导　　师： 彭绍武;区士超

授予学位： 硕士

作　　者： (）;

机构地区： 华南理工大学

摘　　要： 同时定位与地图构建(Simultaneous Localization And Mapping,SLAM)是计算机视觉和机器人的交叉领域中的一个非常重要的部分,SLAM的目标是相机的定位以及场景地图的构建,这使得机器具有感知场景的能力,这种能力在机器人的导航、增强现实和虚拟现实、工业的自动化、人机交互等领域都发挥着重要的作用。现今已有许多的研究者提出了各种优秀的SLAM系统,通过对这些系统的研究分析我们发现几个普遍存在的现象:第一,现有的视觉SLAM系统不能够自主完成初始化,其初始化需要人为刻意平移相机才能成功,实际应用中,由于许多非SLAM研究人员的使用者不清楚这一要求,因而会出现系统不能成功初始化的问题;第二,现有的SLAM系统构建的场景模型为点云模型或者缺乏纹理的表面模型,点云模型或者缺乏纹理的表面模型所能表达的真实场景信息有限,它们都不能满足实际应用的需求,例如点云模型无法应用于机器人自主导航,以及缺乏纹理的表面模型不能满足3D游戏的需求;第三,现有SLAM系统构建的场景模型不包含场景的结构信息,如平面结构,室内场景中平面是普遍存在的一种结构,并且平面结构具有“支撑”意义在AR等应用中具有重要作用。针对上述几个问题,本文先采用一种抖动重建的方法用于替代传统视觉SLAM的初始化模块,这使得我们的SLAM系统能够自主完成初始化,不再需要人为刻意地平移相机;其次,本文基于SLAM类方法构建场景的点云模型,采用TSDF方法对场景的点云模型做融合优化,本文使用Marching Cubes算法提取场景的Mesh表面模型,与已有方法不同的是本文给出一种基于TSDF方法的纹理计算方法并用于计算Mesh模型的纹理贴图;第三,本文将对场景结构进行抽象,构建场景的抽象平面模型,为此,本文给出帧内平面检测的方法,并且提出不同帧之间平面匹配以及帧与模型之间

关 键 词： 场景重建 初始化 纹理 平面

领　　域： []