● 摘要
随着数字图像处理算法的发展，视觉导航技术在自主移动平台的导航与定位中得到了越来越广泛地应用。车载视觉里程计技术主要是通过对双目摄像机获取的图像对序列进行处理，估计得到车体的运动信息，作为传统里程计的补充。本文旨在研究车载双目视觉里程计的关键技术，获得较准确的车辆行驶纵向速度及横摆角速度信息。
本文首先概述了车载双目立体视觉系统，完成了立体相机的标定，获得了双目相机的内外部参数，并验证了这些参数的正确性。依据校正后的图像建立了双目相机模型，用于后续三维重建。
其次，研究了不同特征点检测方法对系统实时性及鲁棒性的影响，主要包括Harris、SIFT(Scale Invariant Feature Transform)及SURF（speeded-up robust features）三种算法。SURF特征点具有旋转及尺度不变性，且计算量较小，可提高视觉里程计实时性。而且利用不同图像中对应特征点的Hessian矩阵的迹同号且描述子相似性高的特点，实现了对左、右图像之间及前、后帧图像之间的特征点匹配及跟踪。本文还结合外极线、唯一性等约束初步剔除了误匹配点，提高了匹配的准确性。
最后，基于双目相机模型对匹配的特征点进行了三维重建，得到了各点的三维坐标。通过分析对应点三维坐标的变化，采用最小平方中值定理的方法进行了运动估计得到了车体运动的距离与角度信息，并结合RANSAC方法进一步剔除了误匹配点，然后对序列图像的运动估计结果数据进行滤波处理，对车辆行驶状态进行了估计，最终得到了当前车体运动的纵向速度与横摆角速度信息。
本文给出了部分室内与室外实验结果，并分析了误差产生的原因。实验表明，本方法有效提升了立体视觉里程计的实时性及鲁棒性。