面向弱光照环境的轮式车辆视觉定位系统研究.pdf

哈尔滨理工大学电子信息硕士学位论文

面向弱光照环境的轮式车辆视觉定位系统研究

摘要

近年来自动驾驶、服务机器人领域得到了快速发展，基于对驾驶安全性、

服务准确性的考虑，使得研究者对轮式车辆和轮式机器人在不同环境下运行的

稳定性以及定位精度有了更高的要求。而同步定位与建图（Simultaneous

LocalizationMapping，SLAM）作为定位精度的核心技术也成为了研究者的热

点。以相机作为主传感器的视觉SLAM能直观获取环境的图像信息而且成本相

比激光雷达也更低，所以视觉SLAM在小场景的巡航上适配性更高。目前大多

数开源的视觉SLAM系统对特征信息充足、光照干扰小的场景都能有很好的定

位效果，但实际场景往往比较复杂且干扰大，轮式载体的视觉系统需要有很强

的鲁棒性，视觉SLAM对光照的适应性很差，很容易导致视觉系统在弱光照环

境下定位精度不足产生轨迹漂移现象。因此，本文对轮式车辆在弱光照环境下

定位存在的问题进行研究并设计一套完整的视觉SLAM系统。

针对轮式车辆的视觉SLAM系统在弱光照环境下前端采样精度不足，提出

将惯性测量单元与RealSense-D435i相机融合的视觉系统；并提出改进图像增

强算法以削弱光照对相机的影响，自采数据集实验证明本文在系统前端融合改

进伽马图像增强算法能较大程度还原场景特征，同时能提高特征点提取数量；

在此基础上设计一种基于点云曲率与光度误差分布的动态点去除算法，以应对

环境存在动态物体的问题。

针对轮式车辆在弱光照环境后端产生累计误差问题，本文对滑动窗口进行

改进，提出一种关键帧选取策略，对全局进行优化，KITTI数据集实验表明本

文基于改进滑窗的后端算法相较于传统视觉算法有很好的优化效果；同时设计

了针对弱光照环境的词袋模型加强系统对地图点识别的精度，数据集实验结果

表明弱光照词袋模型可以更加精准识别地图点，减小系统回环检测的轨迹漂移

现象。最后针对本文所设计的前端、回环以及后端框架，采取傍晚的校园操场

环境进行实际实验，最终结果也表明本文完整的视觉SLAM系统在弱光照环境

下定位精度有明显的提高，也增强了在弱光照环境下的稳定性和鲁棒性。

关键词弱光照;视觉SLAM;轮式车辆;惯性测量单元;图像增强

-I-

哈尔滨理工大学电子信息硕士学位论文

ResearchonVisualLocalizationSystemforWheeled

VehiclesinLow-LightEnvironments

Abstract

Thefieldofautonomousdrivingandserviceroboticshasbeenrapidlydeveloped

inrecentyears.Basedontheconsiderationofdrivingsafetyandserviceaccuracy,it

makesresearchershavehigherrequirementsforthestabilityofwheeledvehiclesand

wheeledrobotsoperatingindifferentenvironmentsaswellastheirlocalization

accuracy.AndSimultaneousLocalizationMapping(SLAM)asthecoretechnologyof

positioningaccuracyhasalsobecomeahotspotforresearchers.VisionSLAMwitha

cameraasthemainsensorcanintuitivelyobtainimageinformationoftheenvironment

andthecost