基于稠密点云的动态场景物体位姿跟踪及三维重建方法研究
实现机器人的自主运动是机器人领域一个重要的研究问题。机器人仅依靠移动机器人自身的传感器就能够在各种复杂环境下自主运动是机器人能够完成更高层次任务的重要基础。机器人自主运动的一个首要前提条件是机器人对其所处的真实环境具有感知与理解的能力。同时定位与建图(SimultaneousLocalizationandMapping，SLAM)方法的核心问题是研究机器人对自身位姿与所处环境的精准估计。动态场景下机器人的位姿估计与环境感知重建是当前机器人研究领域中一个具有挑战性的问题。由于真实环境中动态物体的存在，基于静态假设的SLAM定位与三维重建算法在动态场景下的精确度与鲁棒性将会受到很大的影响。因此，研究动态场景下机器人环境空间信息的获取问题具有重要的研究价值与意义。 本文研究动态场景下的位姿跟踪估计与环境重建问题，在现有的稠密SLAM算法基础上进行改进，实现了对环境中动态物体较精准的位姿跟踪与估计，以及对环境动态物体与静态背景更准确的三维稠密重建。本文的主要研究内容如下： （1）针对动态物体位姿跟踪估计问题，基于最近邻点迭代(Iterativeclosestpoint，ICP)位姿估计方法设计了一种稠密点云的动态物体位姿跟踪估计算法，并对物体进行筛选与重建。针对ICP在较差初始状态下不易收敛的问题，本文算法引入了匀速运动模型加速点云匹配，并利用RGB信息与深度信息联合对动态物体位姿进行优化。所设计的算法在KITTI数据集以及实际场景上进行测试，并与已有的CubeSLAM方法进行比较，实验结果表明本文所设计的算法对动态物体的位姿估计精度有较大的提升。 （2）针对动态物体对三维稠密重建造成干扰的问题，研究了将动态物体与静态背景分别进行三维稠密重建方法。基于实例分割模型所获取的物体语义信息，利用第三章的动态物体位姿估计结果对每个物体实例进行动静态判断，将静止的物体与背景融合，将运动的物体与背景分离并进行单独的模型重建。此外，本文在Voxblox稠密建图算法的基础上进行改进，提出在地图融合过程中进行体素精简与去噪点的算法，降低了带有误差的深度图输入的影响，提高了三维稠密重建的准确度。最终，在两个公开数据集与实际场景分别进行测试与实验，实验结果表明本文所设计的动态环境稠密重建方法可以适应室内外存在动态物体的场景，并能够实现较为准确的环境地图重建。
机器人;同时定位与建图;稠密点云;位姿跟踪;三维重建
华南理工大学
硕士
控制科学与工程
戴诗陆
2022
中文
TP242
2022-12-23（万方平台首次上网日期，不代表论文的发表时间）