基于Kinect的視覺里程計算法的進一步研究.pdf

1、移動機器人的自主實時精準定位與軌跡構建是機器人走向全智能化的前提。由于傳統(tǒng)的定位方法的缺點，基于計算機視覺的里程計逐漸成為機器人定位的重要選擇。視覺里程計在最近十幾年的時間里已廣泛應用于各類機器人的導航定位中，其中最成功的應用是NASA于2004年發(fā)射的“勇氣號”和“機遇號”火星探測器。由于傳統(tǒng)的視覺里程計方法深度信息難以獲得，以Kinect為代表的深度相機的出現(xiàn)為視覺里程計提供了新的思路，受到越來越多的學者關注。
　　本文研究了

2、基于Kinect的視覺里程計的算法，可以分了兩大類:基于稠密點的視覺里程計和基于特征點的視覺里程計。同時詳細地分析了這兩種方法的優(yōu)缺點，基于稠密點的方法具有對弱紋理環(huán)境適應性好、能充分利用所有信息及實時性好等優(yōu)點，但是它對變化很大的場景可能會匹配失敗且定位精度略差;基于特征點的方法對光照變化的魯棒性更高，且在場景豐富的環(huán)境下定位精度更高，但是它在特征點提取與匹配階段處理耗時很大。
　　本文首先分析了基于稠密點的Kinect視覺里程

3、計的原理，并給出了一種改進的方法。同時與原DVO算法進行比較，可得該算法能比DVO算法取得更高的精度，該算法對于有動態(tài)物體場景效果提升明顯且對于環(huán)境變化具有更高的魯棒性;但是該算法和DVO算法一樣，對于角度變化很敏感，且對于不連續(xù)的場景會匹配失敗。
　　針對上述缺點，本文提出了一種基于改進的SURF特征點的方法。首先分析了基于特征點的方法的一般流程，針對傳統(tǒng)的SURF算法在匹配階段耗時較大的問題，提出了一種基于亮度/色彩一致性的改