没有合适的资源?快使用搜索试试~ 我知道了~
Visual-Inertial+SLAM算法设计1
需积分: 0 0 下载量 80 浏览量
2022-08-04
00:42:03
上传
评论
收藏 4.21MB PDF 举报
温馨提示
试读
69页
摘要1目录 31 绪论 51.1 研究背景与意义 51.2 SLAM 研究现状 61.3 论文的主要研究内容和组织结构 102 SLAM 系统简介 122.1
资源详情
资源评论
资源推荐
分类号 学号 M201472351
学校代码 10487 密级
硕 士 学 位 论 文
Visual-Inertial SLAM 算法设计
学位申请人
:
黄源
学科专业
:
模式识别与智能系统
指导教师
:
刘建国 教授
答辩日期
:
2017 年 5 月 21 日
万方数据
A Thesis Submitted in Partial Fulfillment of the Requirements
for the Degree for the Master of Engineering
Design for Visual-Inertial SLAM Algorithm
Candidate : Huang Yuan
Major : Pattern Recognition and Intelligence System
Supervisor : Prof. Liu Jianguo
Huazhong University of Science & Technology
Wuhan 430074, P.R.China
May, 2017
万方数据
独创性声明
本人声明所呈交的学位论文是我个人在导师指导下进行的研究工作及取得的研
究成果。尽我所知,除文中已经标明引用的内容外,本论文不包含任何其他个人或
集体已经发表或撰写过的研究成果。对本文的研究做出贡献的个人和集体,均已在
文中以明确方式标明。本人完全意识到本声明的法律结果由本人承担。
学位论文作者签名:
日期: 年 月 日
学位论文版权使用授权书
本学位论文作者完全了解学校有关保留、使用学位论文的规定,即:学校有权
保留并向国家有关部门或机构送交论文的复印件和电子版,允许论文被查阅和借阅。
本人授权华中科技大学可以将本学位论文的全部或部分内容编入有关数据库进行检
索,可以采用影印、缩印或扫描等复制手段保存和汇编本学位论文。
保密□, 在 年解密后适用本授权书。
不保密□。
(请在以上方框内打“√”)
学位论文作者签名: 指导教师签名:
日期: 年 月 日 日期: 年 月 日
本论文属于
万方数据
1
摘 要
机器人同步定位与建图(Simultaneous Localization and Mapping ,简称 SLAM)
是当前机器人和计算机视觉邻域热门研究话题,一些新兴技术如自动驾驶、增强/
虚拟现实、服务机器人和无人机导航等对 SLAM 的需求越来越高。相机图像能够丰
富的环境信息,而 IMU 能够提供传感器自运动信息;视觉 SLAM 对快速运动敏感,
而 IMU 存 在测 量漂移 ;单 目相 机存 在尺 度模糊, 而 惯性传感 器 (Inertial
Measurement Unit,简称为 IMU)能够提供绝对的尺度信息。与此同时单目相机和
IMU 价格便宜且实用,通过单目相机和 IMU 融合,能够完美地实现 SLAM 解决方
案。
近些年视觉惯性 SLAM(Visual-Inertial SLAM)取得卓越的研究成果,能够精
确地估计机器人的状态和同时建立环境地图。但是这些都不能检测回环,不能重复
使用地图,即使重复访问相同的场景,路径的估计误差也会不断的累计。本文我们
提出了一种新颖的视觉惯性 SLAM 初始化方法,能够精确地计算出尺度、重力加速
度方向、速度、陀螺仪和加速度的偏置。然后基于此初始化方法,我们提出了一种
紧耦合的视觉惯性 SLAM,能够回环检测和重复使用地图。通过试验结果验证,我
们的视觉惯性 SLAM 算法尺度误差在 2%以下,能够达到厘米级别的定位精度。相
对于其他类型的视觉惯性 SLAM,我们的视觉惯性 SLAM 能够回环检测和重复使用
地图,重复访问相同的场景误差并不会累计。
关键词:视觉 SLAM,惯性传感器,紧耦合,初始化,闭环,重复使用地图
万方数据
2
ABSTRACT
Simultaneous Localization and Mapping(SLAM)is a hot topic in Robotics and
Computer Vision communities regions, and for emerging technologies such as
autonomous cars, augmented or virtual reality, service robots and drone navigation
SLAM is in great need. Cameras provide rich information of the environment, while
IMU(Inertial Measurement Unit) sensors provide self-motion information. Visual SLAM
is sensitive to rapid rotation, while IMU measure data with drift. A monocular camera has
the problem of scale ambiguity, while IMU can provide data in metric scale. Meanwhile
both the monocular camera and while IMU are cheap and useful. So monocular camera
and IMU fusion maybe a perfect solution for future SLAM.
In recent years there have been excellent results in Visual-Inertial SLAM, which
can estimate accurately the state of robot and simultaneously build a map of the
environment. However these approaches lack the capability to close loops and reuse map,
and trajectory estimation accumulates drift even if the sensor is continually revisiting the
same place. In this work we propose a novel Visual-Inertial SLAM initialization method,
which can compute the scale, the gravity direction, the velocity, and gyroscope and
accelerometer biases with high accuracy. Then base on this initialization method, we
present a novel tightly-coupled Visual-Inertial Simultaneous Localization and Mapping
system that can be able to close loops and reuse its map. Test results verify that our
Visual-Inertial SLAM achieve a typical scale factor error of 2\% and centimeter precision.
In contrast to other Visual-Inertial SLAM approaches, our Visual-Inertial SLAM can
close loop and reuse its map, so that there is no error accumulation when revisiting same
scene.
Keywords: Visual SLAM,IMU,tightly-coupled,Initialization,close loop,map reused
万方数据
剩余68页未读,继续阅读
型爷
- 粉丝: 17
- 资源: 337
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功
评论0