光學(xué)圖像的多粒度環(huán)境感知算法.pdf

1、環(huán)境感知不同于傳統(tǒng)離線的三維重建方法，強(qiáng)調(diào)以低成本、易于獲取的硬件平臺實(shí)時或接近實(shí)時地理解真實(shí)工作環(huán)境，并根據(jù)實(shí)際應(yīng)用需要建立所需精度的環(huán)境模型，是自主機(jī)器人、快速三維重建、增強(qiáng)現(xiàn)實(shí)等諸多熱門領(lǐng)域的重要基石。當(dāng)前，實(shí)現(xiàn)環(huán)境感知最為流行的理論框架是同步定位與建圖，即同時獲取感知設(shè)備的三維姿態(tài)和環(huán)境三維結(jié)構(gòu)，并相互指導(dǎo)對方計(jì)算、生成。其中，基于彩色、紅外等光學(xué)圖像的同步定位與建圖，由于光學(xué)圖像所蘊(yùn)含的豐富信息和感知設(shè)備的廉價易得等特性，受到

2、研究者的廣泛關(guān)注。雖然許多研究者30年間在這個領(lǐng)域不斷耕耘，但是其中依然存在由諸多因素如：計(jì)算性能限制、傳感器噪聲、室外等不可控的感知環(huán)境和實(shí)際應(yīng)用需求的多樣化等導(dǎo)致的魯棒性問題亟待解決。
　　針對以上問題，本文采用概率八叉樹模型和濾波理論研究多源異構(gòu)光學(xué)圖像的多粒度時態(tài)融合與多尺度表示，以及單源誤差剔除方法，探索環(huán)境感知，尤其是室外等不可控環(huán)境下的感知問題。所完成的主要工作包括：
　?。?）提出了基于光學(xué)圖像的多粒度環(huán)境感

3、知算法。算法通過概率八叉樹擬合真實(shí)三維環(huán)境，壓縮并統(tǒng)一表示由多源異構(gòu)光學(xué)圖像生成的多粒度點(diǎn)云模型。同時，配以適宜的剪枝與歸并方法用于概率八叉樹的多粒度融合與表示、以及提升環(huán)境模型的存儲效率。進(jìn)一步在相機(jī)運(yùn)動過程中，通過卡爾曼濾波動態(tài)融合多粒度點(diǎn)云模型的概率八叉樹表示。最終生成唯一的時態(tài)融合概率八叉樹三維模型，簡稱TFPOM，能夠在較少的噪聲影響下以任意粒度動態(tài)擬合真實(shí)環(huán)境。最后，算法從基于環(huán)境模型的視覺導(dǎo)航和增強(qiáng)現(xiàn)實(shí)兩個方面，通過姿態(tài)估

4、計(jì)的誤差和運(yùn)動模糊恢復(fù)質(zhì)量評價其在不可控環(huán)境下的表現(xiàn)。
　?。?）提出了針對室外增強(qiáng)現(xiàn)實(shí)場景的濾波增強(qiáng)感知算法。室外不可控場景下的環(huán)境感知問題還體現(xiàn)在TFPOM容易受到光照條件以及環(huán)境紋理的影響。為此，本文算法通過高斯-拉普拉斯算子將輸入視頻幀所生成的圖像金字塔濾波，突出場景中的邊緣和細(xì)節(jié)。然后，在特征點(diǎn)幀間匹配過程中，利用最終得分均值和平均搜索長度值確定匹配閾值以適應(yīng)濾波變化后視頻幀強(qiáng)烈的對比度變化，并使用雙向光流法提升匹配精度