面向LBS的機(jī)器視覺(jué)協(xié)助的智能手機(jī)慣性導(dǎo)航研究.pdf

1、近些年來(lái)，隨著智能手機(jī)和移動(dòng)互聯(lián)網(wǎng)的不斷發(fā)展，LBS技術(shù)（Local Based Services，基于位置的服務(wù)）受到越來(lái)越多的關(guān)注。慣性導(dǎo)航技術(shù)作為定位技術(shù)的一種補(bǔ)充形式，在LBS中起著重要的作用。慣性導(dǎo)航是利用IMU（Inertial Measurement Unit，慣性測(cè)量元件）測(cè)量的數(shù)據(jù)，通過(guò)濾波和積分方法計(jì)算運(yùn)載體運(yùn)動(dòng)、姿態(tài)和位置信息，從而達(dá)到對(duì)運(yùn)載體的定位。智能移動(dòng)設(shè)備的慣性導(dǎo)航給智能機(jī)器人、室內(nèi)導(dǎo)航、增強(qiáng)現(xiàn)實(shí)和互動(dòng)娛樂(lè)

2、等領(lǐng)域提供了技術(shù)支持。然而，智能手機(jī)中的慣性元件由于其自身原因，往往存在誤差偏差大、誤差因素不確定的情況。慣性測(cè)量元件的單一導(dǎo)航漂移現(xiàn)象嚴(yán)重，導(dǎo)航精度很低，無(wú)法在實(shí)際工程中應(yīng)用。
　　針對(duì)這一情況，本文提出了一種利用計(jì)算機(jī)視覺(jué)協(xié)助的智能手機(jī)慣性導(dǎo)航算法。本文通過(guò)對(duì)SFM（Structure From motion，從運(yùn)動(dòng)到結(jié)構(gòu)）問(wèn)題進(jìn)行求解對(duì)特征點(diǎn)進(jìn)行三維重建，然后利用移動(dòng)端的 GPU加速技術(shù)實(shí)現(xiàn)對(duì)特征點(diǎn)的實(shí)時(shí)跟蹤，最后通過(guò)PnP

3、（Perspective n points，n點(diǎn)透視）問(wèn)題求解得到的移動(dòng)設(shè)備的位移偏量和姿態(tài)偏量，以實(shí)現(xiàn)視覺(jué)定位。將視覺(jué)定位用以協(xié)助和修正慣性導(dǎo)航的結(jié)果。經(jīng)過(guò)實(shí)驗(yàn)表明，本文提出的算法能在一定程度上修正慣性導(dǎo)航漂移情況，提高慣性導(dǎo)航的精確性。本文的主要工作包括：
　　1.對(duì)智能手機(jī)中的慣性元件（加速度計(jì)、陀螺儀和磁力計(jì)）及其工作原理進(jìn)行介紹，對(duì)傳統(tǒng)的慣性導(dǎo)航系統(tǒng)算法和誤差來(lái)源進(jìn)行介紹，并在此基礎(chǔ)上利用零速檢測(cè)算法實(shí)現(xiàn)智能手機(jī)的慣性導(dǎo)

4、航。
　　2.對(duì)計(jì)算機(jī)視覺(jué)中SFM和PnP問(wèn)題描述及其理論基礎(chǔ)進(jìn)行了介紹。利用特征點(diǎn)提取算法對(duì)二視圖的稀疏特征點(diǎn)進(jìn)行提取，并通過(guò)金字塔Lucas-Kanade光流法對(duì)提取出的特征點(diǎn)跟蹤匹配，最后通過(guò) PnP問(wèn)題的求解實(shí)現(xiàn)智能手機(jī)的視覺(jué)定位。
　　3.從理論方面對(duì)卡爾曼濾波算法進(jìn)行了詳細(xì)的介紹，給出計(jì)算機(jī)視覺(jué)輔助慣性導(dǎo)航的卡爾曼濾波模型，并利用該模型對(duì)慣性導(dǎo)航數(shù)據(jù)和計(jì)算機(jī)視覺(jué)匹配的運(yùn)動(dòng)信息進(jìn)行數(shù)據(jù)融合。
　　4.對(duì)Ope