高精度實(shí)時(shí)視覺(jué)定位的關(guān)鍵技術(shù)研究.pdf

1、基于機(jī)器視覺(jué)的定位算法是智能移動(dòng)機(jī)器人領(lǐng)域內(nèi)的熱點(diǎn)問(wèn)題，通過(guò)分析包含在圖像序列中的靜態(tài)場(chǎng)景一致性信息，視覺(jué)定位可以幫助移動(dòng)機(jī)器人更準(zhǔn)確地獲得當(dāng)前位置與姿態(tài)信息，保證移動(dòng)機(jī)器人安全、高效地完成指定任務(wù)。
　　本文以大范圍復(fù)雜環(huán)境中移動(dòng)機(jī)器人的高精度實(shí)時(shí)定位為目標(biāo)，圍繞精度、實(shí)時(shí)性、魯棒性三個(gè)關(guān)鍵問(wèn)題進(jìn)行研究。為了準(zhǔn)確估計(jì)機(jī)器人6個(gè)自由度的位姿信息，首先構(gòu)建了基于特征點(diǎn)匹配的雙目立體視覺(jué)里程計(jì)(Visual Odometry,VO)。

2、為了提高定位精度，第二章提出了兩階段局部雙目光束法平差（Two-stagelocal binocular bundle adjustment，TLBBA），充分利用雙目圖像序列中的信息和約束，對(duì)運(yùn)動(dòng)估計(jì)結(jié)果進(jìn)行優(yōu)化。第三章通過(guò)合理設(shè)計(jì)系統(tǒng)中的算法模塊，充分利用計(jì)算資源和算法的可并行性，實(shí)現(xiàn)了可以實(shí)時(shí)工作的雙目立體VO。為了提高復(fù)雜環(huán)境中局部運(yùn)動(dòng)估計(jì)的魯棒性，第四章提出了一種基于自適應(yīng)多特征表觀模型的壓縮特征，通過(guò)跟蹤移動(dòng)機(jī)器人前進(jìn)方向的

3、圖像片（圖像中的子窗口區(qū)域），獲得航向角增量的魯棒估計(jì)值，防止不可靠的運(yùn)動(dòng)估計(jì)結(jié)果對(duì)定位結(jié)果造成影響。為了抑制移動(dòng)機(jī)器人在大范圍環(huán)境中漫游時(shí)定位誤差的累積，提出了基于在線全景圖像路標(biāo)的全局位姿校正算法，有效解決了路徑漂移問(wèn)題。本文的主要工作和創(chuàng)新性研究成果如下:
　　1)提出了一種兩階段局部雙目光束法平差優(yōu)化算法，充分利用圖像序列中的一致性信息，提高了基于特征點(diǎn)匹配的雙目立體VO的定位精度。在該算法的第一階段，對(duì)單步運(yùn)動(dòng)估計(jì)結(jié)果進(jìn)

4、行優(yōu)化，相比基于三維點(diǎn)不確定度的最大似然估計(jì)優(yōu)化，該算法使用誤差分布更加均勻的二維特征點(diǎn)不確定度，而且引入了約束更加豐富合理的雙目模型;在該算法的第二階段，同樣基于雙目模型和特征點(diǎn)不確定度權(quán)重，同時(shí)優(yōu)化滑動(dòng)窗口內(nèi)的運(yùn)動(dòng)參數(shù)與三維結(jié)構(gòu)。與傳統(tǒng)單目模型LBA相比，TLBBA優(yōu)化時(shí)的參數(shù)初始值更加準(zhǔn)確，目標(biāo)函數(shù)的構(gòu)成更加科學(xué)，優(yōu)化精度高。
　　2)提出并實(shí)現(xiàn)了一種實(shí)時(shí)雙目VO系統(tǒng)，為了在保證定位精度的前提下盡量提高處理速度，該VO系統(tǒng)基

5、于GPGPU提取SIFT特征點(diǎn)，基于網(wǎng)格匹配法進(jìn)行特征控制，在運(yùn)動(dòng)估計(jì)時(shí)基于GPGPU實(shí)現(xiàn)RanSaC結(jié)合HORN最小二乘方法。最后，把整個(gè)系統(tǒng)劃分為兩個(gè)線程，進(jìn)行流水線處理:特征匹配線程負(fù)責(zé)特征點(diǎn)提取、匹配和三維點(diǎn)對(duì)重建;運(yùn)動(dòng)估計(jì)線程負(fù)責(zé)運(yùn)動(dòng)估計(jì)、兩階段局部雙目光束法平差(TLBBA)優(yōu)化、累積單步運(yùn)動(dòng)參數(shù)得到機(jī)器人全局位姿。
　　3)提出了一種基于自適應(yīng)多特征圖像片壓縮跟蹤的局部航向角計(jì)算方法，可以在雙目圖像序列缺少一致性特征

6、時(shí)，更魯棒地計(jì)算出移動(dòng)機(jī)器人的航向角變化。為了提高圖像片跟蹤的精度和實(shí)時(shí)性，提出了一種壓縮空間中的自適應(yīng)多特征表觀建模方法:構(gòu)造了稀疏的二級(jí)隨機(jī)測(cè)量矩陣對(duì)SURF特征進(jìn)行壓縮，使原來(lái)單純基于亮度特征的視覺(jué)表達(dá)更加豐富準(zhǔn)確，描述能力更強(qiáng);通過(guò)分析特征對(duì)目標(biāo)和背景的區(qū)分能力，自適應(yīng)地調(diào)整統(tǒng)計(jì)模型內(nèi)特征之間的權(quán)重，抑制冗余、無(wú)用的特征，提高了統(tǒng)計(jì)模型的效率和準(zhǔn)確性。
　　4)提出了一種基于在線全景圖像路標(biāo)的全局位姿校正方法。該方法使用兩