3D可視搜索的室內(nèi)導(dǎo)航算法及其系統(tǒng)實(shí)現(xiàn).pdf

1、自主導(dǎo)航是智能移動(dòng)機(jī)器人核心技術(shù)，以模仿人類認(rèn)知方式的視覺自主導(dǎo)航成為自主導(dǎo)航的研究趨勢(shì)。目前視覺導(dǎo)航算法都需要搭載高成本和高運(yùn)算能力的處理器才能實(shí)現(xiàn)圖像實(shí)時(shí)處理，而且在視覺特征不夠豐富的場(chǎng)景容易定位失敗，同時(shí)，由于定位誤差大導(dǎo)致重構(gòu)的3D模型精度低。本文針對(duì)這些問題，提出了云框架下的低成本機(jī)器人視覺自主導(dǎo)航算法，圍繞云框架下的基于共視圖的機(jī)器人高精度定位和高精度稠密點(diǎn)模型即時(shí)構(gòu)建兩個(gè)方面展開研究，主要貢獻(xiàn)如下。
　　針對(duì)目前機(jī)器

2、人視覺自主導(dǎo)航都需要搭載高成本處理器的問題，本文提出了云框架下的低成本機(jī)器人視覺自主導(dǎo)航算法。以三層結(jié)構(gòu)的云框架來構(gòu)建一個(gè)基于視覺特征和3D幾何結(jié)構(gòu)特征的定位以及稠密點(diǎn)模型重建的系統(tǒng)，包括機(jī)器人客戶端和本地服務(wù)器端，以及私有云端。將高精度定位算法和3D模型重構(gòu)算法放在強(qiáng)運(yùn)算能力的服務(wù)器端，粗定位算法放在低成本的機(jī)器人客戶端。云框架的算法結(jié)構(gòu)在保證了高精度的定位和建模的前提下，降低了機(jī)器人對(duì)處理器配置的依賴，機(jī)器人搭載更少的內(nèi)存和更弱的運(yùn)

3、算能力的處理器，也能實(shí)時(shí)定位。
　　針對(duì)機(jī)器人在視覺特征少的場(chǎng)景容易定位失敗的問題，本文提出了基于視覺特征和幾何結(jié)構(gòu)特征相結(jié)合的定位算法。在視覺特征豐富的地方，采用基于視覺特征來定位，當(dāng)機(jī)器人視覺特征定位和重定位都失敗之后，啟用基于幾何結(jié)構(gòu)特征定位算法來估計(jì)當(dāng)前機(jī)器人位置。同時(shí)，加入共視圖構(gòu)建關(guān)鍵幀間，關(guān)鍵幀與3D特征點(diǎn)的約束，通過局部捆綁來優(yōu)化局部關(guān)鍵幀和3D特征點(diǎn)的位置，抑制位置累計(jì)誤差，通過可視搜索快速查找閉環(huán)幀，利用全局捆

4、綁來優(yōu)化整個(gè)3D特征點(diǎn)和所有關(guān)鍵幀。云框架下的自主導(dǎo)航系統(tǒng)需要網(wǎng)絡(luò)通訊來聯(lián)系機(jī)器人客戶端與本地服務(wù)器端，針對(duì)網(wǎng)絡(luò)時(shí)延甚至異常等不可避免的情況，本文在機(jī)器人端加入局部共視圖來增加機(jī)器人定位對(duì)網(wǎng)絡(luò)問題的容錯(cuò)性。
　　針對(duì)傳統(tǒng)3D模型重建算法重建出來的模型精度差的問題，本文提出了基于關(guān)鍵幀的3D稠密點(diǎn)模型即時(shí)構(gòu)建算法。通過點(diǎn)融合，把高精度的關(guān)鍵幀加入到稠密點(diǎn)模型中。同時(shí)，引入深度相機(jī)的深度測(cè)量誤差模型估計(jì)關(guān)鍵幀的自信度，以及閉環(huán)矯正來提