面向LBS的機器視覺協(xié)助的智能手機慣性導航研究.pdf

1、近些年來，隨著智能手機和移動互聯(lián)網(wǎng)的不斷發(fā)展，LBS技術（Local Based Services，基于位置的服務）受到越來越多的關注。慣性導航技術作為定位技術的一種補充形式，在LBS中起著重要的作用。慣性導航是利用IMU（Inertial Measurement Unit，慣性測量元件）測量的數(shù)據(jù)，通過濾波和積分方法計算運載體運動、姿態(tài)和位置信息，從而達到對運載體的定位。智能移動設備的慣性導航給智能機器人、室內導航、增強現(xiàn)實和互動娛樂

2、等領域提供了技術支持。然而，智能手機中的慣性元件由于其自身原因，往往存在誤差偏差大、誤差因素不確定的情況。慣性測量元件的單一導航漂移現(xiàn)象嚴重，導航精度很低，無法在實際工程中應用。
　　針對這一情況，本文提出了一種利用計算機視覺協(xié)助的智能手機慣性導航算法。本文通過對SFM（Structure From motion，從運動到結構）問題進行求解對特征點進行三維重建，然后利用移動端的 GPU加速技術實現(xiàn)對特征點的實時跟蹤，最后通過PnP

3、（Perspective n points，n點透視）問題求解得到的移動設備的位移偏量和姿態(tài)偏量，以實現(xiàn)視覺定位。將視覺定位用以協(xié)助和修正慣性導航的結果。經(jīng)過實驗表明，本文提出的算法能在一定程度上修正慣性導航漂移情況，提高慣性導航的精確性。本文的主要工作包括：
　　1.對智能手機中的慣性元件（加速度計、陀螺儀和磁力計）及其工作原理進行介紹，對傳統(tǒng)的慣性導航系統(tǒng)算法和誤差來源進行介紹，并在此基礎上利用零速檢測算法實現(xiàn)智能手機的慣性導

4、航。
　　2.對計算機視覺中SFM和PnP問題描述及其理論基礎進行了介紹。利用特征點提取算法對二視圖的稀疏特征點進行提取，并通過金字塔Lucas-Kanade光流法對提取出的特征點跟蹤匹配，最后通過 PnP問題的求解實現(xiàn)智能手機的視覺定位。
　　3.從理論方面對卡爾曼濾波算法進行了詳細的介紹，給出計算機視覺輔助慣性導航的卡爾曼濾波模型，并利用該模型對慣性導航數(shù)據(jù)和計算機視覺匹配的運動信息進行數(shù)據(jù)融合。
　　4.對Ope