论文部分内容阅读
无人车是一个集合了环境感知、车体动态决策与规划、车体行为控制与执行等多种功能于一体的具有高度智能行为的自动化系统。无人车的主要应用领域有无人作战、智能交通、辅助驾驶。要实现无人车的自主导航要解决三个问题,即：(1)我(无人车)现在在哪儿?(2)我将要去哪儿?(3)我怎样到那儿?即无人车的定位问题、运动目标问题、路径规划问题。其中,第一个问题,即确定无人车的位置是在机器人的各种应用中首先需要解决的最基本问题之一本文主要研究了基于双目立体视觉里程计的无人车定位问题,包括双目立体视觉里程计所涉及到的理论和算法。双目立体视觉里程计是即时定位与制图(simultaneous localization and mapping, SLAM)的重要组成部分,可以作为全球定位系统和航位推算定位等定位方法的有效补充。首先,本文对本课题的研究背景,包括无人车和视觉里程计的国内外研究现状进行了介绍,对比分析了各种无人车定位方法,指出了采用立体视觉里程计的优势所在及其所面临的问题。其次,对双目立体视觉系统的基本原理进行了分析,包括立体视觉系统的研究内容、摄像机的成像模型及立体视觉系统中所用到的各个坐标系间的关系、双目立体视觉的视差与三维测量的原理、极线几何约束关系及与摄像机内部参数和外部参数有关的基础矩阵和本质矩阵。双目立体视觉系统的基本原理是之后进行双目立体视觉里程计研究的基础。再次,介绍了双目立体视觉里程计的系统框架,基于此框架,对其涉及的各项关键技术进行了深入的研究。在特征点提取方面,分析了前人较多采用的Harris角点提取和SIFT特征点提取方法,在此基础上引出本文所采用的SURF特征点提取方法,并通过实验对比了Harris角点提取、SIFT特征点提取和SURF特征点提取方法的效果,指出了SURF算法相较于Harris角点提取、SIFT特征点提取方法的优点所在,即可以提取到比Harris算法更稳定的特征点,在实时性方面又优于SIFT特征点提取算法；在特征点匹配方面采用最近邻向量匹配法,并采用基于区域限制的方法进行误配点剔除。最后,进行了双目立体视觉里程计的直线运动与曲线运动实验,证明了本文所采用方法的有效性。