基于深度相机的移动机器人SLAM算法研究

  • 基于深度相机的移动机器人SLAM算法研究已关闭评论
  • 54 views
  • A+
所属分类:AGV设计资料
摘要

移动机器人同步定位与建图(Simultaneous Localization and Mapping,SLAM)技术是实现机器人智能化的一项关键技术。当机器人处于某未知环境中,同时无法通过外部获得自身位置信息时,其需要依据自身传感器完成环境地图构建并实现定位。早期机器人定位主要借助于激光雷达、IMU、距离传感器等,而随着计算机视觉的发展,相机以其廉价、低功率、数据丰富的特点在SLAM领域得到广泛的应用,被称为视觉SLAM。微软在2010年推出的RGB-D相机使得视觉SLAM掀起了一股新的研究热潮。本文基于RGB-D相机采集的数据,在2012年提出的RGB-D SLAM的基础上,结合最新的SLAM方案中的一些优势算法和模块,对RGB-D SLAM进行了改进,算法主要用于测试包含丰富特征的室内环境。文章分析了相机位姿估计中直接法和特征点法的优缺点,改进了前端相机的跟踪方式,提出了一种由粗到精的位姿估计方法。在RGB图中提取ORB特征,先使用稀疏直接法跟踪这些ORB特征得到当前帧的粗估计,设置一定的关键帧选取机制,将符合条件的候选关键帧送入位姿估计部分,使用特征点法进行位姿精估计并进行关键帧的选取。本文针对相机跟踪模块改进了RGB-D SLAM中的回环检测方法和关键帧策略。算法后端采用位姿图优化的方法,优化关键帧的全局位姿,同时将关键帧的三维点云转换到世界坐标系,通过拼接得到最终的三维稠密点云图。本文算法在TUM的公开数据集上进行了测试,实验论证了本文算法在保证较高位姿估计精度的同时比RGBD SLAM具有更快的计算速度,算法能实现在CPU上的实时运行。最终能实现相机各时刻的位姿估计和室内三维稠密点云地图重建。

目录
基于深度相机的移动机器人SLAM算法研究
摘要
abstract
第1章 引言
1.1 选题背景及意义
1.2 国内外研究现状
1.3 论文主要研究内容和组织结构
第2章 相机模型与数据获取
2.1 传感器介绍
2.2 深度相机构造与原理
2.3 相机的内外参模型
2.4 深度相机标定与数据获取
2.5 本章小结
第3章 三维地图构建与相机定位算法
3.1 常见SLAM方案分析与对比
3.1.1 RGB-DSLAM
3.1.2 ORBSLAM
3.1.3 SVO
3.1.4 方案对比
3.2 本文算法整体框架
3.3 相机跟踪
3.3.1 特征分析
3.3.2 直接法与间接法
3.3.3 稀疏直接法与粗估计
3.3.4 特征点法与精估计
3.4 回环检测
3.5 局部与全局优化
3.6 环境建图
3.7 本章小结
第4章 实验分析与评估
4.1 实验环境
4.2 算法测试
4.2.1 位置精度测试工具
4.2.2 稀疏直接法与特征点法效率与精度对比
4.2.3 本文算法与RGBD SLAM效率与精度对比
4.2.4 本文算法轨迹估计与建图
4.3 本章小结
第5章 结论与展望
5.1 论文研究成果
5.2 展望
参考文献
致谢
作者简历及攻读学位期间发表的学术论文与研究成果

抱歉,此资源仅限赞助会员下载,请先
注意:本站资源多为网络收集,如涉及版权问题请及时与站长联系QQ:2766242327,我们会在第一时间内与您协商解决。如非特殊说明,本站所有资源解压密码均为:agvba.com。
weinxin
微信公众号
agvba是一个分享AGV知识和agv案例视频的网站。