【摘 要】
：
迄今为止,尽管对定位与导航技术的研究已取得了丰富的成果,但是对于高精度的定位技术而言,这些方法仍存在不足。单一传感器由于自身的局限性无法在某些场景下实现精确定位,因此需要融合多个传感器的测量数据以获得更加鲁棒的初始化信息,其中比较典型的融合方案是单目相机与惯性测量单元（Inertial measurement unit,IMU）组成的视觉惯性里程计。视觉惯性里程计初始化的精度直接影响整个SLAM（
论文部分内容阅读
迄今为止,尽管对定位与导航技术的研究已取得了丰富的成果,但是对于高精度的定位技术而言,这些方法仍存在不足。单一传感器由于自身的局限性无法在某些场景下实现精确定位,因此需要融合多个传感器的测量数据以获得更加鲁棒的初始化信息,其中比较典型的融合方案是单目相机与惯性测量单元（Inertial measurement unit,IMU）组成的视觉惯性里程计。视觉惯性里程计初始化的精度直接影响整个SLAM（Simultaneous localization and mapping）系统的性能,由于两个传感器的数据融合会因为各自的特性而产生误差,另外视觉惯性里程计的初始化过程比较依赖视觉模块的初始化,因此本文对视觉惯性里程计初始阶段的数据融合算法展开研究,主要工作如下:（1）同时优化外参数的视觉惯性里程计系统。本方法完成了对单目相机和IMU外参数的在线估计优化,并同时估计单目相机尺度和IMU的偏差等其他状态变量。将视觉模块和IMU模块获取的位姿信息进行匹配得到旋转外参数。在估计得到陀螺仪偏差之后,将平移外参数加入到优化变量中,同时估计尺度因子并矫正重力的方向。最后通过已经估计得到的状态变量计算速度,加速度计偏差在后端的非线性优化中处理。公共数据集实验结果证明了该方法的有效性。（2）同时优化时间偏差的视觉惯性里程计系统。本方法完成了单目相机与IMU之间时间偏差的在线估计与补偿。假设IMU的时间戳是正确的,空间中的某个特征点同时被两个连续的相机关键帧观测到,由于时间偏差的影响,导致特征点的坐标发生了变化。通过优化变化后的特征点在另一个相机关键帧上的重投影误差,并结合IMU约束估计得到时间偏差和其他状态变量。最后根据得到的时间偏差将相机的时间戳与IMU对齐。公共数据集和真实场景实验结果证明了该方法能够提高定位的精度。（3）利用点线特征的视觉惯性里程计系统。本方法实现了同时利用点特征和线特征并结合IMU信息进行位姿估计。由于提取图像线特征的时间复杂度和计算复杂度比较高,通过剔除短线特征以减少提取线特征的时间,保证实时性。线特征能更好地利用平面特性,对平面和非平面场景分别利用单应矩阵和基础矩阵进行位姿估计。最后将相机模块获得的位姿信息与IMU信息进行融合以获得更加精确的初始化信息。公共数据集实验结果证明了该方法能够提高相机初始化的鲁棒性和整个系统的位姿估计精度。
其他文献
行人再识别是利用计算机视觉技术,在图像或视频库中检索特定行人的任务,该任务具有强烈的实际应用需求和显著的理论研究价值。行人再识别技术目前主要依靠外观信息识别不同行人,而由于实际场景复杂多变,取得准确且鲁棒的行人再识别仍然是十分有挑战性的任务。本文的研究领域是基于视频的行人再识别,主要任务是针对行人的表观特征和步态信息进行深入研究。主要贡献如下:提出了基于表观特征聚合的行人再识别方法。相比图像而言,
数字水印作为保护信息安全、实现防伪溯源和版权保护的有效方法,是信息隐藏技术研究领域的重要分支和研究方向。在本文中,我们主要研究的是通过语音的数字水印技术来实现语音的安全认证和篡改检测。现如今,语音的水印技术已经发展出很多种,我们在本文中主要使用的水印嵌入方法是回声隐藏（Echohiding）方法和量化索引调制（Quantization Index Modulation,QIM）方法。这两种水印方法
物联网（IoT）是传感器和执行器等异构设备的集合,它们构成一个巨大的网络,使网络中的硬件组件能够组成一个更美好更方便的世界,如智能家居、智能城市、智能交通和智能产业。另一方面,安全和隐私是物联网最重要的方面,包括认证、授权、数据保护、网络安全和访问控制。另外,传统的网络安全方案由于其计算能力和存储容量的限制,不能直接用于物联网。随着云计算和通信技术的发展,用户可以访问各种环境下提供的物联网服务,包
1969年,上海学生刘月娥,和其他知青一起,胸前佩戴着光荣的大红花,一路颠簸到了安徽的茶林场。刘月娥身子单薄,刚开始干活的时候很不习惯。和她同住一屋的林娟,因为吃不饱,胃总是不舒服。于是,刘月娥尽量省下自己的粮食去接济林娟。肚子吃不饱,男知青们经常趁夜色去河边捞点鱼虾打打牙祭,到后来,鱼虾都被他们捞光了。见大家都面黄肌瘦的,连队只好同意每个星期天,让他们结伴步行,去
在现实生活中,云服务提供商（Cloud Service Provider,CSP）允许数据拥有者（Data Owner,DO）定义相应的访问约束,并且将其所需要发布的数据上传到功能丰富、计算能力强大的云服务器中,同时保证数据在服务器中的安全性。在云计算技术的支撑下,基于位置服务（Location Based Service,LBS）能够为移动用户提供便捷的推荐服务,但同时也带来了信息泄露的风险。L
随着社会发展和生活水平提高,当前群众政务服务呈现诉求多样化、服务个性化、方式便利化的新形势。政府部门也因此成为最大的信息数据生产、收集、使用和发布单位。然而,大量的数据信息由于跨部门共享机制不健全、政策制度滞后等原因无法得到充分的利用,造成了“不愿共享”、“不敢共享”、“不会共享”等问题的发生,严重影响了数据资源共享应用的整体效能。尽管在政府服务平台的研究和开发这条道路上已经有很多先行者,但是系统
人类每天所接收的信息中有超过90%来自视觉,随着人们的生活品质不断提高,对于视觉媒体的美学需求在逐步增加。“构图”是影响图像美感的重要因素,它与摄影的其他要素决定了画面的鲜活程度以及叙事能力。目前针对图像美学的研究虽然隐含地考虑了简单的构图规则,但由于构图的主观性,暂时还没有可靠的自动构图分类方法和明确考虑构图规则的图像优化方法。本文的两个研究内容旨在解决上述问题。首先,对于现有构图分类模型不适用
近年来,因交通事故、自身疾病等原因导致市场上的假肢需求数量显著提高。对于上肢残缺患者,上肢残缺一方面使患者生活不能自理,另一方面也给患者造成了严重的心理压力。随着现代技术的发展和社会对残肢患者的关注度提升,市面上出现了多种类型的肌电假肢,一定程度上缓解了患者的生活需求。但是,目前的肌电假肢仍然存在一系列显著问题,比如:现有假肢大都对单一动作进行识别,无法对复合动作进行识别,实现某一具体行为需要几部
雾计算已经成为物联网分布式应用的一个有吸引力的解决方案,它可以提供低延迟、高移动和地理分布的服务。雾计算提供了许多好处,但也面临各种安全和隐私问题。雾计算是云计算的扩展,是将云计算的存储、网络和计算设施扩展到网络的边缘,依赖于分布式节点的计算能力来降低数据中心的总压力。在雾计算中,隐私保护更具挑战性,因为与处于核心网络中的远程云服务器相比,与终端节点相邻的雾服务器节点可能会收集有关身份、实用工具使
随着装有内置传感器的移动设备的使用迅速增加,移动群智感知（MCS）作为一种由人所驱动的感知模式应运而生。它通过数百万个独立的移动感知设备来收集、感知和分析城市数据,但由于用户移动模式的不可控性,往往会导致数据冗余的问题,而且大量用户并行向云服务器提交数据时会增加云服务器的压力。为了解决此问题,本文将边缘计算引入到移动群智感知中用于处理用户移动信息并对感知数据进行收集。主要工作总结如下:（1）提出了