基于双目视觉的测距及SLAM方法研究_孔健明.pdfVIP

密级

硕士学位论文

（全日制专业学位硕士）

题目基于双目视觉的测距及SLAM方法研究

（英文）ResearchonDistanceMeasurementandSLAM

MethodBasedonBinocularVision

研究生学号:20022303053

研究生姓名:孔健明

指导教师姓名、职称:符强正高级实验师

申请学位类别:电子信息硕士

领域:电子信息

论文答辩日期:2023年5月22日

摘要

摘要

双目视觉作为机器视觉热门研究领域之一，广泛应用于导航避障、三维重建、虚

拟现实等领域。双目视觉测距和同时定位与地图构建（SimultaneousLocalizationand

Mapping，SLAM）已成为双目视觉领域的重要技术，取得了极大的进展，但场景的复

杂多变以及存在的遮挡和弱纹理等因素，给双目测距和SLAM建图的精度带来了巨

大的挑战。为此，本文针对以上问题，对双目测距的立体匹配和SLAM中的关键帧

创建展开以下研究：

（1）提出了一种改进双目测距的立体匹配算法（本文算法）。在绝对误差和（Sum

ofAbsoluteDifference，SAD）算法计算过程中采用差值图像法（ImageDifference

Method，IDM），有效地剔除了冗余计算，降低了算法复杂度；在Census算法中采

用双向有哪些信誉好的足球投注网站方式，减少数据对内存占用的同时缩短了算法运算时间；融合了两种改进

算法，增强了系统抗干扰能力，并采用边缘检测算子约束图像边缘，设计了自适应惩

罚系数惩罚图像边缘非连续区域，通过引导滤波平滑边缘视差。在Middlebury数据

集下，本文算法较半全局匹配（Semi-GlobalMatching，SGM）算法平均误匹配率降低

4.08%，平均运算时间较SGM算法缩短了3.5s，与BM算法相比视差图效果更好，

边缘区域更加平滑，准确地还原了场景中物体的深度信息，无人机测距精度保持在

96.5%以内，为后续双目SLAM中基于特征深度的关键帧筛选提供了准备。

（2）提出了一种改进的基于特征深度筛选的双目SLAM算法（OUR-ORB-

SLAM3算法）。在特征提取过程中，采用自适应角点检测算法，通过降低阈值以获

取更多特征点；采用光流法跟踪图像特征，并通过Prosac算法计算更新单应矩阵，形

成对关键点的补偿和误匹配剔除；将图像特征与深度信息关联作为关键帧的选取依据，

利用局部建图线程对当前数据进行关联，对于重复的地图点采用融合方法减少计算量，

优化算法的执行效率。在KITTI数据集下，OUR-ORB-SLAM3算法较ORB-SLAM3

算法，在均方根误差方面，最优情况下提升了近55%；在EuRoc数据集11个双目序

列