论文部分内容阅读
本文利用Kinect深度相机结合同步实时定位与建图(Simultaneous Localization and Mapping,SLAM)进行室内场景的三维重构。针对该技术需求,论文主要从前端视觉里程计的图像特征提取与匹配算法、摄像机位姿估计以及视觉SLAM后端优化与闭环检测几个方面,建立室内场景的三维重建系统。本文主要完成了如下任务:(1)特征匹配方面,基于AORB特征匹配算法进行改进,提出多种策略组合的匹配算法。首先,用AORB进行特征提取,rBRIEF建立描述符,减少初始匹配点数,提高匹配效率。然后,用交叉匹配和K最近邻分类算法(k-NearestNeighbor,KNN)相结合的方法,对构建的描述子进行匹配,最后,将匹配最小距离与渐进采样一致(PROSAC)算法相结合,剔除误匹配点,提高匹配精度,减少匹配用时。(2)位姿估计优化方面,使用PROSAC算法求出PnP,并计算相邻帧的运动变换,PROSAC只采用少数的随机点计算PnP,确定内点,但易受到噪声干扰。对此进行改进,使用PROSAC的解作为初值,用PnP求出相连帧之间摄像机空间位置变换关系,再运用非线性优化将位姿变换矩阵进行优化,得到最优解,提高相机运动位姿估计的准确性。(3)后端优化与闭环检测方面,在关键帧选取时引入权重,结合BoW视觉词典计算帧间相似性,增加帧间约束,进行回环检测消除累积误差,再用g2o(general graph optimization)算法对位姿图进行优化,进而实现三维点云地图的优化与更新,最终得到相机的运行轨迹和重建场景的点云地图。本文基于Ubuntu16.04+Kdevelop进行实验开发,实现了各个模块的功能。通过实验得出,本文算法可以快速构建全局一致的室内三维环境地图,实验结果基本达到预期标准,结果准确、可靠。