视觉里程计通过单个或多个视觉传感器输入准确的进行载体的位姿估计,是计算机视觉理论在机器人技术领域的一个重要应用,也是自主型机器人自主定位导航方法研究中的热点之一。随着移动自主型机器人的快速发展,机器人多种多样的自动化任务,例如自动驾驶、搜索救援等,对移动机器人的定位提出了更高要求。大多数传统的视觉里程计对静态场景能取得很好的效果,但在动态场景中或者静态场景中含有移动物体,例如动物,行人,车辆等,视觉里程计算法的位姿估计会出现较大偏差。论文深入研究了视觉里程计算法的原理以及当前主流视觉里程计算法的一般流程,针对在动态场景中存在的问题,对算法流程中特征点匹配、局部地图管理、位姿估计进行了优化改进,提升了动态场景中视觉里程计算法的位姿估计精度。论文的主要工作和研究内容如下:(1)提出了一种基于帧间特征点移动距离直方图的移动物体特征点预检测方法,同时提出了一种改进的关键帧选取与删除策略,并继而提出了一种动态场景下包含虚拟地图点的视觉里程计局部地图构建与管理方法,减小了动态场景下移动物体对于视觉里程计位姿估计的干扰。通过对静态场景和运动物体上的特征点加以区分,并根据运动物体上的特征点的匀速运动模型生成虚拟特征点加入局部地图用于位姿估计的方法,旨在提高动态场景下视觉里程计算法的定位和位姿估计的精确性。实验表明,论文提出的关键帧选择与删除方法和包含虚拟地图点的视觉里程计局部地图构建与管理方法有效地提高了动态场景下视觉里程计位姿估计的准确性。(2)将动态场景下包含虚拟地图点的视觉里程计局部地图构建与管理方法应用到视觉里程计中,设计并实现了一个完整的适用于动态场景的视觉里程计算法。同时,针对视觉里程计算法流程中特征点的匹配步骤,提出了一种基于相机匀速运动模型的特征点匹配和筛选方法;针对虚拟特征点的不确定性,首先通过RANSAC PnP方法计算相机的位姿作为初值,然后提出一种新的重投影误差函数用以迭代优化相机位姿,得到更加准确的相机位姿估计。实验对比表明,论文提出的方法无论是在低程度动态场景还是在高程度动态场景中,都取得了较好的效果。尤其是在高程度动态场景中,论文提出的方法有效地降低了场景中的移动物体对算法位姿估计的干扰,取得了比较大的效果提升。(3)设计并实现了视觉里程计位姿恢复与评测系统。该系统包含三个功能模块:数据选择模块、结果显示模块和性能评价模块,分别用于算法数据集选取与参数设置、算法执行结果显示以及算法执行结果的定量评估。该系统可以直观地展示视觉里程计相机位姿恢复的效果,方便与各种现有视觉里程计算法的性能进行对比分析。