基于单目视觉里程计的增强现实系统

《基于单目视觉里程计的增强现实系统》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、工程硕士学位论文基于单目视觉里程计的增强现实系统作者姓名黄韬工程领域电子与通信工程校内指导教师青春美副教授校外指导教师罗伟民高级工程师所在学院电子与信息学院论文提交日期2018年4月13号AnAugmentedRealitySystemBasedOnMonocularVisualOdometryADissertationSubmittedfortheDegreeofMasterCandidate：HuangTaoSupervisor：Prof.QingChunmeiLuoWeiminSouthChinaUniversityofTechnologyGuangzhou,China摘

2、要增强现实技术是一种将虚拟信息“无缝”叠加在真实场景中的极具沉浸感和真实感的新型人机交互技术。目前的增强现实技术主要可以分为基于二维图像识别的方法以及基于包括视觉里程计（VisualOdometry）算法在内的三维方法。由于可以实现更好的交互效果以及具有更强的实用性，后者已经成为了增强现实技术的发展潮流。视觉里程计算法是一种对运动物体进行姿态估计，同时预测周围环境三维结构的算法。半直接法是通过最小化稀疏特征点的光度误差进行姿态估计的一种视觉里程计算法。该方法具有运算速度快的优点，但是相比其他类型的视觉里程计算法，其姿态估计的精确度并不是很高。本文首先从算法流程上详细地分析了半直

3、接法的代表FastSemi-DirectMonocularVisualOdometry算法（简称SVO算法）的前端和后端模型。为了提高SVO算法的鲁棒性与姿态估计方面的准确性，本文基于SVO算法主要做了以下研究工作：1.针对时间上相邻的图像帧之间的灰度差异过大造成SVO算法不稳定或姿态估计失败的问题，本文采用了根据直方图均衡化的灰度一致性改进方法，有效地减小了相邻两帧图像之间的灰度差异，提高了算法的稳定性和准确性。2.针对算法在相机快速运动的情况下对运动相机姿态估计结果不准确的问题，本文引入了基于运动先验的初始化方法对稀疏图像对齐步骤进行改进，提高了算法在相机快速运动的情况下姿

4、态估计结果的准确度。3.针对SVO算法频繁添加关键帧带来的影响，本文提出了选择性关键帧剔除的地图更新策略，能够有效地提高姿态估计的准确度。4.针对增强现实系统中虚拟物体通常需要基于某个参考平面进行绘制的问题，本文在增强现实模块中引入了一种基于RandomSampleConsensus（RANSAC）的平面估计算法对场景中可能存在的三维平面的参数形式进行估计。最后，本文通过将改进的SVO算法作为相机姿态估计模块，与增强现实模块相结合，完成了一套完整的增强现实系统。关键词：增强现实；半直接法；姿态估计；SVO算法；平面估计IAbstractAugmentedrealitytechn

5、ologyisanewtypeofhuman-computerinteractiontechnologythatsuperimposesvirtualinformation“seamlessly”inrealscenes,whichhasastrongsenseofimmersionandrealism.Currently,augmentedrealitytechnologycanbemainlydividedintomethodsbasedontwo-dimensionalimagerecognitionandthree-dimensionalmethodsincluding

6、theonesbasedonVisualOdometryalgorithm.Thelatteronehasbecomethetrendofaugmentedrealitytechnologyasitcanachievebetterinteractionperformanceandgreaterpracticality.VisualOdometryalgorithmisthealgorithmthatestimatestheposeofamovingobjectandsimultaneouslypredictsthethree-dimensionalstructureofthes

7、urroundingenvironment.Semi-directmethodisakindofVisualOdometryalgorithmthatestimatestheposebyminimizingthephotometricerrorofthesparsefeatures.Thismethodhastheadvantagethatitsrunningspeedisveryfast,butitsaccuracyofposeestimationisnotveryhigh,compare