立體視覺里程計中的空間不確定度.pdf

1、本文從不確定度的角度評價視覺里程計的性能,以及如何利用不確定度知識提高里程計的精度,都是值得研究的課題。本文立足立體視覺里程計,針對其中的一些核心算法,進行了嚴密的不確定度分析和論證,并結合不確定度的相關信息,提出對里程計的改進算法,提高里程計的精度。主要內容為:
　　 1.本文首先介紹了立體視覺的基本原理和本文要研究的立體視覺里程計算法流程,包括特征點的提取,特征匹配和跟蹤,最小二乘運動估計和RANSAC去除誤配點等。

2、　　 2.本文研究了圖像特征點的不確定度。文章總結了尺度不變的特征提取算法的一般框架,并基于該框架給出了特征點提取的方差傳遞公式,然后以SIFT為例進行了仿真實驗的驗證,并和現(xiàn)有方法進行了對比。
　　 3.運動估計是視覺里程計的一個關鍵問題。圖像特征點的不確定度首先通過三角化公式傳遞給三維點,得到三維點定位的不確定度,文章分別用基于導數(shù)的線性方差傳遞方法和無味變換的非線性方法對這個問題進行了求解,推導中運用到了矩陣攝動理論求解

3、特征向量導數(shù)的知識。單一的運動參數(shù)傳遞不足以解決里程計不確定度的問題,因此文章接下去又考慮了關于一類RANSAC算法估計參數(shù)的不確定度。本文基于Bayesian理論提出一種新的算法用來估計這類數(shù)據量龐大的不可微系統(tǒng)的不確定度傳遞,在實驗驗證中取得了良好效果。再根據逐步運動的累積,推導出了里程計定位的不確定度公式,并在實際實驗中證明了算法的有效性。
　　 4.結合特征點不確定度的研究,文章提出了一種結合圖像特征點不確定度的最大似然