基于点线特征融合的回环检测方法研究.pdfVIP

摘要 摘要 在未知林区环境下，精确的自主导航是林业机器人进行精准作业时需要解决的重 点问题之一。视觉SLAM （Simultaneous Localization And Mapping ）是林业机器人实 现精确自主导航的关键。回环检测是视觉 SLAM 的关键环节，其任务是识别机器人 曾经达到过的地方，为SLAM 提供正确的数据关联，消除计算过程中的累积误差， 提高SLAM 系统的精确度和稳定性。目前多数回环检测主要采用单独的点或线特征。 林区环境光照复杂、枝干颜色昏暗、目标纹理相似，存在严重的感知偏差，现有的方 法在林区环境中检测准确率低，严重影响视觉 SLAM 的计算精度。因此，本文研究 林区环境下的回环检测。针对林区环境的上述挑战，提出一种基于点线特征融合的回 环检测算法，解决林区环境中的感知偏差问题。本论文的主要内容和成果如下： （1）研究多种特征的提取和描述算法，并进行实验对比分析。利用BoW 模型构 建基于BREIF 、SURF、ORB、LBD 、binary LBD 的视觉词典，将它们应用在回环检 测中。根据实验结果可知，在多数场景中，从算法的计算时间和检测结果的准确率综 合考虑，点特征描述符中ORB 效果最佳，线特征描述符中binary LBD 效果最佳。 （2 ）提出一种基于信息熵分配原则的图像相似性计算方法。将点、线特征融合， 利用信息熵为点、线特征分配权重，求解相似性分数。对比基于特征数量和基于特征 分布离散度的分配原则，本文提出的分配原则求得的相似性分数更有优势，提高了回 环检测的准确率。 （3 ）提出一种新的基于点线特征融合的回环检测算法。利用提出的信息熵分配 原则融合点、线特征求取相似性分数，并引入特征点匹配原则剔除邻近图像，避免假 阳性回环的出现。该算法提高了回环检测的准确率和召回率，扩展了算法的应用场景， 一定程度上解决了场景中的感知偏差问题。 （4 ）将构建的点线特征融合的回环检测算法应用于完整的SLAM 系统，提升了 林业机器人在林区环境下的定位精度与建图的一致性，为后续林业机器人的自动导航 技术提供理论基础。 关键字：林业机器人，视觉SLAM，回环检测，点线特征，BoW ，信息熵 I 目录 目录 摘要 I ABSTRACT II 1.绪论 1 1.1 研究背景及研究目的和意义1 1.2 回环检测国内外研究现状4 1.3 本文研究的关键问题7 1.4 论文的主要研究内容9 2 图像点线特征的提取与描述11 2.1 点特征的检测和描述11 2.1.1 SURF 特征的检测和描述11 2.1.2 BRIEF 特征的检测和描述 14 2.1.3 ORB 特征的检测和描述16 2.2 线特征的检测和描述18 2.2.1 线特征的检测18 2.2.2 线特征的描述19 2.3 本章小结 21 3.图像相似性计算 22 3.1 视觉词典构建 23 3.1.1 特征描述符聚类23 3.1.2 视觉词典树24 3.1.3 权重分配 24 3.1.4 图像描述 24 3.2 图像相似性计算25 3.2.1 图像相似性计算的原理26 3.2.2 基于点线特征融合的图像相似性计算27 3.3 实验与分析31 3.4 本章小结33 4．基于点线特征融合的回环检测34 4.1 图像数据库 35 4.1.1 正向索引文件35 4.1.2 反向索引文件36 4.2 图像数据库查询 36 4.2.1 特征匹配原则36 IV 目录 4.2.2 自适应阈值法37 4.2.3 分组 37 4.3 最佳回环候选帧验证38 4.3.1 时间一致性检验38 4.3.2 几何一致性验证39 4.4