《2D/3D視覺信息融合仿生SLAM關鍵問題研究》是依託中國人民解放軍國防科技大學，由肖軍浩擔任項目負責人的青年科學基金項目。
基本介紹
- 中文名：2D/3D視覺信息融合仿生SLAM關鍵問題研究
- 項目類別：青年科學基金項目
- 項目負責人：肖軍浩
- 依託單位：中國人民解放軍國防科技大學
中文摘要,結題摘要,
中文摘要
長時間大範圍可靠的同步定位與建圖（SLAM）能力不足是制約移動機器人走向實際套用的瓶頸問題之一。相比較基於機率計算和圖最佳化的方法，受大腦導航定位機制啟發的2D視覺仿生SLAM已經顯示了其處理長時間大範圍SLAM問題的優勢，但還存在精度低、缺少幾何信息、對光照條件魯棒性不高等缺陷，尚未研究利用對動物導航定位而言重要的3D深度信息。項目研究融合2D/3D視覺信息的仿生SLAM，以克服上述缺陷：1、提出基於深度圖的與特徵無關的6自由度視覺里程計，滿足實時性和精度要求；2、提出一種新的拓撲米制混合地圖表示方法，基於2D/3D視覺信息增量式地構建全局拓撲一致，局部幾何信息精確的混合地圖；3、提出基於多模態信息的閉環檢測方法，最大限度地融合兩個視覺模態的信息量，提高閉環檢測的魯棒性和準確率。研究成果對提高機器人SLAM能力具有重要意義，能為移動機器人早日實用於複雜環境奠定一定的理論基礎和提供技術支撐。
結題摘要
長時間大範圍可靠的同步定位與建圖（SLAM）能力不足是制約移動機器人走向實際套用的瓶頸問題之一，本項目融合顏色和深度信息，針對其中涉及的若干關鍵問題開展了深入研究，包括基於混合信息殘差的視覺里程計、基於圖像級聯網路的圖像語義分割、融合慣性測量單元和雷射雷達的精確地圖構建、基於位姿和外觀的閉環檢測方法等。重要研究進展包括： 提出了基於混合殘差的視覺里程計，將圖像特徵點信息、光度信息和深度信息相結合，設計了混合殘差聯合最佳化模型。在高斯牛頓最佳化框架下，推導了非線性最佳化的求解公式，並在求解過程中分階段地使用了魯棒核函式和外點濾除，來增強疊代過程的魯棒性和保證結果的最優性，實驗表明同時提高了視覺里程計的定位精度和魯棒性。 提出了基於圖像級聯網路ICNet 的圖像語義分割，以多解析度的圖像作為網路輸入，低解析度圖像通過完整的語義感知網路獲得粗略的圖像語義分割結果，然後採用級聯特徵融合網路結構將中、高解析度圖像的細節特徵融入進來，逐步改進粗略的語義分割圖，最終可以快速地輸出高質量的語義分割結果。 提出了融合慣性測量單元（IMU）和雷射雷達的級聯SLAM算法用於大範圍精確地圖構建，IMU 的高頻率位姿估計為點雲配準提供初值，基於疊代最近鄰（ICP）算法進行點雲粗配準，然後基於3D-NDT 進行點雲精配準，在保證實時性的同時，提高了增量式點雲配準的精度和魯棒性，為大範圍戶外場景三維模型構建提供了解決方案。 提出了一種基於位姿與外觀的機率閉環檢測方法，將SLAM 中所提供的位姿信息與傳統閉環檢測方法所使用的圖像外觀信息相結合，利用這兩種信息的互補特性，聯合用於閉環檢測，提高了算法的閉環檢測性能。 本項目研究成果在地面救援機器人自主導航上得到了成功的套用，對提高移動機器人的視覺自主導航能力具有重要意義。 在本項目支持/部分支持下，共出版學術專著1 本、譯著2 本、英文圖書章節1 章，發表SCI 收錄國際期刊論文6 篇，EI 收錄國內期刊論文2 篇，EI 收錄國際會議論文16 篇，申請發明專利4項。
