴迭代的思路,重点研究了一种基于颜色特征的自适应阈值林木树干识别方法。借助SLAM系统实时提供的双目相机位姿,将识别到的树干在相机坐标系下的坐标变换为参考坐标系下的坐标,实现对林木的全局定位。选定30m × 30m的林地进行林木定位实验,实验结果表明,所提方法能对林地内任意处林木进行定位,不存在基于固定测量点的林木定位方法受林木间相互遮挡影响而无法对任意林木进行定位的问题。在定位误差方面,最大误差为2.08m,最小误差为0.15m。平均误差为0.96m,与基于GPS的林木定位方法相比,定位误差较小。所提林木定位方法是一种在定位范围与定位精度上折中的方案,为森林资源调查领域中的林木定位问题提供了一种全新的技术思路。