详情

原文传递基于移动增强现实的辅助汽车维修方法研究

论文题名：	基于移动增强现实的辅助汽车维修方法研究
关键词：	移动增强现实;目标识别;跟踪注册;位姿跟踪
摘要：	随着汽车保有量的不断增加，汽车维修行业已经成为了一门重要的工业体系。由于大多数车主都缺乏对汽车相关知识的了解，因此在驾驶过程中遇到故障时都需要将汽车运往修理厂或4s店进行维修。此外，目前大多数汽车维修方法都欠缺合理的维修流程信息和交互方式，因此对于那些不熟悉维修步骤的用户而言，维修效率往往较低。为此，本文提出了一种基于移动增强现实技术的辅助汽车维修方案，通过将虚拟辅助信息叠加到真实维修环境中并可视化，不仅可以提升维修人员的维修效率，还能够大大降低了用户的维修成本。本文的具体研究内容主要包括以下三个方面：　　（1）研究了基于改进YOLOv5s的维修目标识别算法。针对传统的基于图像或点云特征的维修零件识别算法存在着鲁棒性差、计算量大以及对硬件设备要求高等缺点，本文选取了目前在模型推理速度和检测性能方面都较为出色的YOLOv5s轻量级神经网络算法作为维修目标的识别算法，并针对因维修场景中汽车零配件目标混杂、背景复杂而导致的检测精度不高的问题，通过在网络中引入SENet注意力机制来增强目标在复杂背景中的特征表征能力。此外，还采用了K-Means算法对自制的汽车零配件数据集重新聚类来获得最佳尺寸的初始锚框。最后通过模型训练和测试，结果表明改进后的网络识别精度大大提升，同时也满足系统实时性要求。　　（2）研究并设计了基于单目视觉惯性SLAM的增强现实跟踪注册技术。在视觉前端中，针对ORB特征点提取不均匀的问题，采用了一种基于动态阈值和分层四叉树的均匀ORB特征提取算法。针对当前视觉惯性初始化中普遍存在的初始化参数不全以及初始化速度较慢的问题，研究了一种基于最大后验估计的视觉惯导联合初始化方法，可以在5s内实现快速初始化并能一次性初始化所有参数。在SLAM后端中采用了一种基于滑动窗口的非线性优化方法对系统位姿状态进行估计，并通过建立关键帧筛选机制和边缘化操作来维持系统计算量的恒定。此外，采用了一种基于BoW（词袋模型）的回环检测方法进行回环检测。最后在EuRoc标准数据集中进行实验，并与经典的VINS算法进行实验对比，实验结果表明本文提出的方法具有更高的位姿跟踪精度。　　（3）在智能手机上开发了基于增强现实的辅助汽车维修应用。将本文提出的维修目标识别算法和单目视觉惯性SLAM算法融合，实现了SLAM系统对维修目标的实时跟踪，并将融合算法以动态链接库的形式导入Unity3D渲染引擎，将SLAM系统计算的位姿结果作为Unity3D中虚拟相机的输入，在虚拟相机中完成了真实世界与虚拟世界的融合。最后在Unity3D上开发了增强现实辅助汽车维修应用，并打包部署到智能手机上，实现了虚拟维修引导信息和动画的渲染与注册。
作者：	张小凯
专业：	仪器仪表工程
导师：	孙立博
授予学位：	硕士
授予学位单位：	东南大学
学位年度：	2022