【摘 要】
：
室内定位对于室内自动导引运输车、虚拟现实、服务机器人等应用具有及其重要意义。视觉同时定位与地图构建（Visual Simultaneous Localization and Mapping,VSLAM）因其设备简单、价格低廉、效果优秀、不依赖于GPS等优点成为了目前无人系统领域的研究热点。然而,VSLAM过于依靠相机对周围环境特征信息的采集,无法处理特征缺失及弱纹理场景,且相机采集帧率较低,无法处
论文部分内容阅读
室内定位对于室内自动导引运输车、虚拟现实、服务机器人等应用具有及其重要意义。视觉同时定位与地图构建（Visual Simultaneous Localization and Mapping,VSLAM）因其设备简单、价格低廉、效果优秀、不依赖于GPS等优点成为了目前无人系统领域的研究热点。然而,VSLAM过于依靠相机对周围环境特征信息的采集,无法处理特征缺失及弱纹理场景,且相机采集帧率较低,无法处理快速运动场景。基于此,本文研究单目视觉定位和单目视觉惯导里程计定位两种定位方法,并通过实验对算法定位的精度、鲁棒性及位姿跟踪速度进行了比较分析。主要内容如下:（1）提出基于直接法和特征点法融合单目视觉定位算法。前端采用直接法构建局部地图并为特征法构建全局地图提供初始信息,保证了算法能在弱纹理的环境仍能进行较好的初始化。后端将直接法所得边缘化后的数据,与特征点法之间采用相对尺度因子对齐结合,通过特征点法对初始位姿进一步估计与修正,得到全局一致地图,有效解决了直接法因相机快速运动跟踪丢失的问题。通过实验结果表明,基于直接法和特征点法融合单目视觉定位算法能在一定程度上提高系统的鲁棒性和精度。（2）对于单目视觉里程计缺少绝对尺度等信息,提出IMU与基于直接法的单目视觉里程计融合定位算法。前端通过IMU结合单目视觉提供的粗略位姿及3D信息,通过预积分得到更准确的尺度信息,有效的保证了初始化快速且准确的收敛。后端以位置、速度、姿态及IMU的偏置作为优化状态变量,以紧耦合方式将单目视觉观测误差、IMU测量误差构建非线性优化模型,并采用滑动窗口及舒尔补边缘化的方式控制优化量,在提高算法定位精度及鲁棒性的同时保证实时性。（3）最后在EuRoC数据集上对所提出的算法定位精度、鲁棒性及位姿跟踪速度进行分析,验证了本文提出的IMU与单目视觉里程计紧耦合定位算法具有精度高且鲁棒,并与当前主流算法及本文提出的基于直接法与特征点法融合算法进行对比,IMU与单目视觉里程计紧耦合定位算法在保持高精度的同时位姿跟踪用时更短,具有更好的实用性。
其他文献
自贡冷吃兔作为四川自贡特色风味传统肉制品,是川菜工业化的即食肉制品,具备麻辣鲜香且营养丰富的特点,深受消费者喜爱。但由于冷吃兔在生产中较难有效控制细菌污染,且产品营养丰富、水份含量较高,极适宜微生物繁殖,致使产品货架期较短。本文分析了冷吃兔生产原辅料与生产环境中细菌组成,探究冷吃兔在不同温度储藏期间腐败指标变化规律及其微生物菌群结构变化,并进行溯源分析。主要研究结果如下:1.分析了自贡冷吃兔主要生
DC-AC逆变器系统在新能源相关领域的电网并网,电动汽车等场景下扮演着重要的角色。在实际工作过程中常常会因为负载的变化而产生不匹配的扰动影响逆变器的稳定工作。传统的稳定控制方法逐渐无法满足负载扰动下逆变器稳定输出的需要。在动态响应速度、系统超调量以及稳态误差等性能指标上现有控制方法均有不足。文章针对逆变器系统的稳定控制问题,对逆变器系统的固定时间控制方法进行了研究。针对不匹配的负载扰动建立逆变器的
卵清蛋白是蛋清蛋白中的一种主要蛋白,其具有胶凝性、起泡性和乳化特性,其中凝胶作用在食品加工过程中起到了重要作用。实验室前期研究发现,通过碱腌制热诱导禽蛋可以得到高强高弹皮蛋清凝胶,但其凝胶形成机制尚无揭示。鉴于蛋清体系的复杂性,本项目拟以卵清蛋白为实验原料,研究碱处理浓度、碱处理时间、热处理温度、热处理时间对碱热依次处理卵清蛋白凝胶性能的影响;通过现代仪器手段对比研究不同处理方式形成的卵清蛋白凝胶
近年来,云控制系统作为网络化控制系统的下一代远程控制系统而备受关注,将多智能体编队控制与云控制系统相结合是最近几年多智能体研究领域的一个热点,不少学者已经取得了一定的理论研究成果。但是应用在该领域的相关实验平台还比较缺乏,现有的实验平台大都面向单个被控对象或者只适用于局域网环境下的相关实验,无法满足云控制系统下实验的需求。针对上述问题,本文设计并实现了一套能够适用于云控制系统下多智能体系统研究的实
实时定位与建图（SLAM,Simultaneous Localization and Mapping）技术,始终是移动巡检机器人的关键技术研究方向之一。传统的视觉SLAM技术,一般通过视觉里程计捕获图像特征点或者简单的几何信息,直接用于位移判定。但如果视野中存在动态目标,由于传统的视觉SLAM方法仍然将其视作静态物体,那么就会误判实际的像素位移,影响定位建图的精度。本文以社区巡检机器人动态环境下的
在施工环境中,施工人员佩戴安全帽可以有效避免或减轻安全事故的伤害。利用机器视觉技术对施工现场工作人员佩戴安全帽情况进行识别,避免安全事故的发生。在恶劣的环境中,基于机器视觉技术的安全帽佩戴识别算法常常出现漏检、误检。针对夜间与雾天等低照度环境下安全帽佩戴识别困难问题,本文对图像增强技术与深度学习技术进行研究,提出有效的低照度图像增强算法与轻量化高精度安全帽佩戴识别卷积神经网络,实现低照度环境下安全
随着人们日常生产生活对电能需求的增加和社会经济的不断发展,电力输电网络变得越来越复杂。从节约投资以及其他客观条件限制等方面考虑,T接输电线路因其接线方式的独特性,被广泛应用于高压和超高压电力输电网中。由于T接输电线路常连接着大系统与大电厂,其线路传输的功率高,因此当线路故障时,有可能导致大面积停电事故。为防止因输电线路故障引起事故的进一步扩大,以及减小因停电造成的经济损失,就要求能够快速、准确地诊
低照度条件下获取的图像受可见光低、光照不均和噪声等因素的影响,不仅视觉上的观感被大打折扣而且常常导致重要信息的丢失,正常光照条件下的人脸检测模型是最常见的,若直接使用一般光照模型的检测算法对低照度图像中的人脸进行检测,显然无法满足检测需求的,这给后续的处理和应用带来了极大的麻烦,严重地降低了图像的应用价值。因此针对低照度图像存在的亮度低、对比度低和细节缺失等问题,本文提出一种改进Retinex模型
控制系统中网络的引入为远程控制的实现打下了基础,然而在通过网络实现远程控制的过程中会遇到网络延迟、数据包丢包和错序等问题,这些问题会降低系统的稳定性和远程控制过程中的实时性。因此基于上述问题,本文在网络化控制系统下以全向机器人为研究对象,对远程控制过程中的延迟、数据包丢包和错序等问题进行了研究,并且通过网络化预测控制的方式对远程控制过程中前向通道和反馈通道可能出现的延迟、数据包丢包和错序等问题进行
由于微电网光伏功率的间接性与随机性以及电力负荷的波动性会对微电网系统的稳定运行产生较大影响,而传统优化算法对复杂非线性的优化调度问题的优化达不到设定需求,存在收敛速度慢,容易陷入局部最优等缺点。文章以光伏微电网为对象,基于对光伏功率和负荷的预测,对光伏微电网优化调度进行研究。在微电网光伏功率预测和负荷预测方面,本文设计了结合卷积神经网络（Convolutional Neural Networks,