原文传递
基于多焦距组合的动态视觉SLAM算法研究
| 论文题名： | 基于多焦距组合的动态视觉SLAM算法研究 |
| 关键词： | 智能汽车;同时定位与建图;多焦距立体视觉;实例分割;动态对象检测 |
| 摘要： | 同步定位与建图(SimultaneousLocalizationandMapping,SLAM)技术是智能汽车中不可或缺的关键技术之一，在实现自身位姿定位的同时实现地图构建，完成环境感知。标准双目视觉SLAM系统都是基于相同焦距镜头组合的相机作为图像输入，其观测的视野范围一致，且传统的纯视觉SLAM系统假设环境为全局静态，在真实动态环境中的定位和建图可能完全不可信。本文提出了一种基于多焦距的动态视觉SLAM系统，克服了标准双目视觉SLAM系统无法兼顾远距离和宽视野环境感知的缺点，同时还剔除了动态特征点对SLAM的影响。主要的研究内容如下： 1.基于多焦距和Bouguet算法改进出了一种多焦距双目相机的立体标定算法，多焦距标定的立体校正参数可以用于立体校正多焦距图像。在本文的算法中，并不对多焦距图像立体校正，而是对所提取的图像特征点使用立体校正参数进行立体校正。 2.提出了一种基于图像金字塔和四叉树算法的特征提取算法和特征匹配算法。在6mm和12.5mm镜头组合中，本文方法提升比例为85.36%；在12.5mm和16mm镜头组合中，本文方法提升比例为17.74%；在16mm和25mm镜头组合中，本文方法提升比例为31.73%。实验验证能有效的增加多焦距立体特征的匹配数量和稳定性。 3.自制实例分割数据集，分割类别为道路、汽车、人、摩托和骑行者五类。实例分割网络(YouOnlyLookAtCoefficienTs,YOLACT)分割先验潜在动态对象和道路区域，YOLACT在NVIDIARTX2060图像处理器上分割的速度超过25帧，自训练检测权重的平均精准率和均交并比值分别为48.3%和44.4%。 4.结合多视图几何、区域特征流和相对位置三种方法识别实例分割的先验动态对象是否为动态对象，最后剔除位于动态对象表面和边缘的特征点，得到完全静态的特征点用于估计自身位姿，实现在动态环境中鲁棒的估计自身位姿。 5.自制用于多焦距和标准焦距双目的SLAM数据集，针对本文的多焦距动态视觉SLAM算法进行定位精度验证，在智能驾驶数据集KITTI上与现有经典视觉SLAM算法对比实验，并且在自制数据集中同样对本文算法与现有经典视觉SLAM算法对比实验。在KITTI数据集的实验结果表明，本文的多焦距组合动态视觉SLAM算法比ORB-SLAM3的定位误差降低了26.26%，比DynaSLAM的定位误差降低了7.30%。在自建数据集中，本文的多焦距组合动态视觉SLAM算法比ORB-SLAM3的定位误差降低了19.94%，比DynaSLAM的定位误差降低了6.17%。本算法的时间性能是DynaSLAM的四倍，满足10帧的实时性要求。 |
| 作者： | 刘景林 |
| 专业： | 机械工程 |
| 导师： | 冯明驰 |
| 授予学位： | 硕士 |
| 授予学位单位： | 重庆邮电大学 |
| 学位年度： | 2022 |
检索历史
应用推荐
