融合机器学习算法的单目视觉里程计研究

《融合机器学习算法的单目视觉里程计研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、硕士学位论文融合机器学习算法的单目视觉里程计研究RESEARCHONMONOCULARVISUALODOMETRYBASEDONMACHINELEARNING肖晨哈尔滨工业大学2015年12月国内图书分类号：TP242学校代码：10213国际图书分类号：6211密级：公开工学硕士学位论文融合机器学习算法的单目视觉里程计研究硕士研究生：肖晨导师：朱晓蕊教授申请学位：工学硕士学科：控制科学与工程所在单位：深圳研究生院答辩日期：2015年12月授予学位单位：哈尔滨工业大学ClassifiedIndex:TP242U.D.C:621Dissertat

2、ionfortheMasterDegreeinEngineeringRESEARCHONMONOCULARVISUALODOMETRYBASEDONMACHINELEARNINGCandidate：XiaoChenSupervisor：Prof.ZhuXiaoruiAcademicDegreeAppliedfor：MasterDegreeinEngineeringSpeciality：ControlScienceandEngineeringAffiliation：ShenzhenGraduateSchoolDateofDefence：Dece

3、mber,2015Degree-Conferring-Institution：HarbinInstituteofTechnology哈尔滨工业大学工学硕士学位论文摘要自主导航定位技术是真正实现机器人智能化的重点和难点之一，其中视觉里程计技术一直是学者们热衷的研究方向之一。与传统的同时定位与制图（SLAM）方法相比，视觉里程计更加简洁且对硬件的要求更低；而与轮式里程计相比，视觉里程计受侧滑或绑架问题的影响更小。然而，视觉里程计也存在影响其应用的缺陷，这也是本文将重点研究和讨论的方向。本文研究了单目视觉里程计的基本设计原理，提出了一种特征点检测与

4、匹配算法的框架，并将其与标准的加速鲁棒特征算法（SURF）进行了对比。此外，本文还从三个方面讨论了提高里程计准确性和稳定性的方法。首先，针对单目视觉先天存在的尺度模糊问题，本文首次提出了一种基于分水岭算法的边沿拓展法（EEM）去自动分离出视频中的地面。其次，为了提高卡尔曼滤波器对实际场景下的噪声的自适应能力，本文提出了一种改进型的基于机器学习算法的自适应卡尔曼滤波器算法。第三，考虑到基于视觉的导航定位技术通常都会受到视野中运动物体的干扰，本文提出用支持向量机（SVM）+梯度直方图特征（HOG）来检测行人，进而剔除行人身上的特征点，以此来达到抗

5、干扰的目的。本文设计的单目视觉里程计仅需一个普通摄像头作为感应器，装配简单、成本低。由于克服了尺度模糊、运动干扰等问题，提升了滤波器的抗噪能力，因此提高了单目视觉里程计的准确性和稳定性，为视觉里程计的设计提供了一种新方法。关键词：机器人定位；视觉里程计；单目视觉；机器学习；SVM-I-哈尔滨工业大学工学硕士学位论文AbstractAutonomousnavigationandlocalizationtechnologyistrulyoneofthekeyanddifficultpointforintelligentrobot,andvisua

6、lodometrytechnologyhasbeenoneofscholarsdedicatedresearchdirection.ComparedwiththetraditionalmethodsofSLAM,visualodometryismoreconcise,lowertotherequirementofhardware;Andcomparedwiththewheelodometry,visualodometryislessaffectedbysideslipandkidnappingproblem.However,visualodo

7、metryalsosuffersdefectswhichaffectitsapplication,thispaperwillfocusonthesedefects.Inthispaper,westudythebasicdesignprincipleofmonocularvisualodometry,thispaperproposesafeaturepointdetectionandmatchingalgorithmframework,anditiscomparedwiththeSURFalgorithm.Inaddition,thisarti

8、clediscussedthemethodstoimproveaccuracyandstabilityofodometryfromthreeaspects.Firs