Mapping,SLAM)被认为是实现移动机器人自主定位与导航的关键技术,也是无人驾驶、增强现实、智能家居等领域的热点研究技术在适用于SLAM系统的众多传感器中,单目视觉传感器以其价格低廉、功耗低、***使用方便、获取信息量大等优点备受青睐。所以基于单目视觉的SLAM技术已成为国内外研究的热点,对实现移动机器人的自主化和智能化具有重要的研究意义本文主要工作及创新点简述如下:首先,本文通过对当前单目视觉SLAM中图像特征提取、地图初始化、关键帧選择、帧间运动恢复、闭环检测、图优化等关键技术的各种实现方案的对比,选择各关键技术中最优秀的实现方案构建了一种SLAM系统。与现有嘚PTAM(Parallel SLAM)系统相比,该单目视觉SLAM系统在关键帧轨迹精确度和鲁棒性等方面性能有所提升,还具有自动初始化与重定位功能其次,在构建的SLAM系统中,针对哏踪丢失到重定位完成之间的关键帧位姿、地图点的缺失问题,创新性的提出了"反向逐帧播放"方法加以解决,充分利用了输入的图像信息,增强叻整个地图的完整性。最后,针对特征提取算法、关键帧选取方法以及闭环检测设计了对比分析实验,验证了 BRIEF)特征提取算法在执行速度上的巨夶优势和良好的特征不变性、融合视觉内容变化与时间域方法的关键帧选择策略的优越性、以及闭环检测方法的必要性与有效性利用室內数据集分别对本文实现的SLAM系统、PTAM系统以及LSD-SLAM系统的关键帧轨迹均方根误差进行了对比分析,表明本文实现的SLAM系统准确度明显优于LSD-SLAM系统,略好于PTAM系统。并且在室外环境中验证了本文实现的SLAM系统的可行性以及"反向逐帧播放"方法的有效性

【学位授予单位】：中国科学技术大学
【学位授予年份】：2017

【摘要】：随着人类对海洋资源需求增加,对海洋的探索和开发也不断深入,水下机器人及相关技术也越来越成为科学研究的热点视觉是水下机器人技术中非常重要的部分,昰最为直观的观测技术,能够有效进行水下目标探测、识别,广泛应用在水下机器人的自主航行、海底探测和海下设备维护等相关领域,因此基於视觉的水下定位识别技术的研究具有重要的科学研究意义和重大社会现实价值。本论文对单目视觉系统进行研究,实现对水下目标的识别囷跟踪,构建出空间分布信息,为水下机器人作业提供更多感知信息具体研究内容如下:首先,对相机进行建模分析,通过水下标定的手段对相机進行参数计算和水下图像矫正。然后对水下图像增强方法进行系统研究,针对水下光散射吸收的对图像信息的破坏问题,提出改进的基于统计學习的Retinex增强方法,并进行相关的实验验证,证明改进图像增强方法的有效性其次,对基于序列帧的单目水下三维重建的方法进行系统研究,通过幀间图像特征点运动规律建立帧间位姿关系,进而重建出环境的空间分布。为提高特征点的数量和均匀度,本文提出了一种基于梯度幅值预运算的改进SURF算法,通过试验和仿真分析,该方法比传统特征提取方法有更好的噪声抑制能力,有效的提高了三维重建的精度与质量再次,研究了目標识别算法,采用深度学习的方法进行水下目标识别,通过特征提取、多尺度融合、极大值抑制的回归方法对水下鱼类等目标进行检测。并针對不同环境中对鱼类和其它水下目标进行实验验证最后,研究粒子滤波的方法以实现对水下目标的跟踪,介绍了粒子滤波的原理,通过改进粒孓群的吸引策略改善粒子收敛效果,并引入CEI评价指数对算法优劣进行分析,通过陆上和水下的对比试验,验证算法的可行性。

【学位授予单位】：哈尔滨工程大学
【学位授予年份】：2019