原文传递
面向低光照场景的单目视觉惯性定位算法研究
| 论文题名： | 面向低光照场景的单目视觉惯性定位算法研究 |
| 关键词： | 无人驾驶汽车;低光照场景;视觉惯性里程计;惯性定位;图像增强;深度学习;回环检测 |
| 摘要： | 低光照场景会造成图像缺乏明显的纹理和环境细节，严重影响视觉 SLAM算法对图像特征的提取，导致其在低光照条件下无法完成定位和建图任务。基于直接法的 SLAM算法具有适用于弱纹理场景的优势，并可以建立半稠密点云地图。因此，本文提出基于直接法视觉惯性里程计的改进算法，以提高在低光照场景中的定位精度和建图效果。本文主要工作内容如下： （1）建立了相机的光学成像、小孔成像和相机畸变模型，分析了 IMU 的运动模型并介绍了IMU预积分理论，定义了无人驾驶汽车定位系统的坐标系及转换关系。 （2）针对视觉 SLAM 算法在低光照场景中无法获得充足图像信息的问题，采用基于深度学习的图像增强算法，引入 LED-NET 网络对图像进行低光照增强、去模糊。针对直接法提取的梯度点不具有重复性无法构建词典用于回环检测的问题，通过提取ORB特征点对图像进行特征描述，并采用四叉树算法实现特征点在空间中的均匀分布。 （3）针对视觉惯性定位算法长时间运行存在累积误差的问题，基于在线词袋模型设计了回环检测模块。为避免引入假阳性候选回环帧，采用共视关系约束和对极几何约束进行候选回环帧筛选与验证，并基于此建立误差函数优化当前帧与正确回环帧的位姿变换，最后根据检测的回环约束与相邻关键帧约束进行全局位姿图优化并更新地图点。 （4）对本文提出的改进算法进行实验验证。基于 TUM-VIO 数据集以及4Season 数据集验证本文改进算法在低光照场景下对定位精度的提升。利用4Season数据集中的工业区以及商业园区场景验证本文的回环检测算法的有效性。最后在校园场景进行实车实验，以验证本文改进算法在真实低光照场景中的有效性。数据集实验以及实车实验结果表明，在低光照场景中，本文提出的改进单目视觉惯性定位算法可以提供准确的定位服务，具有较好的应用价值。 |
| 作者： | 鹿道玺 |
| 专业： | 机械 |
| 导师： | 隗寒冰 |
| 授予学位： | 硕士 |
| 授予学位单位： | 重庆交通大学 |
| 学位年度： | 2023 |
检索历史
应用推荐
