论文部分内容阅读
作为人工智能相关的研究领域之一,自动驾驶技术近年来取得了惊人的进步。即时定位与地图构建(Simultaneous Localization and Mapping,SLAM)是自动驾驶车辆面临的主要挑战之一。随着计算机视觉的发展,基于视觉的SLAM成为当前的热点研究方向,视觉SLAM利用视觉传感器获取信息,以进行自主定位并构建地图。为满足室外导航定位和地图构建的需求,本文提出一种基于双目视觉的道路SLAM算法,重点研究图像特征匹配和场景重建的改进算法。论文主要研究工作如下:一、充分调研了自动驾驶、双目视觉和SLAM技术的研究意义和国内外研究现状,详细介绍了双目视觉SLAM的基础理论。二、针对传统图像特征匹配筛选的随机抽样一致性算法精度低、速度慢的缺点,提出一种基于网格的运动统计和块匹配的改进算法,将特征点网格邻域中的匹配数量作为匹配准则,并结合菱形搜索算法筛选正确匹配和错误匹配。通过实验验证了改进特征匹配算法能有效提高正确匹配的筛选率和筛选速度。三、针对半全局立体匹配算法惩罚参数固定、无法正确应对边缘视差突变的问题,提出一种基于边缘的自适应惩罚参数算法,以优化对物体边缘像素和连续像素的匹配。同时根据改进立体匹配算法估计的视差,进行道路场景三维点云稠密重建,并提出一种多阈值区域分割识别算法以剔除天空像素、提高重建效率。实验结果表明,改进立体匹配算法能有效应对物体边缘的视差突变、提高视差估计精度,重建出的三维稠密点云物体表面平滑、场景稠密度和重建耗时满足室外要求。四、根据自动驾驶的导航定位需求,提出一种基于双目视觉的道路SLAM算法。在ORB-SLAM2的基础上增加了建图线程,通过结合改进特征匹配算法和道路场景重建算法,对车辆进行定位并构建道路稠密点云地图。最后采用KITTI数据集进行了定位估计和地图构建的仿真实验,以及使用校正后的双目相机进行了实际实验。实验结果表明本文道路SLAM能实时估计相机的运动轨迹、构建道路的稠密地图,验证了算法应用的可行性。