摘要
增强现实技术将虚拟物体与真实场景进行融合，实现两者在光照、几何以及时间方面的一致性，增强使用者对真实场景的感知。同时定位与地图构建(Simultaneous Localization and Mapping,SLAM)是实现增强现实的核心技术之一，该技术通过实时估计传感器位姿来确定其与真实场景的相对位置，从而在真实场景中准确叠加虚拟物体。准确的参数阈值是利用SLAM算法获得精确位姿的关键。然而，目前大多数视觉SLAM算法采用人工设定经验值的方法，在实际应用中使用固定的参数配置，当场景改变后需重新整定参数。基于此，本文做了如下工作： 1.提出一种基于改进深度循环Q网络的视觉SLAM参数自适应调整方法。该方法首先筛选视觉SLAM参数以构建动作空间；其次采用地图点的协方差矩阵或位姿平移的均方根误差来描述视觉定位的不确定性，并将其不确定性以构建奖励函数；最后参数智能体通过ε-greedy策略选择Q值最大的动作作用于视觉SLAM环境，使视觉SLAM算法达到自适应调整参数的目的。 2.设计并实现基于参数自适应的相机位姿估计系统。该系统由服务器端和移动端组成，服务器端对移动端采集的真实场景信息进行相机位姿跟踪和地图构建，并将位姿跟踪结果返回移动端，实现移动端在真实场景下的实时位姿估计。移动端对获取到的相机位姿和地图进行实时绘制，并实现基于视频序列的移动增强现实交互。 本文在视觉SLAM算法中利用深度循环Q网络进行参数自适应调整。实验结果表明，提出的算法不仅提高了位姿跟踪精度，而且在应用场景变化后能够得到相应的参数调整策略，使系统在不同应用场景下能够良好运行。因此，本文提出的参数自适应相机位姿估计系统具有一定的理论意义及实用价值。
NETL