【摘 要】
：
在这个快速发展和快节奏的社会环境中,人类的日常生活变得越来越智能化。如何实现真正的智能化,移动机器人将更多替代人类的工作,让移动机器人在实际环境下完成任务,需要其可以识别自身在环境中的位置,可见让移动机器人完成定位和建图具备很现实的意义。然而SLAM（Simultaneous Localization and Mapping）技术的发展恰恰很适合应用在定位和建图中。SLAM技术将理论方法引入移动机
论文部分内容阅读
在这个快速发展和快节奏的社会环境中,人类的日常生活变得越来越智能化。如何实现真正的智能化,移动机器人将更多替代人类的工作,让移动机器人在实际环境下完成任务,需要其可以识别自身在环境中的位置,可见让移动机器人完成定位和建图具备很现实的意义。然而SLAM（Simultaneous Localization and Mapping）技术的发展恰恰很适合应用在定位和建图中。SLAM技术将理论方法引入移动机器人的定位和测绘中,使移动设备能够完成同步定位和测绘工作。作为SLAM系统的前端,视觉里程计的主要功能是负责定位,主要任务是为SLAM的后端提供高质量的初始值,在后端通过复杂的计算和分析图像序列,以此来确定机器人在环境中的位姿。基于深度相机的视觉里程计具备的优势就在于,通过相机就可以得到自身与被拍摄对象之间的深度信息,无需利用复杂计算求解,这样就大大缩短了视觉里程计的计算时间,提高了效率。本文对视觉里程计前端模块进行了系统的研究,并针对模块中的特征提取、特征匹配存在的错误匹配结果和运动轨迹误差等问题进行了深入研究。具体研究内容及改进工作安排如下:首先,介绍视觉SLAM技术的理论性概念以及各个模块的性能,并探讨目前传感器的结构模型和类别,介绍相机拍摄的图像产生畸变现象的原因以及消除畸变的方法,最后结合本文使用的传感器和基于张正友相机标定的实验原理,完成本文传感器的相机标定实验,并将结果汇总。再者,对比三种主流算法,确立ORB（Oriented FAST and Rotated BRIEF）算法的优先性,随后分析ORB算法存在的不足问题。在图像尺度变化较大的情形中,算法完成匹配效果不佳;和大数据量的特征点在匹配中耗时较大,以及匹配结束后结果中存在的错误匹配的问题,给出一种改进ORB算法的图像特征匹配,并将最终改进后得到的较好结果应用到后端,在相机位姿优化环节,利用关键帧筛选和全局优化的方式,提高相机运动轨迹估计的精确度,保障最后的相机位姿判断的有效运行,最后通过相关实验验证本文的改进算法理论。最后,实验室的硬件设备调试,搭建实验需要的环境条件和平台,并加载所需的函数库资源。验证本文改进算法的视觉里程计系统的可行性,通过以下两种方式:（1）在公开数据集的数据下,与本文算法得到的数据信息对比,通过数据量化验证算法的性能,并绘制线图进一步直观观测改进前后的算法性能对比;（2）通过数据集数据,构建全局的三维点云地图进行实际应用上的对比。通过实验进一步验证本文算法在SLAM系统的改进作用。
其他文献
同步定位与地图构建（Simultaneous Location And Mapping,SLAM）是指在未知环境中移动机器人通过自身携带的多种传感器采集当前环境中的物理信息,于运动过程中对环境进行建模构图,与此同时还需要定位自身在地图中的位置。然而,现阶段SLAM算法仍存在计算量较大,复杂环境下易出现地图构建失败等问题。SLAM算法的智能化水平仍不及动物的导航能力。为此开发和研究新的移动机器人SL
计算机视觉已经成为社会发展与技术进步的一个重要发展方向,近年来卷积神经网络的兴起,更加促进计算机视觉朝着工业化方向前进,在我们日常生活和工业化生产中得到了广泛的应用。对于复杂交通场景下运动目标的检测技术已然成为热点研究方向之一,同时也是提升智能化交通和城市治理能力的重要环节。现如今在复杂交通场景下实现优良性能的运动目标检测仍然有待改进,比如交通背景的复杂性、视频序列检测时间长、复杂交通场景下的人和
能源需求的上升导致的全球变暖、环境污染以及能源枯竭等问题日益突出,如何构建清洁低碳、安全高效的新型能源体系,减少能源生产、运输、转换、消费等环节对系统的污染,是目前我国新型能源行业所面临的主要挑战之一。综合能源系统能促进能源梯级利用以及多能源协调互补,对促进清洁能源消纳和降低碳排放量具有重要意义。本文以综合能源系统为主体,分别基于综合需求响应策略、碳交易机制以及模型预测控制方法,围绕考虑综合需求响
随着新能源发电接入电网占比不断提高,使得现代电力系统在规模、复杂度和结构变上发生了深刻的变化。新能源的高渗透率,其不稳定性和间歇性极大的影响了电能质量,给当下电力系统的稳定性、可控性带来极大的挑战;另一方,由于电网智能化的建设,大量通信设备、智能交互终端等设备接入电力系统,使得电力电子设备占比不断提高,导致了电力系统中旋转惯量大幅度减少,加剧了电力系统中动态特性的变化,导致了系统鲁棒性降低。如何解
视觉SLAM（Simultaneous Localization And Mapping）是智能移动机器人通过对周围未知环境进行感知并实现精准定位的一项关键技术。在现有研究的基础上,如何利用环境中的语义信息来构建语义地图,并利用其进行导航成为热点问题。在主流的语义SLAM系统中,主要是在二维图像中利用卷积神经网路进行目标检测或语义分割得到物体的语义标签,然后通过语义映射的方式将其转换到对应的三维空
皮肤癌已成为患病率较高的癌症之一,全球每年的患病人数在不断增长。黑色素瘤是一种常见的皮肤癌,且死亡率较高。治疗黑色素瘤最有效的方法就是早发现早治疗。当前主要靠皮肤科医生人工观察皮肤镜图像来诊断黑色素瘤,又因为黑色素瘤的形状、颜色、以及纹理种类较多,且恶性黑色素瘤和良性黑色素瘤的外观很相似,所以传统的人工诊断准确率较低,且费时费力,给黑色素瘤的诊断带来了阻碍。随着深度学习技术的逐渐成熟,卷积神经网络
鞋作为人类生活中的必需品,其质量问题一直为人们所关注,而鞋的涂胶质量很大程度的影响了鞋的耐用性和美观度。传统制鞋业使用人工手动进行涂胶,不仅涂胶质量难以保证,涂胶的效率也较低,且长期接触胶水会对身体有不可逆的损伤。机器视觉能够在对人有害的场景中工作,效率也更高,被广泛应用于工业生产。因此,本文主要探讨基于机器视觉技术来提取鞋底涂胶轨迹,并使用机器人代替人工进行喷涂作业,以提高鞋底涂胶的质量和速度,
脑肿瘤（Brain Cancer,简称BC）和阿尔茨海默症（Alzheimer Disease,简称AD）是世界卫生组织公认的损害人类生命健康的严重疾病。快速而精确的诊断是拯救无数生命的关键因素。诊断方式大致可归为症状诊断与计算机辅助诊断两种。症状诊断指的是通过医师分析病人病情来判断患病的概率,这种方法较为低效。而计算机辅助诊断（Computer Aided Diagnosis,简称CAD）通过分
振镜控制系统作为高速视觉领域获取图像信息的重要手段之一,已经被广泛运用于生物、军事和体育等场合。并且,振镜控制系统作为一种高精度、高灵敏的控制系统,其作用对象也越来越精密化。其中,在实现对小型高速移动物体的精准捕捉过程中,考虑到振镜控制系统自身的复杂结构、外部的多变环境以及人为的操作误差等因素,严重影响了振镜控制系统的精度和灵敏度。并且传统的控制策略也很难达到系统高性能的控制标准。因此,为了满足振
光伏发电本身具有的间歇性和随机性特点,使得无论是分布式发电还是集中并网,直接接入光伏都会给微网系统带来稳定性、安全性问题,通常需要在微网中加入储能系统增强系统的调节能力以达到平抑系统扰动、维持系统内功率平衡、保持直流母线电压稳定的目的。通过对储能系统辅以合适的控制策略以协调储能单元各自承担功率,能够使光伏微电网能够更好地以灵活、友好的姿态融入智能电网。本文以光伏微电网为研究对象,围绕着光伏出力预测