基于计算机视觉的自主定位以及对运动物体的检测、分割和跟踪成为机器人、自动驾驶、无人机等领域的关键技术。本文利用运动的RGB-D相机模拟机器人采集包含运动物体的室内场景数据，得到同步的场景彩色信息和深度信息。由于运动物体在图像内容中占比较小，根据图像像素一致性假定，采用基于稠密像素配准的视觉自主定位估计相机的旋转和平移。本文尝试使用极大团估计的方法分割运动目标，并且结合相机运动信息，计算出运动物体的绝对运动速度和运动方向。本文最后利用公开数据集和自己采集的数据测试评估我们的算法。lf0063
关键词：视觉自主定位 运动物体分割 极大团 RGB-D相机
AbstractVisual odometry and motion segmentation are key technologies in the field of computer vision. With the development of the robot and UAV (Unmanned Aerial Vehicles), motion detection, segmentation, and visual odometry are playing a more and more important role in control and navigation. In this paper, we obtain the synchronized color and depth images of the dynamic scenes from a moving RGB-D camera. Based on photo-consistency, our approach can estimate the camera transformation with a dense visual odometry approach, ignoring the moving objects in the scene. In this paper, we enumerate the maximal cliques to segment motions. Since the camera transformation is known, we can calculate the absolute velocity and orientation of moving objects (inpidual parts of a move object) in the world coordinate. We test the odometry algorithm on a benchmark and our own datasets.
目 次
1 引言 1
1.1 研究目的和意义 1
1.2 问题阐述 2
1.3 研究方法 2
1.4 本文贡献 4
1.5 文章结构 4
2 相关工作 5
2.1 视觉自主定位 5
2.2 运动物体分割 6
2.3 评测基准 8
3 背景知识 9
3.1 RGB-D 相机. 9
3.2 相机模型 . 10
3.3 刚体运动 . 11
3.4 最小二乘法 . 13
3.5 点跟踪 . 14
3.6 图论和极大团 . 15
4 方法说明 . 16
4.1 方法概述 . 16
4.2 稠密像素配准自主定位(DVO) 16
4.3 相似图构建 . 18
4.4 识别真实运动群组 . 19
4.5 方法实施 . 20
5 实验结果 . 23
5.1 视觉自主定位 . 23
5.2 运动物体分割 . 27
结 论 . 30
致 谢 . 32
参 考 文 献 33
1 引言
1.1 研究目的和意义
1引言
1.1研究目的和意义有关视觉自主定位问题的研究在计算机视觉和机器人领域内有着非常长远的历史。近年来无人机、自动驾驶、室内机器人等移动式机器人正处于快速发展阶段，这类机器人要求能够在未知的环境中实现自动控制和导航，甚至要对周围环境进行测绘和三文重建。在室内场景中，特别是在缺少全球定位系统（GPS）和惯性导航设备（IMU）的情况下，想要精确地实现自动控制、导航和三文重建，基于视觉的自主定位就显得尤为重要。 RGB-D相机的视觉自主定位和空间运动物体分割的研究:http://www.youerw.com/tongxin/lunwen_36519.html