论文部分内容阅读
基于三维视觉的SLAM技术采用双目或者RGBD相机拍摄的图像为数据输入,通过SLAM技术进行场景地图创建,同时让机器人实时定位。现如今同时定位与地图创建技术发展迅速,在无人驾驶,无人机等方面广泛应用。本文研究重点包括设计一种更高效和鲁棒性的视觉特征提取与匹配算法,以及非线性SLAM优化算法,回环检测算法等关键技术。本文主要内容如下:1、本文对图像特征的提取与匹配算法进行了重点研究,在传统的SLAM视觉匹配算法基础上,新增了贝叶斯网格统计算法。本文利用经典特征提取描述子和贝叶斯网格统计,可以在不失去精度的情况下,加速特征点的匹配,错误匹配点的剔除。实验结果表明融入了贝叶斯网格统计算法后的SLAM框架能够比传统框架达到更佳的计算效率和鲁棒性。2、本文改进了三维视觉SLAM技术中的状态估计算法,对常见的状态估计模型做了量化分析,并指出各自的优缺点。在实际应用过程中,本文采用了光速平差法,通过使用全局时间路标优化了视觉里程计的状态信息,改进了传统的卡尔曼滤波算法。实验结果表明基于光速平差法的状态估计出色的解决了真实场景给SLAM带来的非线性影响,同时兼顾了性能和计算复杂度两个方面。3、本文重构了回环检测算法。在本文的三维视觉SLAM技术方案中,贝叶斯网格统计算法会获取大量的特征点。为了达到工程的实时性和最优性,本文在传统的回环检测算法中,新增信息熵率校验环节,通过调整关键帧的提取步骤,快速过滤掉干扰的图像帧,最后获得三维场景的关键帧。提取关键帧后,本文利用无监督学习的方法构建出关键帧的词袋。实验结果验证了重构后的回环检测算法的合理性,新的回环检测算法适用于本文的SLAM技术方案,同时也保持了同传统算法模型一致的准确度。4、本文完成了三维地图创建,将本文算法方案和经典的SLAM技术方案进行了一系列的测试对比,验证了本文方案的可行性和准确性。在测试对比中,本文在各个算法时间环节都得到了提升,同时鲁棒性也得到了提高。本文方案不足的地方为执行程序时占用的内存较大。随着时代的发展,内存占用问题可以用硬件逐一解决。