水下機器人視覺SLAM方法中的圖像特征點提取技術研究.pdf

1、即時定位與地圖構建(Simultaneous Localization and mapping,SLAM)技術是移動機器人智能化的關鍵技術。近年來,應用于水下環(huán)境的SLAM技術成為研究熱點,但是水下環(huán)境因為具有地形復雜、光線昏暗、隨機干擾多的特點而存在許多的技術難點。針對這些問題,本文主要以視覺SLAM系統(tǒng)關鍵技術和水下環(huán)境的圖像處理為研究課題,重點研究了SLAM技術的實現(xiàn)方法、水下圖像的預處理問題以及水下環(huán)境的特征提取和匹配算法,主要

2、的研究內(nèi)容如下:
　　首先,本文介紹并分析基于視覺的SLAM實現(xiàn)方法,建立了基于EKF-SLAM算法的理論模型,通過Matlab仿真對比EKF-SLAM算法定位誤差與里程計定位誤差的差別,并仿真出兩種定位方法繪制的地圖誤差的大小,通過實驗證明了EKF-SLAM方法的準確性和可靠性,建立了可靠的EKF-SLAM系統(tǒng)模型。
　　其次,本文研究了水下環(huán)境對攝像機成像的影響,分析了成像中的光線折射、散射及吸收現(xiàn)象并提出了相應的解決方

3、法。然后,引入了應用于霧天的暗原色圖像對比度增強方法,最終,提出了一種應用于水下環(huán)境的暗原色圖像對比算法,通過實驗證明了該方法的可行性,為后期的特征提取提供了有效的水下環(huán)境圖像增強方法。
　　然后,本文研究了圖像特征提取的一般方法,分析了各種方法的優(yōu)缺點和在水下環(huán)境中的適用性情況,驗證了尺度不變特征轉(zhuǎn)換(Scale-invariant feature transform,SIFT)算法是一種較為合適的水下特征提取算法。隨后,針對S

4、IFT算法實時性差和特征點冗余的缺點,提出了基于特征區(qū)域的處理方法,實驗證明該方法對提高實時性有良好的效果。最終,提出了一種有效的特征提取改進方法。
　　最后,本文分析了SLAM系統(tǒng)數(shù)據(jù)關聯(lián)的方法,論證了數(shù)據(jù)關聯(lián)方法的重要性。針對數(shù)據(jù)關聯(lián)中的誤匹配和匹配效率問題,提出了將雙目相機的相對位置因素和路標點位置因素作為輔助條件進行關聯(lián)的方法,實驗證明,加入路標的位置信息之后,特征點的關聯(lián)復雜度大幅降低,尤其是隨著特征點數(shù)量的增加,特征點