【《基于直接法的双目视觉里程计设计案例》2600字】_第1页
【《基于直接法的双目视觉里程计设计案例》2600字】_第2页
【《基于直接法的双目视觉里程计设计案例》2600字】_第3页
【《基于直接法的双目视觉里程计设计案例》2600字】_第4页
【《基于直接法的双目视觉里程计设计案例》2600字】_第5页
免费预览已结束，剩余2页可下载查看

付费下载

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

[31]，然后将它们的位姿估计结果合并，如图1.3所示。紧耦合是将惯性测量单元和相机的状态紧密地结合到一起，一起来构建运动方程和观测方程，并对其进行状态估算，如图1.4所示。之所以选择用紧耦合算法很大程度上是由于松耦合中视觉内部BA并没有惯性测量单元的信息，从整体上来说并不能达到最优。而紧耦合可以同时建模所有运动和测量信息，更加轻松地实现了最优。所以当我们在实现紧耦合算法的过程中，需要很多数据来处理信息，但是这些数据中的信息量的增加也增加了优化算法的复杂度和计算工作量，影响了算法的实时性。本文主要介绍一种基于直接法视觉里程计与惯性测量单元融合的紧耦合的位姿估计方法，分析了算法和融合的意义。位置和方向位姿估计图像特征特征提取和匹配图像相机位置和方向位姿估计图像特征特征提取和匹配图像相机优化后的位置、方向和速度优化后的位置、方向和速度融合融合位置、方向和速度角速度和线加速度位置、方向和速度角速度和线加速度IUM数据积分IUMIUM数据积分IUM图1.3松耦合结构图图像特征特征提取和匹配图像相机图像特征特征提取和匹配图像相机优化后的位置、方向和速度融合优化后的位置、方向和速度融合位置、方向和速度角速度和线加速度位置、方向和速度角速度和线加速度IUM数据积分IUMIUM数据积分IUM图1.4紧耦合结构图本文选取了双目相机作为实验研究对象，利用惯性测量单元获取的这些数据集信息来有效解决单目相机中存在的不足，进行了帧间预积分和关键帧预积分，将尺度信息、重量矢量和偏置估计值等作为状态量，参与后期地图的优化。根据观测测量单元数据集，将高精度的像素位姿初始化转变成一种视觉惯性，确保了大部分像素梯度都能够被引导到优化的正确方向。视觉里程计的位姿追踪方法使用直接法来检测和估计本体的位置和姿态，通过特征点的对齐和3D结构的优化方法来检测和优化帧，判断这些被优化后的帧是不是关键帧，并且可以优化局部的共视关键帧。为了能够更好地帮助我们实现前期测量单元的高精度姿态计算，基于前期预积分设计的思想，构造出一种速度、位置及零偏移的计算模型，通过更新位图像的滑动窗口优化算法，融合了先进的视觉数据，在图像边缘化过程中我们可以选择性地添加数据帧，以便于保证所需要的前期测量单元都具有足够准确的动态预测信息。算法流程如图1.5所示。IMU数据集图像帧IMU数据集图像帧尺度恢复重力估计偏置估计帧间预计分视觉初始化否完成视觉初始化尺度恢复重力估计偏置估计帧间预计分视觉初始化否完成视觉初始化关键帧与积分关键帧与积分是完成视觉惯性联合初始化是完成视觉惯性联合初始化视觉惯性联合初始化否视觉惯性联合初始化否IMU加权先验模型静止先验模型是IMU加权先验模型静止先验模型是视觉运动跟踪（直接法）视觉运动跟踪（直接法）运动跟踪运动跟踪特征点对齐与三维结构优化特征点对齐与三维结构优化否更新深度滤波器概率分布关键帧判断否更新深度滤波器概率分布关

人人文库> 全部分类> 行业资料 > 工业设计

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论