水下機(jī)器人視覺(jué)SLAM方法中的圖像特征點(diǎn)提取技術(shù)研究.pdf

1、即時(shí)定位與地圖構(gòu)建(Simultaneous Localization and mapping,SLAM)技術(shù)是移動(dòng)機(jī)器人智能化的關(guān)鍵技術(shù)。近年來(lái),應(yīng)用于水下環(huán)境的SLAM技術(shù)成為研究熱點(diǎn),但是水下環(huán)境因?yàn)榫哂械匦螐?fù)雜、光線昏暗、隨機(jī)干擾多的特點(diǎn)而存在許多的技術(shù)難點(diǎn)。針對(duì)這些問(wèn)題,本文主要以視覺(jué)SLAM系統(tǒng)關(guān)鍵技術(shù)和水下環(huán)境的圖像處理為研究課題,重點(diǎn)研究了SLAM技術(shù)的實(shí)現(xiàn)方法、水下圖像的預(yù)處理問(wèn)題以及水下環(huán)境的特征提取和匹配算法,主要

2、的研究?jī)?nèi)容如下:
　　首先,本文介紹并分析基于視覺(jué)的SLAM實(shí)現(xiàn)方法,建立了基于EKF-SLAM算法的理論模型,通過(guò)Matlab仿真對(duì)比EKF-SLAM算法定位誤差與里程計(jì)定位誤差的差別,并仿真出兩種定位方法繪制的地圖誤差的大小,通過(guò)實(shí)驗(yàn)證明了EKF-SLAM方法的準(zhǔn)確性和可靠性,建立了可靠的EKF-SLAM系統(tǒng)模型。
　　其次,本文研究了水下環(huán)境對(duì)攝像機(jī)成像的影響,分析了成像中的光線折射、散射及吸收現(xiàn)象并提出了相應(yīng)的解決方

3、法。然后,引入了應(yīng)用于霧天的暗原色圖像對(duì)比度增強(qiáng)方法,最終,提出了一種應(yīng)用于水下環(huán)境的暗原色圖像對(duì)比算法,通過(guò)實(shí)驗(yàn)證明了該方法的可行性,為后期的特征提取提供了有效的水下環(huán)境圖像增強(qiáng)方法。
　　然后,本文研究了圖像特征提取的一般方法,分析了各種方法的優(yōu)缺點(diǎn)和在水下環(huán)境中的適用性情況,驗(yàn)證了尺度不變特征轉(zhuǎn)換(Scale-invariant feature transform,SIFT)算法是一種較為合適的水下特征提取算法。隨后,針對(duì)S

4、IFT算法實(shí)時(shí)性差和特征點(diǎn)冗余的缺點(diǎn),提出了基于特征區(qū)域的處理方法,實(shí)驗(yàn)證明該方法對(duì)提高實(shí)時(shí)性有良好的效果。最終,提出了一種有效的特征提取改進(jìn)方法。
　　最后,本文分析了SLAM系統(tǒng)數(shù)據(jù)關(guān)聯(lián)的方法,論證了數(shù)據(jù)關(guān)聯(lián)方法的重要性。針對(duì)數(shù)據(jù)關(guān)聯(lián)中的誤匹配和匹配效率問(wèn)題,提出了將雙目相機(jī)的相對(duì)位置因素和路標(biāo)點(diǎn)位置因素作為輔助條件進(jìn)行關(guān)聯(lián)的方法,實(shí)驗(yàn)證明,加入路標(biāo)的位置信息之后,特征點(diǎn)的關(guān)聯(lián)復(fù)雜度大幅降低,尤其是隨著特征點(diǎn)數(shù)量的增加,特征點(diǎn)