论文部分内容阅读
基于视觉的定位与建图方案广泛应用于自动驾驶以及各类智能机器人中。在实际场景中,现有的视觉定位算法会受到各种客观因素的影响,比如当出现光照变化大、相机运动过快或抖动过于剧烈等情况时,会严重影响算法的初始化以及定位的精度与稳定性。为了在复杂多变的环境下保证算法的精度与稳定性,本文使用April Tag二维码辅助相机定位初始化,通过光流法跟踪特征点,并将相机与IMU传感器结合起来,从而提高算法初始化的成功率,使其满足实时性要求并且在图像质量较差的情况下也具有较好的鲁棒性。所取得的主要研究成果如下:首先,针对视觉SLAM只能获取相机相对初始帧的位姿,且存在尺度不确定性的问题,提出了通过二维码辅助算法初始化的方案,在获取相机绝对位姿信息的同时建立稀疏的局部地图,为后续的定位提供足够的3D特征点。其次,采用光流跟踪的方式获取每帧特征点之间的对应关系,并且使用基于直接法的Bundle Adjustment进行相机位姿解算与优化。通过对非线性优化算法原理、基于光流法的角点跟踪原理以及基于直接法的位姿优化原理进行分析,进而设计出了Forward-Addtive光流+Gauss-Newton非线性优化算法,进行运动跟踪与建图。然后,为了弥补基于纯视觉的定位、跟踪和建图容易受到相机成像质量、运动速度以及光照条件变化影响的缺陷,采用相机+IMU传感器融合的方式,通过基于滑动窗口的视觉惯性里程计算法,控制BA优化规模,从而获得更加稳定的轨迹并且提高相机定位算法精度。最后,对通过二维码辅助初始化以及相机与IMU融合定位的方案进行需求分析,接着使用单目鱼眼相机测试基于二维码的相机定位初始化算法,并将视觉惯性里程计应用于单/双目+IMU的定位。实验结果表明,使用二维码辅助视觉定位可以提高相机初始化成功率;在纹理不丰富的环境下基于视觉惯性里程计的定位具有较好的稳定性。