基于视觉的室内机器人同时定位与地图构建方法研究

  • 基于视觉的室内机器人同时定位与地图构建方法研究已关闭评论
  • 96 views
  • A+
所属分类:AGV设计资料
摘要

随着计算机技术和传感器技术的迅速发展,人们对机器人的智能化程度要求越来越高,而利用移动机器人对未知环境的感知则是机器人智能化研究的热点和难点。移动机器人的同时定位与地图创建(SLAM,Simultaneous Localization and Mapping)则是其中一个重要的基本问题,有效地解决SLAM问题被认为是真正实现移动机器人智能化的关键技术之一。近些年来,随着计算机视觉研究的发展,视觉传感器逐渐地被应用到SLAM问题中。因此,视觉SLAM逐渐兴起成为了SLAM研究领域中的重要研究方向。当前RGB-D SLAM算法存在的主要问题包括:当前算法的效率低,不能满足实时性要求;此外,当前算法的精度较低误差较大,计算出的机器人位姿和运动轨迹通常会偏离真实值,并且随着时间增长偏离值会越来越大。针对现有算法存在的问题,本文对基于Kinect相机的RGB-D SLAM算法提出了以下改进方法:(1)在特征检测与描述符提取阶段本文使用双阈值检测FAST(Features from Accelerated Segment Test)特征点并结合四叉树原理对ORB(Oriented FAST and Rotated BRIEF)特征进行改进,即使用改进的ORB方法进行特征检测与描述符提取。(2)在特征匹配阶段使用基于网格的运动估计(GMS,Grid-based Motion Statistics)和特征方向相融合的去除误匹配方法对匹配结果进行优化。(3)在SLAM前端计算代价问题,本文将Grid加速方法应用于特征提取与匹配步骤中,以便提高算法的计算速度。本文使用TUM提供的标准测试数据集对改进算法进行了测试与对比分析,并使用自己录制的实际环境测试数据和基于Turtle Bot2机器人平台进行真实环境下的改进算法测试。实验结果表明本文所提出的RGB-D SLAM算法改进方法不仅能够满足实时性需求,而且能够极大地减小算法误差,提高算法精度,由此也证明了本文所提出的RGB-D SLAM算法改进方法的有效性。

目 录
基于视觉的室内机器人同时定位与地图构建方法研究

1 绪论

1.1 课题研究背景及意义
1.2 移动机器人研究现状
1.2.1 国外移动机器人研究概况
1.2.2 国内移动机器人研究概况
1.3 视觉 SLAM 的国内外研究现状
1.3.1 RGB-D SLAM 国外研究现状
1.3.2 RGB-D SLAM 国内研究现状
1.4 本文主要工作和结构安排
1.4.1 本文主要工作
1.4.2 本文结构安排
1.5 本章小结

2 移动机器人实验平台及视觉传感器标定

2.1 引言
2.2 移动机器人实验平台
2.3 视觉传感器 KINECT 的标定
2.3.1 RGB-D 相机标定参数
2.3.2 立体成像系统的内参标定与联合标齐算法
2.4 本章小结

3 基于改进的 ORB 特征点检测与描述子提取

3.1 FAST 特征点
3.2 构造高斯金字塔
3.3 改进的 FAST 特征点提取与分配
3.3.1 改进的 FAST 特征点提取
3.3.2 点四叉树
3.3.3 特征点均匀分配
3.3.4 特征点方向
3.4 计算描述子
3.5 本章小结

4 基于 GMS 和特征方向相融合的 SLAM

4.1 特征匹配优化
4.2 基于 GMS 和特征方向相融合的 SLAM 前端算法
4.2.1 GMS 算法
4.2.2 GMS 和特征方向相融合的特征匹配优化
4.2.3 位姿变换估计
4.3 SLAM 后端算法
4.3.1 BA 算法
4.3.2 Robust 核函数
4.3.3 位姿图优化
4.4 回环检测
4.4.1 字典
4.4.2 相似度计算
4.4.3 回环验证
4.5 本章小结

5 基于 KINECT 的室内机器人 SLAM 实验设计与分析

5.1 RGB-D SLAM 系统框架设计
5.2 实验评估标准与测试数据集
5.2.1 特征点提取验证实验
5.2.2 特征匹配验证实验
5.3 后端优化及真实场景运行实验
5.3.1 后端优化实验
5.3.2 真实场景下算法实验
5.3.3 本文算法测试评估
5.4 本章小结
结 论
致 谢
参考文献
攻读硕士学位期间发表的学术论文及研究成果

恭喜,此资源为免费资源,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。