导读:本文包含了自运动估计论文开题报告文献综述及选题提纲参考文献，主要关键词:动态环境,自运动估计,视觉里程计,环境建模
自运动估计论文文献综述
彭真[1]（2017）在《动态环境下基于视觉的自运动估计与环境建模方法研究》一文中研究指出环境感知与导航定位是移动机器人实现自主化与智能化所要解决的最基本的问题。由于室内GPS信号的缺失与小型惯性传感器的误差漂移,机器人的室内导航与定位面临着巨大的困难,因此基于视觉的机器人叁维运动估计与环境建模技术展现出了重要的研究与应用价值。然而现有的视觉导航与环境建模方法都只能在静态环境下正常工作。如果场景中出现运动物体,那么它们将成为图像中的干扰元素,严重影响机器人的视觉运动估计与其所建立的环境地图。因此,本文研究机器人在含有运动物体的室内动态环境中,采用基于视觉的方法估计机器人的叁维位置与姿态信息,并建立一个全局一致且不含运动元素的静态地图。本文的主要研究工作和贡献归纳如下。第一,对RGB-D传感器的信息预处理技术进行了深入研究。首先针对其彩色相机与红外相机分别进行内参数标定,并对这两个图像流信号进行空间配准与时间同步,以获取彩色图像中每个像素所对应的深度值。其次,深入研究了RGB-D摄像机的深度测量原理,并结合高斯混合模型,对RGB-D传感器进行不确定度建模,从而获得像素深度及其叁维空间位置的不确定度。第二,针对动态环境下的叁维视觉自运动估计问题,提出了一种新的基于特征区域分割的RGB-D视觉里程计算法。该算法通过在关键帧与当前帧图像上提取特征并进行匹配,根据匹配特征点计算它们之间的位姿变换。为了消除场景中运动物体的干扰,利用相邻匹配特征点之间的叁维空间距离不变性,将特征点划分成静态与动态区域,最终只利用静态背景区域的匹配特征点来估计摄像机的运动。实验结果表明,所提出的视觉里程计算法在静态场景与动态场景中都能够获得准确的摄像机运动估计,并且在大范围动态场景下,其估计精度超过了其它成熟的视觉里程计算法。第叁,针对动态场景下的叁维环境建模问题,提出了一种新的静态地图构建方法。该方法首先在上述视觉里程计算法的基础上,结合闭环检测与全局图优化技术,建立了一个完整的同时定位与建图算法来获取全局一致的关键帧位姿。在地图构建过程中,为了去除运动物体的干扰,根据相邻关键帧之间的位姿变换对其匹配像素点的灰度与深度信息进行一致性判断,最终只利用相邻关键帧中观测一致的像素点构建出全局点云地图。实验结果显示,本文所提出的静态地图构建方法能够很好地去除点云中的运动物体,并保留静态区域的点云信息,保持了整个地图的完整性与一致性。(本文来源于《浙江大学》期刊2017-03-16）
王彩玲,赵春霞[2]（2012）在《基于掩模和俯仰角补偿的视觉自运动估计》一文中研究指出提出了一种基于掩模M估计和俯仰角补偿的移动机器人自运动的单目视觉估计方法。在6-DOF自运动模型的基础上,提出了一种适合于乡村道路环境的4-DOF自运动估计模型,以此为基础,采用一种多尺度的超复小波相位相干理论来鲁棒地估计缺乏规则纹理的路面图像的微小运动,设计了一种掩模M估计对运动向量进行优化估计,并提出了一种俯仰角补偿算法克服乡村路面颠簸有效地估计机器人偏航角、俯仰角增量和平移增量。在乡村道路环境下,利用某自主机器人采集的实际数据对算法进行了仿真试验,运动估计结果与车载GPS/INS捷联系统做了对照。实验结果表明了自运动估计算法的有效性。(本文来源于《系统仿真学报》期刊2012年11期）
温同鑫[3]（2012）在《一种基于光流和自运动估计的导航定位方法》一文中研究指出随着机器视觉技术的不断发展成熟，同时由于经典的惯性导航系统具有笨重、体积大、价格高昂等缺点，基于视觉的导航技术正在逐渐成为当前研究的热点。视觉导航是被动导航(passive navigation)的一种，因为该技术不需要像声纳导航那样主动向外界发射声波，或是和GPS进行通信，只需要接受来自摄像头的信息，视觉导航就能正常工作。作为一种辅助手段，也可以预先在飞行器上存储周围环境的地图，为实时导航提供一定的依据。在本文中，我们提出的算法能快速、鲁棒的求解飞行器6个自由度的自运动参数。在算法中，本文首先分别为两个连续帧构造两个图像金字塔，然后自上向下计算各层之间的自运动参数，并把每一层的结果都作为下一层的初值使用，直至最后一层，输出最终结果。每一层中，我们的算法都包括3个部分：①计算两帧图像之间的光流；②将光流场输入到本文提出的自运动估计算法中，估计6个自由度参数；③利用估计的自运动参数计算“平面流”(planar surface flow)，根据平面流对下一层的第一帧图像进行图像变形(image warpping)。由于该算法将光流估计和自运动估计结合了起来，故本文将该算法称为OFcEG(Optical Flowconnect EGomotion)算法。为了精确快速的求解飞行器在6自由度参数，本文首先研究了一些其他学者的成果以及他们的不足。为了解决这些问题，同时结合本文的研究背景，本文提出了OFcEG算法并证明了它的收敛性。同时本文还介绍了影响该算法性能的一些因素，并通过实验和其他算法进行了对比、验证，从中我们可以看见该算法的一些特性。另外，本文还设计了一个简单的仿真导航实验，并分别将OFcEG算法和上文提到的自运动估计算法在该导航系统中进行了对比，发现OFcEG能较大的提高导航精度，并且效率较高。(本文来源于《华中科技大学》期刊2012-01-01）
段勃勃,刘威,杨春阳,袁淮,刘积仁[4]（2011）在《基于序列图像的车辆自运动估计算法》一文中研究指出提出了一种基于单目视觉序列图像的车辆自运动估计算法,首先利用自车运动和相机运动间的约束建立了运动模型,该模型消除了运动参数间的模糊性从而提高了运动估计的可靠性;然后提出了基于多参考帧的运动估计实现技术,增强了算法在低速场景下的准确性。实验结果表明该算法不容易受光照和背景的影响,在复杂应用场景中能够准确的估计出车辆自运动参数。(本文来源于《系统仿真学报》期刊2011年03期）
岳富占,崔平远,崔祜涛[5]（2007）在《基于视觉序列图像的月球车自运动估计技术》一文中研究指出月球车视觉所获得的环境信息是月球车进行导航的重要信息来源,给出了一套利用月球车立体视觉系统所获得的序列图像来估计月球车运动参数的定位方案,并重点解决了后期的定位问题。该方案首先通过特征提取、特征跟踪与特征匹配等图像处理环节建立运动估计所需要的特征匹配点集,然后针对运动参数估计这一难点,利用鲁棒运动估计方法有效消除匹配特征点集中的误匹配,并初步估计月球车运动参数,以此为迭代初值利用Levenberg-Marquardt非线性估计算法精确估计月球车运动参数,最后通过建立运动估计仿真器验证了该运动估计方案的有效性。(本文来源于《系统仿真学报》期刊2007年13期）
自运动估计论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
提出了一种基于掩模M估计和俯仰角补偿的移动机器人自运动的单目视觉估计方法。在6-DOF自运动模型的基础上,提出了一种适合于乡村道路环境的4-DOF自运动估计模型,以此为基础,采用一种多尺度的超复小波相位相干理论来鲁棒地估计缺乏规则纹理的路面图像的微小运动,设计了一种掩模M估计对运动向量进行优化估计,并提出了一种俯仰角补偿算法克服乡村路面颠簸有效地估计机器人偏航角、俯仰角增量和平移增量。在乡村道路环境下,利用某自主机器人采集的实际数据对算法进行了仿真试验,运动估计结果与车载GPS/INS捷联系统做了对照。实验结果表明了自运动估计算法的有效性。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
自运动估计论文参考文献
[1].彭真.动态环境下基于视觉的自运动估计与环境建模方法研究[D].浙江大学.2017
[2].王彩玲,赵春霞.基于掩模和俯仰角补偿的视觉自运动估计[J].系统仿真学报.2012
[3].温同鑫.一种基于光流和自运动估计的导航定位方法[D].华中科技大学.2012
[4].段勃勃,刘威,杨春阳,袁淮,刘积仁.基于序列图像的车辆自运动估计算法[J].系统仿真学报.2011
[5].岳富占,崔平远,崔祜涛.基于视觉序列图像的月球车自运动估计技术[J].系统仿真学报.2007