题目：未知环境下视觉/MSINS的SLAM地标特征初始化研究

本论文利用机器视觉方法和微捷联惯导系统技术(Micro Strap-down Inertial System, MSINS)，对未知环境下同时定位与地图创建(Simultaneous Localization and Mapping，SLAM)的地标特征初始化进行研究，给出了基于单目视觉的地标特征初始化的流程和实现，实现了一种全自主的未知环境认知方法，包括未知环境中地标特征的的识别、提取以及微捷联惯导系统辅助下的地标位置信息确定，从而通过对未知环境的认知，为运载体在未知环境中实现完全自主导航定位与地图创建打下基础。本文首先对图像特征提取及匹配方法进行了研究。比较Harris角点提取方法和尺度不变特征变换(Scale Invariant Feature Transform, SIFT)方法，提出了一种新的特征提取的方法H-SIFT法。并在不同尺度，不同角度，不同光照条件下对提取的特征点进行了匹配。针对图像匹配问题，使用最优二分(Best Bin First, BBF)搜索算法对基于欧几里德距离的最近邻法(Nearest Neighbor, NN)算法进行了优化。通过匹配结果可以看出，H-SIFT+BBF方法能够在小尺度变化情况下保持很好的匹配正确性和快速性。为了实现从图像点的二维坐标重建出空间点的三维坐标，对摄像机标定和三维重建技术进行了研究。经过多种标定技术的比较，采用张正友法进行标定，给出了标定结果。结合立体视觉重建和基于运动的结构重建，提出了一种单目视觉延迟初始化方法。为了获得基线距离和载体的位置信息，本文对捷联惯导系统原理进行了研究，并给出了计算基线距离的公式。论文最后总结了未知环境下地标特征初始化的流程，并针对大场景 (远距离)和小场景 (近距离)两种情况进行了实现。为了验证本文算法的有效性，将本文三维坐标重建计算的距离结果与激光测距结果相比较，实验结果表明，在小场景的情况下，本文的算法的测距精度可以保持在厘米级，计算时间小于1秒。因此本文提出的算法在小场景的情况下，能够保证定位的准确性与实时性,可以推广应用于各种移动机器人的研究中。