基于光流法的运动估计研究

论文总字数：25938字

摘 要

准确的实时定位对于自主导航系统非常重要，基于计算机视觉方法的视觉里程计逐渐成为机器人自主定位的重要选择。对于运动的分析以及对自身位置信息的获取无疑是视觉里程计的核心功能。在对运动进行分析方面，在对于图像运动的估计上光流法已经可以满足一定程度上精度和稳定性的要求。对于获取自身位置信息的方面，PNP算法作为一种较为成熟的位姿估计算法，与光流法结合，可以以较快的速度获取信息。

为了解决传统基于特征点的视觉里程计处理速度慢、无法实时定位的问题，本文将光流法引入到视觉里程计中，提出基于光流法的运动分析及位姿估计算法：本文首先研究了获取特征点以及使用光流法对特征点进行跟踪的技术原理。在此基础上结合PNP（Perspective-n-Point）算法，通过获取到每一帧图像的2D坐标点以及3D坐标点信息，计算出自身位置信息以及姿态信息。通过对数据集的处理与真实值之间的比对，验证了所提算法在运动分析及位姿估计上的有效性。

最后，本文对光流法运动分析精度提出一种优化方案，在PNP算法的模型基础上加入了Bundle Adjustment优化方案，使整个系统鲁棒性更好，算法的位姿估计结果更接近真实值，有效提高了精确度。

关键词：自主定位、光流法、PnP算法、BA优化

Abstract

 Accurate real-time positioning is very important for autonomous navigation systems. Vision-based odometers have gradually become an important choice for autonomous robot positioning. The analysis of the movement and the acquisition of its own positional information are undoubtedly the core functions of the visual odometer. In the analysis of motion, the estimation of image motion by the optical flow method can already meet certain accuracy and stability requirements. For the aspect of obtaining its own position information, PNP algorithm is a relatively mature position and pose estimation algorithm. Combined with the optical flow method, the PNP algorithm can obtain information at a faster speed.

In order to solve the problem that traditional feature point-based visual odometers are slow in processing speed and unable to be located in real time, this paper introduces the optical flow method into the visual odometer and proposes motion analysis and pose estimation based on the optical flow method. Algorithm: The technical principle of acquiring feature points and tracking the feature points using the optical flow method. Based on this, the PNP (Perspective-n-Point) algorithm is used to calculate the position information and posture information of each frame by acquiring 2D coordinate points and 3D coordinate point information of each frame image. By comparing the dataset with the actual values, the effectiveness of the proposed algorithm in motion analysis and pose estimation was verified.

Finally, this paper proposes an optimization scheme for the motion analysis accuracy of optical flow method. Based on the model of PNP algorithm, the Bundle Adjustment optimization scheme is added to make the whole system more robust and the pose estimation result of the algorithm is closer to the true value. , effectively improve the accuracy.

KEY WORDS: Autonomous Positioning, Optical Flow method, PnP Algorithm, BA Optimization.

目录

摘要 I

Abstract II

目录 III

第一章 绪论 1

1.1 课题背景 1

1.2 国内外研究现状 2

1.3本文结构安排 4

第二章 运动估计理论基础 6

2.1 旋转矩阵与变换矩阵 6

2.2 李群和李代数 8

2.3 图优化简介 10

2.4 特征点简介 12

第三章 基于光流法的运动估计研究 14

3.1 光流法 15

3.2 PNP算法 17

3.3 Bundle Adjustment优化 19

第四章 实验验证 21

4.1 实验平台及所用库简介 21

4.2 光流追踪实验 22

4.3 输出位姿矩阵实验 24

4.4 相机位移仿真 25

4.5 采用BA优化算法 27

第五章 总结与展望 30

致谢 31

参考文献 32

1. 绪论

人类通过感官获取外界信息，通过大脑处理所收集的大量信息。在人类的五感中，观感或者说视觉，获取的信息无疑是最多的，因为观感并不是单纯地感知光的信号，而是获取一个个画面中所包含的种种信息。因此，当科技发展到人类想要开发与人类相似的智能机械时，研究人员自然而然地想到如何使计算能力极强的计算机拥有和人类一样的视觉。当然，机器是不可能拥有视觉的，但通过在功能上的模仿，计算机可以像拥有视觉的人类一样，对获取的图像信息通过一定的算法进行处理，并帮助人们筛选出有用的信息，这项技术就被称作计算机视觉。本课题旨在讨论计算机视觉在视觉导航领域的应用。在视觉导航领域，视觉SLAM的研究已越来越广泛，视觉SLAM的研究大体上可以分为由于采集数据的前端设备以及用于优化和处理数据的后端部分。其中，前端部分的关键点在于视觉里程计的设计（visual odometry）。本课题就是基于视觉里程计的一种运动分析方法——光流法的研究。

1.1 课题背景

剩余内容已隐藏，请支付后下载全文，论文总字数：25938字