基于沿主光轴摄影测量理论和自适应加权扩展信息滤波的室内未知环境自主定位方法研究

室内导航目前广泛应用于应急救援、盲人引导以及基于位置的电子商务等领域。然而相比于室外导航的GNSS和惯导技术，室内导航定位目前还面临着3D定位不够准确，未知环境的自主定位需求等问题亟待解决，因此本课题基于沿主光轴方向摄影测量理论和快速扩展信息滤波方法，对融合单目前后立体视觉和SwissRanger3D激光测距相机的室内三维未知环境自主定位方法进行研究，该研究的主要内容包括：基于改进SIFT特征点提取和贝叶斯抽样一致性(BAYSAC)检验的影像同名点匹配算法；前后视多片前方交会的稳健方法；基于点线混合单像空间后方交会平差模型的位姿解算；结合影像特征匹配与优化迭代近邻点（ICP）算法的SwissRanger三维影像的自动配准；融合单目前后立体视觉感知信息和3D激光测距数据的自适应加权快速扩展信息滤波模型。通过上述关键技术突破将带动行人室内导航应用，同时也为室内外无缝空间定位奠定坚实的技术基础。

作为无缝导航定位的重要组成部分，室内导航能够广泛应用于应急救援、盲人引导、无人无尘车间、危险环境的开采探测、危险材料的仓储货运、大型会议的指路、寻人、组织以及基于位置的电子商务等领域。然而相比于室外导航的GNSS和惯导技术，室内导航定位目前还存在3D定位不够准确，室内3D空间的数据不完整以及未知环境的自主导航等问题亟待解决。在未知环境中,将定位与地图创建综合考虑, 利用自身定位信息创建地图, 同时利用已创建的地图来定位, 这就是同时定位与地图构建(Simultaneous Localization and Mapping，SLAM) 问题。研究SLAM 问题是为了解决当前在缺乏精确全局定位传感器的情况下，依赖于传感器( 如里程计、视觉、超声及激光等) 来解决定位的问题，这样的定位系统可以满足在未知环境中的自主导航要求。因此，本项目针对未知环境自主定位的关键算法进行了研究：基于Kinect和摄像头的室内自主定位系统构建；基于SIFT特征点提取和优化贝叶斯抽样一致性(BAYSAC)检验的影像同名点匹配算法；前后视多片前方交会的稳健方法；基于点线混合单像空间后方交会平差模型的位姿解算；结合影像特征匹配与优化迭代近邻点（ICP）算法的Kinect三维影像的自动配准；融合单目前后立体视觉感知信息和3D激光测距数据的自适应加权快速扩展信息滤波模型。相关研究成果已发表国际SCI论文6篇，EI检索论文5篇，中文核心期刊论文3篇，其中，基于SIFT特征点提取和优化贝叶斯抽样一致性(BAYSAC)检验的影像同名点匹配成果发表在美国摄影测量与遥感学会官方期刊《Photogrammetric Engineering & Remote Sensing》2014年 第11期上，荣获2015年美国摄影测量与遥感学会ERDAS遥感最佳科学论文奖。通过上述关键技术的突破，形成了基于Kinect传感器的室内未知环境自主定位原型系统，为带动行人室内导航的应用以及室内外无缝空间定位奠定了坚实的技术基础。