研究记录01—单目视觉提取的特征在SLAM当中的运用
来源:互联网 发布:to:day软件 编辑:程序博客网 时间:2024/04/30 21:26
1 采用视觉作为SLAM问题研究的优点与缺点
机器人通过传感器来获取(采集)所处的环境信息。当前机器人技术使用的主要传感器包括:激光(range finder laser)、超声波(sonar)、红外(infrared or IR)、视觉传感器(camera)等。各个传感器具有不同的特点,可以适合很多不同的应用领域。
激光
优点:
能够为机器人提供精确的二维距离和方向的数值信息,(range and bearing),是目前的主流设备。
缺点:
激光传感器体积大,能耗高,价格昂贵,不适用于体型较小的机器人,此外,激光传感器在高度混乱或者拥挤的情况下难以提取角或者直线特征,具有感知漂移的问题。
感知分辨率比较低,很难将观测的特征于已知的特征进行数据关联。
超声波
优点:
价格便宜,直接测量距离,对光线、天气变化等具有很好适应性。
缺点:
超声波对反射和入射角偏差敏感,容易受障碍物的阻挡,不能超视距探测,易遇到重复检测和镜面反射的问题,不适用于精确的建图。
视觉
优点:能够获得丰富的信息,如物体的颜色、深度、几何、方向灯,体积较小,装载方便,价格便宜
缺点:受环境变化影响较大,不能直接获得观测距离信息,处理图像数据复杂度高。
2.基于视觉的SLAM与基于其他传感器SLAM方法的区别
视觉SLAM和基于激光和超声波的SLAM主要区别是:
在环境特征路标的提取、匹配、环境地图的表示和管理等方面的不同,利用视觉可以很好解决SLAM当中的数据关联问题,另外
由于视觉信息不能直接提供距离信息,或引发另外一个独特的问题,例如基于单目视觉中的特征初始化问题,以及如何利用
视觉提取的信息进行机器人的定位与建图(SLAM).
3. 单目视觉方法与多目视觉(立体视觉)比较存在的问题
立体视觉能够直接获取物体(目标对象)的三维深度信息,很好的解决立体匹配的问题,但是系统设计比较复杂,系统成本比较高。
单目视觉相对立体视觉系统由于获得的图像信息比较少,在方向测量中不确定性较大,而且深度恢复(距离)比较困难,应用场合
受到一定限制。
但是单目视觉应用灵活、简单、价格低。
4.基于单目视觉的SLAM应用情况
采用单目视觉作为机器人唯一的传感器设备来获取环境信息,这种视觉SLAM可以不需要移动机器人的运动学模型,可以直接从传感器数据
估计机器人的运动,并且建立局部地图。
典型的SLAM方法:
EKF-SLAM、UKF-SLAM、CEKF-SLAM EIF-SLAM PF-SLAM FASTSLAM1.0 -2.0
还有各种变种。
基于视觉的:
MonocularSLAM,VSLAM,,sigma-SLAM,等等。
地图表示方法:
尺度地图:栅格地图和特征地图。拓扑地图和混合地图。
特征地图不利于路径规划与障碍物避免。
数据关联问题:
SLAM算法中将传感器信息与某个路标或者需要估计的地图区域联系起来的问题。其任务就是判断观测到的路标是一个
新的路标还是一个在地图库中已经存在的地标。
常见解决方法——
a.最大释然数据关联,计算地图中每一个路标和当前考虑的单个观测关联的可能性,也称最近邻数据关联。
b.单一相容性关联,通过观测更新(Innovation),计算其卡方分布是否小于某一个确定的值来决定观测与特征的关联是否成立。
fastslam有比较稳定的数据关联特性。
5.视觉路标的初始化问题
由于单目视觉的SLAM一次观测不能获得相对于环境特征的全部信息,只能获得方向信息,距离信息无法提取,是一种仅有方向信息的方法。
所以,建立特征地图存在特征初始化方法,
特征初始化就是对特征的初始位置进行估计,获得估计的深度信息。方法分为:延迟初始化、非延迟初始化。
具体方法,粒子滤波延迟初始化,高斯和滤波延迟初始化,GSF滤波、近似GSF和变形GSF非延迟初始化。
6.路标在观测更新过程中作用机制
已知摄像机或者机器人的状态x, 观测到的地标状态y,计算出实际获得观测值z(包含模拟噪声), 同时,利用单目视觉观测过程中的坐标系变换关系,
利用观测到的地标状态y(世界坐标系下状态)变换为机器人坐标系状态y^(局部坐标),然后根据小孔成像原理或者透视投影成像原理,
计算出观测的地标透射到图像上的像素坐标状态h.
h是通过观测模型获得的视觉路标位置的预测值(估计值),这个时候就利用EKF,根据h与z,即预测值与实际观测值的差(更新值innovation)来更新系统
的状态,获得比较准确的状态估计。
注意
预测的路标的位置与实际的路标位置是否匹配的问题由数据关联的方法解决。
多个观测到的路标组合,更新值和更新协方差来计算出新的系统状态和系统协方差状态。
8.目前尚且存在的问题
路标的初始化,深度估计问题的实质和实现
路标的检测测量和匹配策略
观测过程中,观测到的地标的状态y(世界坐标系)的实际表示方式,是否计算出该地标的世界坐标值?
地标的管理策略具体该如何实施?地标的增加,删除等。
- 研究记录01—单目视觉提取的特征在SLAM当中的运用
- SLAM: 单目视觉SLAM的方案分类
- SLAM: 单目视觉SLAM的方案分类
- SLAM: 单目视觉SLAM的方案分类
- OpenCV Using Python——基于SURF特征提取和金字塔LK光流法的单目视觉三维重建
- 基于SURF特征提取和金字塔LK光流法的单目视觉三维重建
- 非滤波单目视觉SLAM系统研究
- 非滤波单目视觉SLAM系统研究
- 基于单目视觉的车道偏离预警算法研究
- 非滤波单目视觉SLAM系统
- 非滤波单目视觉SLAM系统
- 单目视觉定位方法研究综述
- 单目视觉SLAM: Monoslam scenelib2 by Davison
- 基于单目视觉的智能车辆视觉导航系统设计
- 基于单目视觉的平面模型摄像机定位算法
- 基于单目视觉的手势识别(本科毕业作品)
- 单目视觉的运动目标跟踪定位
- 单目视觉定位测距的两种方式
- Scanner 和BufferedReader同样能实现将键盘输入的数据送入程序
- WP7 页面间传值
- 跑马灯
- 使用java.util.zip对字符串进行压缩和解压缩
- 并发与竞争
- 研究记录01—单目视觉提取的特征在SLAM当中的运用
- Windows Phone 7上广告平台的选择
- sdf
- 一个二维数组的排序
- Android小部件布局大小和点击事件
- 浅谈项目的需求分析
- C语言 实现 链表栈
- Android自定义对话框(Dialog)位置,大小
- 怎样添加发送到--------------SendTo文件夹