同步定位与地图构建(simultaneous localization and mapping,SLAM)是摄影测量、计算机视觉和机器人学的研究热点,并广泛应用于移动测图系统、机器人、无人驾驶车等。本文提出一种针对多镜头组合式全景相机的基于特征的SLAM解决方案。首...同步定位与地图构建(simultaneous localization and mapping,SLAM)是摄影测量、计算机视觉和机器人学的研究热点,并广泛应用于移动测图系统、机器人、无人驾驶车等。本文提出一种针对多镜头组合式全景相机的基于特征的SLAM解决方案。首先,本文建立了鱼眼相机的高精度检校模型,以保证鱼眼相机与全景相机之间的高精度坐标转换;然后,将多镜头组合式全景成像模型嵌入SLAM的初始化、局部地图生成、关键帧选取、图优化等各个流程中。此外,考虑全景相机变形大、基线长的不利因素,本文在特征匹配、平差、特征点跟踪等SLAM的各个步骤都进行了针对性改进。本文在两套车载全景数据集共8000余张全景影像上进行试验。结果表明,本文所提出的全景SLAM很好地实现了全景相机的自动定位与地图构建功能,并达到了接近GPS参考的极高定位精度而无须借助GPS/IMU组合导航系统。相对于主流的基于平面相机的各类SLAM系统,如Mono-SLAM、Stereo-SLAM以及RGB-DSLAM,本文提出的全景SLAM可作为良好的补充,并为GPS信号失锁时的传感器定位提供廉价的自动解决方案。展开更多
文摘同步定位与地图构建(simultaneous localization and mapping,SLAM)是摄影测量、计算机视觉和机器人学的研究热点,并广泛应用于移动测图系统、机器人、无人驾驶车等。本文提出一种针对多镜头组合式全景相机的基于特征的SLAM解决方案。首先,本文建立了鱼眼相机的高精度检校模型,以保证鱼眼相机与全景相机之间的高精度坐标转换;然后,将多镜头组合式全景成像模型嵌入SLAM的初始化、局部地图生成、关键帧选取、图优化等各个流程中。此外,考虑全景相机变形大、基线长的不利因素,本文在特征匹配、平差、特征点跟踪等SLAM的各个步骤都进行了针对性改进。本文在两套车载全景数据集共8000余张全景影像上进行试验。结果表明,本文所提出的全景SLAM很好地实现了全景相机的自动定位与地图构建功能,并达到了接近GPS参考的极高定位精度而无须借助GPS/IMU组合导航系统。相对于主流的基于平面相机的各类SLAM系统,如Mono-SLAM、Stereo-SLAM以及RGB-DSLAM,本文提出的全景SLAM可作为良好的补充,并为GPS信号失锁时的传感器定位提供廉价的自动解决方案。