基于改进ORB算法的单目视觉里程计研究的任务书.docx

基于改进ORB算法的单目视觉里程计研究的任务书
任务书
任务名称：基于改进ORB算法的单目视觉里程计研究
任务背景：
单目视觉里程计是指通过单目相机获取的图像，根据相邻图像间的视觉特征，计算出相机运动的过程。它广泛应用于机器人导航、无人机控制、增强现实等领域。现有的单目视觉里程计算法中，ORB算法是一种经典的特征点提取和描述算法，它的性能已经得到了广泛的验证。但是，在某些情况下，ORB算法的性能还有可提升的空间，例如在低纹理、光照变化大的环境下，ORB算法容易失去关键点，导致里程计的精度下降。因此，对ORB算法进行改进，提高其稳定性、鲁棒性和精度，对于单目视觉里程计的发展具有重要意义。
任务目标：
本项目旨在针对ORB算法在低纹理、光照变化大的环境下的不足，进行改进，使其具有更好的性能表现。具体任务目标如下：
1.深入理解ORB算法的原理和流程，分析其在低纹理、光照变化大的情况下的不足之处。
2.研究ORB算法的改进方法，并通过实验证明其有效性。改进方法可以包括但不限于：
-在ORB特征点检测时，采用新的策略或算法，使其更加鲁棒，能够在低纹理、光照变化大的情况下检测到更多的关键点。
-在ORB特征点描述时，采用更加优秀的描述算法，使其更加鲁棒，能够产生更加“独特”的特征描述子。
-在ORB特征匹配时，采用更加严格的匹配策略，使其能够更好地应对低纹理、光照变化等情况下的特征点匹配问题。
3.使用公开数据集对改进后的ORB算法进行评估，与其他常用的单目视觉里程计算法进行比较，并分析其性能优劣。
4.基于改进后的ORB算法，实现一个单目视觉里程计的系统，并通过实验验证其性能和实用性。
任务步骤：
1.学习ORB算法的原理和流程，研究其性能的局限性，并梳理改进思路。
2.在现有的ORB算法的基础上，实现改进算法的代码，验证其有效性。
3.使用公开数据集，对改进后的ORB算法进行性能评估和比较，并对实验结果进行分析和总结。
4.在ROS平台上，基于改进后的ORB算法，实现一个单目视觉里程计的系统，包括图像预处理、特征点提取和描述、运动估计等模块，并通过实验验证其性能和实用性。
5.撰写技术报告和论文，总结改进后的ORB算法在单目视觉里程计中的效果和意义，为进一步研究提供参考。
任务要求：
1.熟练掌握C++编程技能，了解ROS编程框架。
2.具备一定的数学功底，熟悉计算机视觉相关算法和理论。
3.熟悉常用的单目视觉里程计算法，包括但不限于SVO、ORB-SLAM等。
4.有较强的独立思考能力和创新意识，能够深入分析问题、提出解决方案并实现算法。
5.认真负责，遵守实验室规章制度，按时完成任务，并积极参与组内讨论和交流。
任务周期：
本项目为期6个月，其中前3个月主要是研究ORB算法及其改进方法，后3个月主要是实验验证、系统实现和论文写作。
参考文献：
1.E.Rublee,V.Rabaud,K.Konolige,andG.Bradski.ORB:AnefcientalternativetoSIFTorSURF.InICCV,pages2564–2571,2011.
2.R.Mur-Artal,J.M.M.Montiel,andJ.D.Tardos.ORB-SLAM:AversatileandaccuratemonocularSLAMsystem.IEEETransactionsonRobotics,31(5):1147–1163,2015.
3.F.Fraundorfer,C.Engels,andD.Nister.Visualodometrybasedonthegeometryofimageplanes.InECCV,pages143–156,2008.
4.C.MeiandP.Rives.SingleViewPointOmnidirectionalCameraCalibrationfromPlanarGrids.T-PAMI,2007.