立體視覺里程計(jì)中的空間不確定度.pdf

1、本文從不確定度的角度評價(jià)視覺里程計(jì)的性能,以及如何利用不確定度知識提高里程計(jì)的精度,都是值得研究的課題。本文立足立體視覺里程計(jì),針對其中的一些核心算法,進(jìn)行了嚴(yán)密的不確定度分析和論證,并結(jié)合不確定度的相關(guān)信息,提出對里程計(jì)的改進(jìn)算法,提高里程計(jì)的精度。主要內(nèi)容為:
　　 1.本文首先介紹了立體視覺的基本原理和本文要研究的立體視覺里程計(jì)算法流程,包括特征點(diǎn)的提取,特征匹配和跟蹤,最小二乘運(yùn)動估計(jì)和RANSAC去除誤配點(diǎn)等。

2、　　 2.本文研究了圖像特征點(diǎn)的不確定度。文章總結(jié)了尺度不變的特征提取算法的一般框架,并基于該框架給出了特征點(diǎn)提取的方差傳遞公式,然后以SIFT為例進(jìn)行了仿真實(shí)驗(yàn)的驗(yàn)證,并和現(xiàn)有方法進(jìn)行了對比。
　　 3.運(yùn)動估計(jì)是視覺里程計(jì)的一個關(guān)鍵問題。圖像特征點(diǎn)的不確定度首先通過三角化公式傳遞給三維點(diǎn),得到三維點(diǎn)定位的不確定度,文章分別用基于導(dǎo)數(shù)的線性方差傳遞方法和無味變換的非線性方法對這個問題進(jìn)行了求解,推導(dǎo)中運(yùn)用到了矩陣攝動理論求解

3、特征向量導(dǎo)數(shù)的知識。單一的運(yùn)動參數(shù)傳遞不足以解決里程計(jì)不確定度的問題,因此文章接下去又考慮了關(guān)于一類RANSAC算法估計(jì)參數(shù)的不確定度。本文基于Bayesian理論提出一種新的算法用來估計(jì)這類數(shù)據(jù)量龐大的不可微系統(tǒng)的不確定度傳遞,在實(shí)驗(yàn)驗(yàn)證中取得了良好效果。再根據(jù)逐步運(yùn)動的累積,推導(dǎo)出了里程計(jì)定位的不確定度公式,并在實(shí)際實(shí)驗(yàn)中證明了算法的有效性。
　　 4.結(jié)合特征點(diǎn)不確定度的研究,文章提出了一種結(jié)合圖像特征點(diǎn)不確定度的最大似然