基于SLAM的虚拟现实空间定位系统的研究与实现

摘要

SLAM（Simultaneous Localization And Mapping）技术被认为是实现真正全自主移动机器人的关键，其中以相机作为传感器的视觉SLAM技术相比于激光雷达SLAM技术来说，对空间要求更低，能够有效解决移动机器人在纹理丰富的动态环境中的定位和构图问题，同时视觉SLAM具有低成本、消除累积误差以及重定位等优点。本文将视觉SLAM与虚拟现实技术结合起来，设计并实现了基于视觉SLAM的虚拟现实空间定位系统。本文主要工作内容如下： 首先从成本、响应时间以及适用环境等方面，分析比较了基于RGB-D传感器的视觉SLAM中几种深度测量技术之间的优缺点。一方面，采用飞行时间法技术的RGB-D传感器计算速度更快，计算精度更高。另一方面，此类传感器的成本低、有效范围大，应用更加广泛。综合比较后，本文选用Kinect2.0传感器完成对图像数据的采集工作。 然后对视觉SLAM前端基于RGB-D的视觉里程计算法进行了深入研究，详细阐述了特征点法以及直接法两种主流视觉里程计算法的优缺点，针对两种主流算法各自适用的不同环境条件，提出了基于图像特征的视觉里程计自适应算法，此算法能够根据图像特征的状态来选择适用的视觉里程计算法估计相机运动。 最后结合视觉SLAM以及虚拟现实技术，设计了基于视觉SLAM的虚拟现实空间定位系统，同时将基于图像特征的视觉里程计自适应算法应用到系统中端相机位姿的实时优化过程中，该系统实现了现实空间与虚拟空间相机的同步定位。随后搭建相关的实验平台，验证了算法的实时性和鲁棒性，展示了系统的实验结果。

目录

第一个书签之前

摘要

ABSTRACT

第一章绪论

1.1选题的背景及意义

1.2SLAM概述及国内外研究现状

1.2.1SLAM概述

1.2.2国内外研究现状

1.3虚拟现实概述及国内外研究现状

1.3.1虚拟现实概述

1.3.2国内外研究现状

1.4本文的主要工作及组织结构

第二章基于RGB-D传感器的视觉SLAM技术介绍

2.1引言

2.2深度测量技术

2.2.1深度测量技术分类

2.2.2深度测量各方案之间的比较

2.3RGB-D传感器介绍

2.3.1Kinect1.0介绍

2.3.2Kinect2.0介绍

2.3.3Kinect1.0、Kinect2.0传感器配置比较

2.3.4Kinect2.0的优势及图像数据采集示例

2.4视觉SLAM概述

2.4.1经典视觉SLAM框架

2.4.2视觉SLAM问题的数学表述

2.5本章小结

第三章基于RGB-D的视觉里程计算法

3.1引言

3.2视觉里程计详细概述

3.2.1视觉里程计的基本定义

3.2.2视觉里程计的相关算法

3.3基于RGB-D的视觉里程计估计算法

3.3.1特征点法

3.3.2直接法

3.4特征点法与直接法的优缺点讨论

3.5本章小结

第四章基于视觉SLAM的虚拟现实空间定位系统设计与实验

4.1引言

4.2系统的设计和实现流程

4.2.1前端数据采集

4.2.2中端实时优化

4.2.3基于图像特征的视觉里程计自适应算法的设计

4.2.4后端同步定位

4.3系统的平台搭建

4.4实验过程与结果分析

4.4.1算法的实验验证

4.4.2系统的实验结果展示

4.5本章小结

第五章总结与展望

5.1本文工作的总结与分析

5.2工作展望

致谢

参考文献

攻读学位期间发表的学术论文及参与项目