版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領
文檔簡介
1、隨著移動機器人的逐步普及與發(fā)展,機器人技術被譽為21世紀極具發(fā)展?jié)摿Φ氖箢I域之一,然而作為機器人的關鍵技術之一的同時定位與地圖創(chuàng)建(Simultaneous Localization and Mapping,SLAM)技術的研究具有很大的挑戰(zhàn)性。傳統(tǒng)解決SLAM問題,一般采用卡爾曼濾波或者粒子濾波等濾波器方法,但這種方法存在誤差積累的問題,并不適用于大規(guī)模地圖的創(chuàng)建。隨著SLAM的研究的深入,近年來出現(xiàn)的基于圖優(yōu)化理論的SLAM技術能
2、很好的解決大規(guī)模建圖時的誤差積累問題。但是圖優(yōu)化SLAM在計算傳感器位姿、閉環(huán)檢測以及圖優(yōu)化框架等研究上仍存在很多問題?;谶@個現(xiàn)狀,本文在采用Kinect等RGB-D傳感器的基礎上提出了一種基于視覺詞典(bag-of-visual words,BVW)的三維SLAM算法,提高了整體算法的魯棒性。
首先,本文仔細分析了常用特征的原理和優(yōu)缺點,及針對室內場景下的特征選取原則。最終本文采用基于GPU加速的SURF特征,提高了特征提
3、取速度和極端場景的魯棒性。在圖像特征匹配上,本文提出了一種多策略組合的匹配算法,相對于傳統(tǒng)的基于隨機抽樣一致性(Random Sample Consensus,RANSAC)的匹配算法,通過原理簡單的交叉匹配和k近鄰(k-Nearest Neighbor,kNN)匹配算法有效縮小了RANSAC匹配算法的初始匹配點對,提高了匹配的速度。
在計算相機位姿時,常規(guī)的透視N點法(Perspective N Point,PnP)較依賴最
4、終的特征匹配點對。而迭代最近點算法(Iterative Closet Point,ICP)算法收斂較慢,容易陷入局部最小值。本文提出一種基于隨機抽樣一致性的奇異值分解算法和通用迭代最近點算法(Generalized-ICP,G-ICP)的組合算法計算相機位姿。由于同時利用了圖像特征和點云,提高了在極端場景下位姿計算的魯棒性。
相比于圖優(yōu)化SLAM中常用的基于隨機檢測和KD樹(K-Dimensional Tree,KD-Tree
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
- 6. 下載文件中如有侵權或不適當內容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于Kinect與單目視覺SLAM的實時三維重建算法的實現(xiàn).pdf
- 基于Kinect的密集視覺里程計SLAM算法研究.pdf
- 基于Kinect的三維手勢識別算法研究.pdf
- 基于Kinect的室內三維場景構建算法研究.pdf
- 基于單目視覺SLAM的三維場景實時重建.pdf
- 基于Kinect的玉米植株三維骨架提取算法研究.pdf
- 基于Kinect的三維重建.pdf
- 基于 kinect三維重建的
- 基于Kinect的三維重建中匹配算法的優(yōu)化研究.pdf
- 基于Kinect的三維場景重建研究.pdf
- 基于視覺的三維指尖檢測算法和應用.pdf
- 基于Kinect的三維多手指踴躍算法及應用.pdf
- 基于Kinect的三維手語識別.pdf
- 基于單目視覺的slam算法研究
- 基于單目視覺的SLAM算法研究.pdf
- 基于KINECT的三維照相館研究.pdf
- 基于kinect的三維重建方法研究.pdf
- 結合Kinect的雙目視覺場景三維重建.pdf
- 基于Kinect深度信息的實時三維重建和濾波算法研究.pdf
- 基于kinect 的三維物體重建
評論
0/150
提交評論