论文部分内容阅读
随着计算机视觉的快速发展,基于视觉的三维重建问题在移动机器人导航领域越来越备受关注。视觉传感器相对于传统的激光传感器,价格上更具有优势,质量上更轻量化,同时数据包含的信息量也更大。2014年-2015年LSD-SLAM和ORB-SLAM的出现,使得基于单目视觉的重建成为近两年的热点。相比于多目视觉系统,单目在装配和价格上有明显优势。本文以普通单一摄像机为唯一数据来源,构建了一套完整的移动机器人环境三维重建系统,并得到机器人运动的轨迹,利于后续移动机器人视觉导航的研究开展。本文采用基于图像特征点的方法,主要包括图像匹配、运动轨迹求解、环境三维重建三大部分。在第一部分中,对运动过程中相机获得的二维图像进行SIFT特征匹配,通过本质矩阵求解相机的旋转和平移矢量,获得相机的外参矩阵,同时对SIFT和ORB算法进行了对比。为了获得更好匹配关系,增加了误匹配剔除过程,并对RANSAC算法做出了改进,降低了算法的执行时间,保证了匹配正确率。对于单目所存在的尺度问题也进行了详细的说明。在轨迹求解部分,采用增量式方法根据相机的外参矩阵得到运动轨迹,最后为了解决因累积误差所带来的轨迹漂移问题,加入局部回环,采用图优化方法,利用g~2o库实现Bundle Adjustment捆集优化。在三维点云重建部分,通过三角测量法获得三维空间点坐标,然后利用PCL点云库进行可视化,得到了稀疏的点云三维模型。为了使点云模型可视性更强,引入了PMVS算法,建立相对稠密的重建。整个系统涉及到了计算机视觉、矩阵论、空间几何、光学、软件工程等多个领域,汇编以C++为编程语言,涉及OpenCV/PCL/Eigen/g~2o等第三方库。本文的实验内容主要贯穿于每一章最后,对各个部分的内容都设计了相应的实验流程,通过测试获得相关数据,并加以对比分析,例如ORB和SIFT的对比,以及稀疏和稠密的对比等。由于单目无法得到尺度信息,在轨迹求解部分采用由具有高精度GPS设备获得的KITTI数据集,以真实数据作为尺度,对比分析轨迹的求解误差。稀疏点云重建则以图像特征明显的棋盘图像为原始图像集。实验表明,整个三维重建体系可以得到较好的运动轨迹和可视性较好的三维重建结果。