Kamerastøttet treghetsnavigasjon for bilbåren datainnsamling
Master thesis
![Thumbnail](/nmbu-xmlui/bitstream/handle/11250/2464047/Masteroppgave.pdf.jpg?sequence=5&isAllowed=y)
View/ Open
Date
2017Metadata
Show full item recordCollections
- Master's theses (RealTek) [1826]
Abstract
Bilbåren datainnsamling har i de siste årene blitt en mye brukt metode for å samle inn geografiske data. Metoden er svært effektiv til å for eksempel lage detaljerte 3D-modeller av byer og landskap. For å beregne posisjonen er en kombinasjon av satellitt- og treghetsnavigasjon mye brukt. Da oppnås høy nøyaktighet på posisjonen. Ved fravær av satellittsignaler vil posisjonsestimatet etterhvert avvike fra den faktiske posisjonen på grunn av drift i treghetssensorene.
Digital bildeanalyse, eller Computer Vision, er et fagfelt i enorm utvikling. Det lanseres stadig nye funksjoner og algoritmer som kan tolke innholdet i digitale bilder. Med dette har det åpnet seg muligheter for å bruke kamera som støttesensor til et navigasjonssystem. Denne oppgaven ser på to ulike innfallsvinkler for dette: nullhastighetsoppdatering og visuell odometri.
For nullhastighetsoppdateringen blir det gjort en enkel antagelse om at dersom andelen endrede pikselverdier mellom to bilder er nærme null, så har det ikke vært bevegelse mellom bildene. Under enkelte forutsetninger viser dette seg å stemme godt.
I delen om visuell odometri beregnes den relative orienteringen mellom hvert bilde ved å tracke nøkkelpunkter gjennom bildene. Ut i fra det kan kameraets relative posisjon estimeres. Dette har vist seg å være en krevende prosess, men tidligere forsøk har vist at det ligger et stort potensialet i visuell odometri. Mobile mapping has become a much used method to collect geographical data. This is a highly efficient method to for instance create 3D-models of cities and landscape with high grade of details. A combination of satelliteand inertial navigation system are used to derive the exact position. This results in a high accuracy. With absence of satellite-signals the system must estimate it’s position with the inertial sensors. Unfortunatly, these sensors are drifting, so the estimate of the position will differ from the true position if there is a longer absence from satellite-signals.
With the big development within Computer Vision, it is now possible to use a camera as an aiding sensor to the navigation system. This thesis look at two different problems: zero velocity update, and visual odometry.
To detect the zero velocity there is a basic assumption that if the difference in pixel values between two images is close to zero, then the system is not moving. This turns out to be good assumption.
The visual odometry is used to calculate the relative orientation between images. The relative orientation is then used to estimate the relative position of the camera. This is done by tracking keypoints through the images.