Μελέτη και εφαρμογή αλγορίθμων Visual SLAM στην Φωτογραμμετρία και Όραση Υπολογιστών
Study and Implementation of Visual SLAM algorithms in Photogrammetry and Computer Vision
Λέξεις-κλειδιά
Visual SLAM ; Εντοπισμός ; Χαρτογράφηση ; Φωτογραμμετρία ; Bag-of-Words ; Tracking ; Mapping ; Photogrammetry ; Monocular visual SLAM ; Computer vision ; Rotation error ; Translation error ; Όραση υπολογιστών ; Γωνιακό σφάλμα ; Τροχιακό σφάλμα ; Αναγνώριση σκηνής ; Place recognitionΠερίληψη
Στην παρούσα εργασία μελετάται η διαδικασία ταυτόχρονου εντοπισμού θέσης και χαρτογράφησης χρησιμοποιώντας ως αισθητήρα μια RGB κάμερα (Monocular Visual SLAM). Αρχικά αναλύονται οι βασικές φωτογραμμετρικές διαδικασίες που είναι απαραίτητο να γνωρίζει κανείς προκειμένου να είναι ευκολότερα κατανοητή η μέθοδος Visual SLAM, ενώ στη συνέχεια πραγματοποιείται εκτενής βιβλιογραφική παρουσίαση των αλγορίθμων και των διαφορετικών μεθόδων που περιλαμβάνει. Τέλος, παρουσιάζεται ο αλγόριθμος ORB-SLAM και, μέσω του Matlab, εφαρμόζεται σε ακολουθίες βίντεο (δεδομένα αναφοράς από το Ίντερνετ). Κατά την εφαρμογή του, έγινε πειραματισμός με διαφορετικές παραμέτρους που αφορούν τα χαρακτηριστικά σημεία αλλά και με την εφαρμογή διαφορετικών αλγορίθμων εντοπισμού χαρακτηριστικών σημείων, συγκεκριμένα του SIFT και του SURF. Με αυτόν τον τρόπο μελετήθηκε διεξοδικά η επίδραση των χαρακτηριστικών σημείων στην τελική ακρίβεια του Visual SLAM.
Περίληψη
In the present thesis, the process of simultaneous localization and mapping is studied using an RGB camera as a sensor (Monocular Visual SLAM). First, the basic photogrammetric procedures that one needs to know in order to understand the Visual SLAM method easier are analyzed, then an extensive bibliographic presentation of the algorithms and the different methods it includes. Finally, the ORB-SLAM algorithm is presented and, through Matlab, applied to video sequences (reference data from the Internet). During its implementation, experimentation was done with different parameters concerning the characteristic points and also with the application of different algorithms for detecting features, specifically SIFT and SURF. In this way, the influence of feature points on the final accuracy of Visual SLAM was throroughly studied.