基于单目视觉与惯导融合的室内定位算法研究

发布时间：2024-05-18 01:22

　　近年来,随着人工智能的快速发展,自主移动机器人相关技术受到了广泛关注。研究移动机器人在未知环境中的定位方法,对提高其小型化、自主化、智能化具有重要意义。其中视觉传感器因其低廉的价格和丰富的信息,在移动机器人领域得到广泛的应用。但是以视觉为主的定位方法由于图像模糊、运动过快和视觉缺失等因素引起的误差,不能保证其准确度。针对上述问题,本文基于单目视觉与惯导信息融合,对移动机器人室内定位算法进行研究。论文的主要内容包括以下几个部分:首先,对视觉信息与惯导信息融合的研究背景和研究现状做了概述。并对视觉惯性融合基础理论做了介绍,包括常用的相机模型、坐标系转换和姿态描述以及基于优化的SLAM基本原理。其次,针对移动机器人的位姿估计问题,给出了一种单目视觉与惯导融合的方法。该算法包括前端和后端两部分,其中视觉前端采用Harris角点进行检测和跟踪,惯性单元的前端则采用预积分对陀螺仪和加速度数据进行处理。在算法的后端通过紧耦合的方式优化滑动窗口内的IMU测量残差、视觉测量残差以及先验信息,估计出移动机器人的位姿信息。通过实验验证了该算法的有效性,同时发现该算法对旋转误差较大的缺点。然后,为提高室内环境...

【文章页数】：80 页

【学位级别】：硕士

【部分图文】：

图3-7视觉惯性初始化示意图

哈尔滨工业大学工程硕士学位论文-34-的对齐，其校准过程如图3-7所示，通过视觉的位姿估计来校正IMU的零偏，通过IMU的位姿计算来估计视觉位姿的尺度信息，在校准对齐的过程中，得到后端优化的初值，并将其发送到基于优化的紧耦合后端，完成系统初始化。图3-7视觉惯性初始化示意图3.6....

图3-8Harris角点检测与跟踪

哈尔滨工业大学工程硕士学位论文-38-（a）书桌角点检测（b）走廊角点检测（c）KLT光流法跟踪书桌角点（d）KLT光流法跟踪走廊角点图3-8Harris角点检测与跟踪由上面实验可以得知，当环境纹理清晰时提取的角点质量较高分布均匀，而在纹理比较弱的环境中，角点提取质量并不高且易聚....

图3-9点特征提取与跟踪图

哈尔滨工业大学工程硕士学位论文-39-3.7.2公开数据集测试本次实验的测试主要是在EuRocMAV数据集上进行，EuRoc数据集是在微型飞行器（MAV）上收集的视觉惯性数据集，其包含立体声图像，同步的IMU测量以及准确的运动和结构真实值。数据集包含的场景比较丰富包括了两个普通房....

图3-10MAV三维坐标实验图

哈尔滨工业大学工程硕士学位论文-40-可以比较稳定地跟踪特征点。在后端优化中将视觉特征点信息、IMU预积分信息和先验信息统一进行优化。可获得MAV的位姿和路标点的三维坐标实验效果图如下：图3-10MAV三维坐标实验图为了进行定量评估，选择绝对位姿误差（APE）作为评估指标，它直接....

本文编号：3976246