原文传递
基于双目视觉与IMU的SLAM算法研究
| 论文题名： | 基于双目视觉与IMU的SLAM算法研究 |
| 关键词： | 自动驾驶;即时定位;地图构建;双目视觉;自适应阈值;位姿估计 |
| 摘要： | 随着自动驾驶技术的发展与普及，硬件设备也在向着小型化和成本低廉化的方向发展。在SLAM领域内，信息丰富且价格低廉的相机受到了越来越多人的青睐。但由于纯视觉方案存在一些问题，如严重依赖环境纹理、对光照变化敏感、难以应对速度过快的场景等，因此多传感融合正代替单一传感器成为主流的方案，在这之中，惯性测量单元IMU由于具有短时间内精度极高的特点，因此也得到了广泛的应用。此外在室外大规模建图时，若缺少回环，则不可避免地会造成误差的累积。基于以上问题，本文做了深入的研究并提出了解决方案，以下将分为三个部分进行说明。 （1）本文提出了一种基于自适应阈值的双目误匹配剔除方法。根据双目相机成像模型，一个点的视差与其深度成反比，据此，可以通过限制视差的方法来剔除误匹配点。本文提出了一种根据前序图像自适应变化的视差阈值，该阈值能够根据场景的变化快速调整，通过该阈值可以最大程度上剔除误匹配，从而提高后续位姿估计精度。 （2）本文提出了一种基于OpenStreetMap的位姿及轨迹优化方法。针对大规模无回环建图场景中的误差累积现象，将位姿估计与OpenStreetMap地图结合起来，并将OSM作为先验信息，通过一系列的轨迹匹配、位姿修正及优化等工作，将轨迹限制在OSM地图的可通行区域，从而可以有效地减小误差的累积。 （3）本文根据单目与IMU的融合方法设计了一种双目与IMU融合的方法，首先提出了一种双目视觉与IMU联合初始化的方法，通过视觉初始化、IMU初始化、联合初始化三个阶段实现系统的初始化。并且本文还提出了一种双目视觉与IMU联合优化方法，通过将视觉误差和IMU误差统一到一个框架中，实现视觉与IMU的紧耦合的位姿估计。 最后本文分别对以上三个部分进行了实现及实验验证，其中后两个部分均以ORB-SLAM2作为视觉前端。以上实验分别在KITTI、Euroc等公开数据集上进行并与其他的开源算法进行了比较，实验结果表明了本文方法的有效性。 |
| 作者： | 刘明浩 |
| 专业： | 模式识别与智能系统 |
| 导师： | 孔慧 |
| 授予学位： | 硕士 |
| 授予学位单位： | 南京理工大学 |
| 学位年度： | 2020 |
检索历史
应用推荐
