《慣性與高階特徵輔助的圖像動態環境感知方法研究》是依託上海交通大學，由鄒丹平擔任項目負責人的青年科學基金項目。
基本介紹
- 中文名：慣性與高階特徵輔助的圖像動態環境感知方法研究
- 項目類別：青年科學基金項目
- 項目負責人：鄒丹平
- 依託單位：上海交通大學
項目摘要,結題摘要,
項目摘要
圖像環境感知方法在機器人自主定位導航與精確制導控制中被廣泛套用。但目前圖像環境感知方法尚存在如下局限：1、使用場景中的固定特徵點進行定位與地圖構建，當特徵點被常規場景中的運動物體遮擋時，機器人姿態估計與場景測量精度及其穩定性將大為下降；2、若無其它輔助，純圖像環境感知方法存在尺度模糊性問題，在固定特徵點被遮擋的情況下還將導致尺度浮動變化，導致環境感知性能惡化。.本課題提出結合慣性姿態測量信息和場景高階幾何信息來實現動態場景的圖像環境感知方法。通過對目前基於靜態場景假設的擴展卡爾曼濾波器擴展，利用慣性姿態信息對自身運動進行預測，並對固定特徵點進行識別，結合高階幾何特徵的觀測模型進行狀態求解，從而達到快速、穩定、精確地估算機器人自身姿態位置、場景三維地圖結構，以及移動特徵點三維運動軌跡的目的。期望通過本課題研究提高機器人在複雜場景下的自主導航能力。
結題摘要
本課題圍繞著如何提高基於圖像的視覺定位與環境感知方法的穩定性和精度進行研究，取得以下三個研究成果。第一，提出一種基於人造環境中普遍存在的結構線條的視覺SLAM方法-StructSLAM。 該方法減少了僅依賴特徵點視覺SLAM的累計誤差，並提升在紋理不佳情況下特徵檢測與跟蹤能力。在機器人SLAM公用測試數據集rawseeds在同類方法取得性能第一的定位精度。第二，提出一種快速穩定的線條描述子。其工作原理與特徵點描述子BRIEF類似，採取一種隨機抽樣的方式，經過離線訓練，得出LBD線條描述子。實驗結果表明，該描述子同時具有高性能和高效率的特點，非常適合視覺SLAM實際套用。第三，基於空氣動力學的無人機自主定位方法 - 針對室內GPS缺失並且光照條件極端惡劣情況下視覺定位方法極易失效的問題，提出結合旋翼無人機特殊的空氣動力學特性，與其他感測器融合, 實時估算無人機飛行速度和姿態。該方法在光照條件極端不好的情況下，仍然能準確地估算出無人機的速度，解決了純視覺方法的短板。
