面向移動機器人視覺導航的三維環(huán)境重建技術研究.pdf

1、隨著計算機視覺的快速發(fā)展，基于視覺的三維重建問題在移動機器人導航領域越來越備受關注。視覺傳感器相對于傳統(tǒng)的激光傳感器，價格上更具有優(yōu)勢，質量上更輕量化，同時數據包含的信息量也更大。2014年-2015年LSD-SLAM和ORB-SLAM的出現，使得基于單目視覺的重建成為近兩年的熱點。相比于多目視覺系統(tǒng)，單目在裝配和價格上有明顯優(yōu)勢。本文以普通單一攝像機為唯一數據來源，構建了一套完整的移動機器人環(huán)境三維重建系統(tǒng)，并得到機器人運動的軌跡，利

2、于后續(xù)移動機器人視覺導航的研究開展。
　　本文采用基于圖像特征點的方法，主要包括圖像匹配、運動軌跡求解、環(huán)境三維重建三大部分。在第一部分中，對運動過程中相機獲得的二維圖像進行SIFT特征匹配，通過本質矩陣求解相機的旋轉和平移矢量，獲得相機的外參矩陣，同時對SIFT和ORB算法進行了對比。為了獲得更好匹配關系，增加了誤匹配剔除過程，并對RANSAC算法做出了改進，降低了算法的執(zhí)行時間，保證了匹配正確率。對于單目所存在的尺度問題也進行

3、了詳細的說明。在軌跡求解部分，采用增量式方法根據相機的外參矩陣得到運動軌跡，最后為了解決因累積誤差所帶來的軌跡漂移問題，加入局部回環(huán)，采用圖優(yōu)化方法，利用g2o庫實現Bundle Adjustment捆集優(yōu)化。在三維點云重建部分，通過三角測量法獲得三維空間點坐標，然后利用PCL點云庫進行可視化，得到了稀疏的點云三維模型。為了使點云模型可視性更強，引入了PMVS算法，建立相對稠密的重建。整個系統(tǒng)涉及到了計算機視覺、矩陣論、空間幾何、光學、

4、軟件工程等多個領域，匯編以C++為編程語言，涉及OpenCV/PCL/Eigen/g2o等第三方庫。
　　本文的實驗內容主要貫穿于每一章最后，對各個部分的內容都設計了相應的實驗流程，通過測試獲得相關數據，并加以對比分析，例如ORB和SIFT的對比，以及稀疏和稠密的對比等。由于單目無法得到尺度信息，在軌跡求解部分采用由具有高精度GPS設備獲得的KITTI數據集，以真實數據作為尺度，對比分析軌跡的求解誤差。稀疏點云重建則以圖像特征明顯