论文部分内容阅读
随着社会的不断发展，信息化程度不断加深，社会上的很多行业对室内定位的需求也越来越多。视觉定位作为室内定位的一种定位方式，不像其他无线室内定位方式会受到室内障碍物阻拦信号的影响。这种定位方式凭借着高精度定位的优势逐渐的成为全世界各国室内定位研究的热点。视觉定位用视觉传感器，如摄像头，捕捉周围图像信息，通过序列图像的匹配，然后估计出摄像头的移动方位信息，从而达到计算出摄像头载体移动方向和距离信息的目的。为了实现室内的视觉定位，本文的主要工作如下：1、对SUSAN算法、SIFT算法和Harris算法做了性能对比实验，验证了SUSAN算法在保证精确性的同时具有较好的实时性。2、为了提高SUSAN算法的实时性和精确性，对SUSAN算法进行了改进：通过增加一个USAN环形模板对特征点进行粗提取，用原USAN模板对特征点精确定位，提高了SUSAN算法的实时性；通过对USAN模板上像素灰度值的分析，剔除了梯度边缘和模糊边缘的特征点，提高了SUSAN算法的精确性。3、为了验证对SUSAN算法改进的有效性，对改进前后的SUSAN算法做了精确性和实时性对比实验，实验结果验证了改进后的SUSAN算法与原SUSAN算法相比，提高了实时性和精确性。4、结合SUSAN算法和SIFT的优点提出了一种SUSAN-SIFT算法，然后，对该算法做了适应性实验，验证了该算法具有抗旋转变化、光照变化、仿射变化和噪声变化的性能。5、用Kalman滤波算法预先估计出两幅待匹配图像的重叠区域，只对重叠区域进行图像特征提取和匹配，从而减少了基于SUSAN-SIFT算法的全局运动估计方法提取特征点和特征点匹配时的计算冗余，提高了该算法的自适应性，并通过实验验证了该方法在保证定位精确性的同时，提高了算法的实时性。6、搭建了软件和硬件结合的基于自适应全局运动估计方法的室内视觉定位系统平台，在VS2008上编程，对该系统做了整体的验证性实验，验证了本文算法的有效性。