現(xiàn)階段 SLAM(Simultaneous Localization And Mapping,即時定位與地圖構(gòu)建)技術(shù)發(fā)展非常迅速,已經(jīng)充分運用在機器人、無人駕駛、無人機等多個領(lǐng)域。其中通過低空無人機視頻實時地提供地面地形數(shù)據(jù),在大場景視頻圖像拼接、場景三維重建及其量測、典型災(zāi)害目標自動識別和分析等實際工作中均有重要的意義。相較于一般場景,低空無人機視頻具有場景復(fù)雜、存在抖動模糊、拍攝角度變化小以及相鄰幀之間重疊區(qū)域大等特點,這使得設(shè)計一種針對于低空無人機視頻實時處理的技術(shù)方案顯得非常必要。本文從視覺里程計、后端優(yōu)化和回環(huán)檢測三個方面介紹了已有方法的原理及其優(yōu)缺點,最終選擇ORB-SLAM作為基本的技術(shù)框架。以針對低空無人機視頻的實時處理為主要目的從兩個方面對其進行改進:1)在關(guān)鍵幀選取中增加了模糊度檢測,用于剔除低空無人機視頻中因為抖動而引起的運動模糊。加入相位相關(guān)法步驟用于檢測是否位于航跡拐彎位置,并估計出幀之間的重疊度。利用重疊度剔除與上一關(guān)鍵幀重疊度過高的幀,從而減少視覺里程計步驟中提取匹配特征的次數(shù)以提高處理效率;2)在圖優(yōu)化中,以包含圖片整體信息的新權(quán)重替代原本僅基于特征點匹...

【文章頁數(shù)】：72 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖１－１經(jīng)典ＳＬＡＭ框架

我們獲得物體的遠近信息，但這仍然是一個相對值。所以單目ＳＬＡＭ估計的軌??跡和地圖，與真實世界相差一個統(tǒng)一的比例，稱之為尺度（Ｓｃａｌｅ）。??經(jīng)典的視覺ＳＬＡＭ框架如圖１－１所示，主要包含了視頻信息讀取，視覺里??程計，后端優(yōu)化，回環(huán)檢測以及建圖五個部分。其中視覺里程計（Ｖｉｓ....

圖１－２?０ＲＢ－ＳＬＡＭ２在ＣｏｎｖｉｓｉｂｉｌｉｔｙＧｒａｐｈ上進行圖優(yōu)化，大大增加計算的效率

取以及一次一幀與一個局部地圖間的特征匹配，是制約處理速度最關(guān)鍵的步驟。??優(yōu)化部分，ＯＲＢ－ＳＬＡＭ采用的方法是將新的關(guān)鍵幀加入到Ｃｏｎｖｉｓｉｂｉｌｉｔｙ??Ｇｒａｐｈ時會進行一次局部的優(yōu)化，每隔《幀會進行一次全局的優(yōu)化，如圖１－２所??示（Ｒａｄ，?２０１６）。但是幀與幀之間....

圖2-1Yt典視覺SLAM棍架流程圖

里程計（Ｖ０）??里程計的目標是獲取相鄰幀之間的相機位姿變換關(guān)系。類似于人變換估計自身的運動，計算機也能通過視頻幀中內(nèi)容的變化進即是通過對視頻幀中像素點的跟蹤來計算相鄰時刻的運動，這了同名點的獲取以及根據(jù)同名點在相鄰幀中位置的變化估計相點的提取與匹配??８??

圖２－２?Ｏｒｉｅｎｔｅｄ?ＦＡＳＴ角點的提取??在ＯＲＢ特征中對原始的ＦＡＳＴ算法進行一些改進，首先確定需要提取的角??

?第２章經(jīng)典視覺ＳＬＡＭ框架與改進??經(jīng)典視覺ＳＬＡＭ框架流程如圖２－１所示（本文主要研究的是基于特征點的??方法，直接法不做過多討論）：??＊ｒ－ｆ，ｎ?Ｘ?＾?上一關(guān)鍵幀或??膽口入＃?｜?局部地圖??提取特征??＇．?１?＇??．??４?特征匹配????！????｜?廣?、....

本文編號：4056314