无人驾驶车辆单目视觉里程计快速位姿估计,本文关于无人驾驶论文范文,可以做为相关论文参考文献,与写作提纲思路参考。
无人驾驶论文参考文献：
摘 要：针对传统的单目视觉里程计位姿估计算法无法满足无人驾驶车辆实时定位需求的问题,提出了一种基于基础矩阵性质改进的快速位姿估计算法.通过优化基础矩阵的计算过程来提高算法的实时性,首先得到含有8个未知参数的基础矩阵,然后利用特征匹配点对来求解基础矩阵.通过仿真实验对算法的效率和精度进行了分析,并将其与现有的算法进行了对比.实验结果表明,在不降低运动估计结果精度的前提下,优化后的位姿估计算法的运行速度可以在传统算法的基础上提高近4倍.研究对视觉里程计在无人驾驶车辆上的实时应用具有一定的参考价值.
关键词：车辆工程；单目视觉；位姿估计；5点算法；基础矩阵
中图分类号：TP391.4文献标志码：A
Abstract：Aiming at the problem that the traditional pose estimation algorithm of monocular odometry cannot meet the needs of realtime localization of selfdriving vehicles, a fast pose estimation algorithm based on the improvement of the fundamental matrix is proposed. By optimizing the calculation process of the fundamental matrix, the realtime performance of the algorithm is improved. The fundamental matrix with 8 unknown parameters is first obtained, and then the feature matching point pairs are used to solve the fundamental matrix. Through simulation experiments, the efficiency and accuracy of the algorithm are analyzed, and then it is compared with the existing algorithms. Experimental results show that the proposed algorithm can improve the speed of motion estimation by 4 times without the reduction of the accuracy of motion estimation. The study provides certain reference value to the real time application of the visual odometry of selfdriving vehicles.
Keywords：vehicle engineering； visual odometry； pose estimation；5 points algorithm； fundamental matrix
无人驾驶车辆一般是通过在车上安装多种感应设备,主要包括各种车载传感器、GPS、雷达以及摄像机等,来感知周围的环境,并根据所获取的信息,自动规划路径实现车辆的自主驾驶,安全可靠地到达目的地[1].实时准确的定位方法是实现无人驾驶技术的基础,是保障无人驾驶车辆完成自主行为的前提.传统的定位方式如全球卫星导航系统（global nigation satellite system, GNSS）、惯性导航系统（inertial nigation system, INS）以及里程计等都存在各自的局限性,在某些特殊环境下（如隧道、轮胎打滑等）会出现失误,不能确保得到精确的车辆位姿估计[24].随着视觉技术不断发展,依靠视觉的定位技术已被广泛应用,比如移动机器人、无人机、卫星或水下探测器以及工厂A（automated guided vehicle）,同时也越来越多的被应用于无人驾驶车辆的自主定位和运动估计[5].这主要是因为视觉定位方法的实现比较容易,仅利用摄像机拍摄的图像序列作为输入信息,获取相邻图像中的匹配特征对,然后利用摄像机成像模型实现坐标变换,通过两视角之间的对极几何约束来计算得到车辆的6自由度运动信息,包括3个方向旋转运动和3个方向的平移运动. 河北科技大学学报2017年第5期曾庆喜,等：无人驾驶车辆单目视觉里程计快速位姿估计研制视觉里程计的最终目的是能够根据摄像机采集的图像序列来确定摄像机的空间坐标,位姿估计模块是视觉里程计的核心模块之一[69].在视觉里程计位姿估计算法中,最普遍使用的是PnP（PerspectivenPoint）方法,在计算机视觉[1011]、视觉测量[12]、机器人定位[1314]和现实增强[15]方面有很多重要的应用.PnP方法首先是由FISCHLER等[16]提出的,随后HORAUD等[17]对该方法进行了完善.PnP问题定义为在目标坐标系中,给出一系列点的坐标以及在图像中像点的坐标,并在摄像机内参数已知的条件下,求取目标坐标系与摄像机坐标系之间的关系,包括3自由度的旋转和3个自由度的平移.对于基于PnP方法进行位姿估计的研究,主要针对P,P4P和P5P展开研究.因为当n<3时,该问题有无穷多解[18].当n=3时,PnP问题最多有4个满足条件的解.当n=4时,若4个点共面,任意3点不共线,那么利用内参数已知的摄像机拍摄一幅图像,可以线性求解摄像机的外参数；若4个点共面时,则最多有5个满足条件的解.当n=5时,若5点中任意3点不共线,则P5P方法最多有2个解.并且2004年NISTR[19]提出了基于RANSAC的5点最小求解器来估计位姿,这成为了位姿估计问题中一个经典的算法.SCARAMUZZA等[2021]提出一种基于RANSAC的单点算法,首次在视觉里程计位姿估计模块引入了车辆的运动学模型,通过单个摄像头来估计车辆的平面运动,并将基于RANSAC的单点估计算法与基于RANSAC的5点最小求解器算法进行了对比.基于车辆动力学模型的单目视觉里程计系统中的平面假设和忽略轮胎侧偏特性的问题,江燕华[22]提出了更适用于车载单目视觉里程计系统位姿估计的算法——MYP（model of yaw and pitch）算法,该算法解决了车体俯仰角对位姿估计的影响.纵观国内外对于视觉里程计位姿估计的研究情况,现有的算法无法同时满足高精度与实时性的需求.如5点位姿估计算法包含线性方程求解、高次多元方程求解以及奇异值分解等,对硬件的要求較高；单点算法是基于车辆运动模型平面运动假设之上的,没有考虑车辆运动中的变化,在实际应用中误差较大；MYP算法需要使用车辆本身的参数信息,需要通过其他传感器测量,且由于采用弧度表示其外参数,任何小误差都会引起较大的定位误差.本文在传统五点位姿估计算法的基础上进行改进,根据基础矩阵的基本性质,对基础矩阵的求解过程进行优化.仿真结果表明,该方法得到的结果相较于传统的五点位姿估计算法硬件要求低,具有良好的实时性.
结论：关于对不知道怎么写无人驾驶论文范文课题研究的大学硕士、相关本科毕业论文无人驾驶论文开题报告范文和文献综述及职称论文的作为参考文献资料下载。
群雄纷争无人驾驶时代
steven Levy正坐在一辆谷歌无人驾驶汽车中。他是Medium科技板块的总编辑，也是谷歌无人驾驶汽车的首批体验者。设置目的地，汽车开始自。
人工智能下一站:无人驾驶汽车
无人驾驶的应用，会让人们的生活越来越美好和便捷，但是“无人驾驶”的发展障碍并非只有技术障碍，还有法律、道德等诸多非技术性鸿沟无人驾驶汽车是人类。
汽车的未来无人驾驶技术新风口
随着无人驾驶汽车技术的不断成熟，城市物流车、自动驾驶卡车、公交车及班车、环卫车及自动清扫车可能成为无人驾驶汽车最先应用的风口无人驾驶汽车的优越。
无人驾驶卡车物流行业变革者
由于具有降低成本、减少交通事故的优势，无人驾驶卡车在全球正迎来行业爆发期，势必给物流行业带来巨大变革。构成看过电影《金刚狼3》的觀众想必脑海。