论文部分内容阅读
三维场景重构是机器人领域的经典问题,基于视觉的三维重构是典型的计算密集型任务,传统实现方法完全依靠机器人本地的计算资源,具有精度低、执行速率慢等缺点。本文针对上述问题,借助于云计算在计算能力和资源共享等方面的优势,将机器人与云计算相结合,研究3D场景重构算法,提出了基于云机器人的三维场景重构框架。在基于云机器人的三维场景重构过程中,本地端提取关键帧发送到云端。本文的机器人机载嵌入式系统为i.MX6四核ARM处理器,数据处理能力较为有限,常规的特征匹配算法无法满足实时性的要求。本文基于光流法对FAST特征点进行跟踪,省略了特征描述子提取过程,将特征匹配的速率提高了 5～6倍。该方法导致关键帧提取的准确率有所下降,但是可以通过提高关键帧数量来保证场景信息的完整性。在机器人构建地图的过程中,闭环检测是全局优化的重要环节。考虑到深度学习在特征提取方面的优势,本文提出了基于深度学习模型的闭环检测方法,并利用数据集和实际环境开展了实验测试。实验结果表明,本文方法在闭环检测准确率为100%的前提下,召回率能够达到38%以上,比现有的基于深度学习的方法提高了 50%。然而,基于深度学习的方法过于耗时,为了缩短闭环检测的时间,本文采用了基于图像匹配与位姿估计相结合的方法,在闭环检测准确率为100%的前提下,召回率能够达到60%。由于闭环检测过程在嵌入式系统执行速度非常缓慢,本文将闭环检测的数据处理卸载于AWS云计算平台上进行,并借鉴并行处理的思想进一步提高了闭环检测的速率。在理论研究的基础上,本文将低成本机器人与云计算相结合,构建了基于云机器人的3D场景重构系统。相对于仅仅依赖本地机器人的计算资源,本文系统的构图效率提高了 4～5倍。本地机器人只有在放弃全局优化的前提下才能达到本文系统的构图效率,但是在这种情况下,其构图精度将极大降低。在机器人移动10m的距离之后,本地机器人会引入大于0.12m的定位误差,而本文系统的定位误差仅为0.04m。借助于云计算资源共享的优势,本文系统还能够实现双机器人协同构图,对于两个机器人构建的相互独立的地图,在云端实现地图融合,提高了构图效率。最后,本文总结了所开展的研究工作,并对将来的研究内容以及方向进行了展望。