1. 研究目的与意义（文献综述）

随着社会经济的发展，科学技术的进步，越来越多的机器人（如扫地机器人，无人机，智能宠物等），娱乐生产方式（vr，ar，mr等）逐渐进入人们的视野，给人类生活带来了很多便利。

在生活与生产环境中运用这些设备，slam（simultaneous localization and mapping，即时定位与地图构建）是所需要的关键技术之一。

slam最早在机器人领域提出，旨在使机器人从未知环境的未知地点出发，在运动过程中重复观测到的地图特征（如，墙角，柱子等）定位自身位置和姿态，再根据自身位置增量式的构建地图，从而达到同时定位和地图构建的目的。

2. 研究的基本内容与方案

研究的基本内容为利用单目摄像机获取orb特征，在运动过程中构建与现实环境一致的地图，并利用所构建的地图对物体的位置和姿态数据进行实时计算更新。三维注册的主要任务是监测使用者头部位置以及视线方向，计算虚拟物体在投影面的位置坐标，将虚拟物体准确地置于真实场景中，使用户感觉不出虚拟物体与真实场景的差异，设计的内容将主要包括三个任务：实时的特征检测，三维注册定位追踪，实时渲染。

在具体毕业设计进行过程中，我打算按照以下流程进行相关知识的学习和毕业设计的实施。

• 高等数学、线性代数、概率论等数学知识的复习：在研究slam过程中需要掌握大量的数学知识，因此对这些已经学习过的课程知识进行适当的复习，重新熟悉是很有用的。具体包括旋转矩阵、四元数、欧拉角的相关知识，并在eigen当中使用它们，以及李群和李代数，并通过sophus操作它们，还有非线性优化，包括状态估计理论基础、最小二乘问题、梯度下降方法，并使用ceres和g2o进行曲线拟合。
• opencv的学习：由于视觉slam需要用到相机作为传感器，因此对于针孔相机模型以及图像在计算机中的表达需要有一定了解，并利用opencv调取相机的内外参数。
  
• linux操作系统的学习：由于slam开发需要使用linux操做系统，掌握linux是一个slam研究人员所必须的，各种程序库在linux下的配置都非常便捷。因此，对于linux操作系统的使用的学习是很有必要的。
  
• c 编程能力的强化：由于采用c 作为编码语言，需要使用c 标准库，一些编程技巧，此外还需要使用c 11标准的内容，因此对c 的强化学习是必不可少的。
• linux环境的搭建：在虚拟机中安装ubuntu 14.04，并安装qt creator。
  
• 创建使用特征法的视觉里程计：学习特征点的提取与匹配、对极几何约束的计算、pnp和icp等，并用这些方法去估计两个图像之间的运动。搭建一个视觉里程计框架，实现其基本功能。学习光流和直接法的原理，利用g2o实现一个简单的rgbd直接法。
  
• 进行后端优化：主要进行bundle adjustment，包括基本的ba，以及如何利用稀疏性加速求解的过程。
  
• 对位姿图进行优化：位姿图是表达关键帧之间约束的一种更紧凑的形式，使用g2o和gtsam对一个位姿球进行优化。
  
• 进行回环检测：学习词袋法回环检测，使用dbow3书写字典训练程序和回环检测程序。
  
• 进行地图构建：使用rgbd的稠密地图构建，编写极线索搜索与块匹配程序，完成点云地图和八叉树地图的构建。
  

3. 研究计划与安排

1. 2019/1/14—2019/1/22：查阅参考文献，明确选题。

2. 2019/1/23—2019/2/22：进一步阅读文献，完成开题报告；翻译英文资料（不少于5000汉字），并交予指导教师检查。

3. 2019/2/23—2019/4/30：对采集的数据进行分析和特征点提取；确定相机运动模型，匹配正确的二维特征点，得出相机的位置；计算目标二维位置，得到目标中心位置空间坐标；实时渲染模型。
   剩余内容已隐藏，您需要先支付后才能查看该篇文章全部内容！

   4. 参考文献（12篇以上）

   [1] 高翔. 视觉SLAM十四讲从理论到实践. 电子工业出版社，2017
   
   [2] 赵越. 实时增强现实中运动目标及场景的跟踪注册关键问题研究[D]. 2015.
   
   [3] 闫兴亚, 范瑶. 一种基于SLAM的增强现实跟踪注册方法[J]. 计算机与数字工程, 2017, 45(12):2470-2473.
   
   [4] 严雷, 杨晓刚, 郭鸿飞, 陈靖. 结合图像识别的移动增强现实系统设计与应用[J]. 中国图象图形学报, 2016, 21(02):184-191.
   
   [5] 闫兴亚, 范瑶. 一种基于改进SLAM的增强现实跟踪注册方法[J]. 计算机与数字工程, 2018, 46(12):2565-2569.
   
   [6] 赵越, 李晶皎, 王爱侠, 杨丹. 基于IEKF-SLAM的未知场景增强现实跟踪注册算法[J]. 计算机工程, 2016, 42(01):272-277.
   
   [7] 雍玖, 王阳萍, 雷晓妹. MEEM跟踪和改进ORB特征检测的三维注册方法[J/OL]. 计算机工程与应用:1-9[2019-02-19]. http://kns.cnki.net/kcms/detail/11.2127.tp.20190116.1740.019.html.
   
   [8] 高翔, 安辉, 陈为, 潘志庚. 移动增强现实可视化综述[J]. 计算机辅助设计与图形学学报, 2018, 30(01):1-8.
   
   [9] 赵洋, 刘国良, 田国会, 罗勇, 王梓任, 张威, 李军伟. 基于深度学习的视觉SLAM综述[J]. 机器人, 2017, 39(06):889-896.
   
   [10] 王爱丽, 胡长雨, 韩闯. 基于ORB特征的复杂场景下的增强现实[J]. 哈尔滨理工大学学报, 2018, 23(02):23-28.
   
   [11] 雍玖, 王阳萍, 雷晓妹. 基于改进KCF的跟踪注册方法[J]. 计算机工程与科学, 2018, 40(04):690-698.
   
   [12] 王月, 张树生, 何卫平, 白晓亮. 基于模型的增强现实无标识三维注册追踪方法[J]. 上海交通大学学报, 2018, 52(01):83-89.
   
   [13] Liang Zhao, Shoudong Huang, Gamini Dissanayake. Linear SLAM: Linearising the SLAM problems using submap joining[J]. Automatica,2019,100:.
   
   [14] R. Mur-Artal, J. D. Tardós, "ORB-SLAM2: An open-source SLAM system for monocular stereo and RGB-D cameras", IEEE Trans. Robot., vol. 33, no. 5, pp. 1255-1262, Oct. 2017.
   
   [15] Yuxiang Sun,Ming Liu,Max Q.-H. Meng. Motion removal for reliable RGB-D SLAM in dynamic environments[J]. Robotics and Autonomous Systems,2018,:.
   

   剩余内容已隐藏，您需要先支付 5元 才能查看该篇文章全部内容！立即支付