基于多传感器融合的移动机器人SLAM算法的研究与应用

  • 基于多传感器融合的移动机器人SLAM算法的研究与应用已关闭评论
  • 57 views
  • A+
所属分类:AGV设计资料
摘要

增强现实技术是一种将虚拟信息“无缝”叠加在真实场景中的极具沉浸感和真实感的新型人机交互技术。目前的增强现实技术主要可以分为基于二维图像识别的方法以及基于包括视觉里程计(Visual Odometry)算法在内的三维方法。由于可以实现更好的交互效果以及具有更强的实用性,后者已经成为了增强现实技术的发展潮流。视觉里程计算法是一种对运动物体进行姿态估计,同时预测周围环境三维结构的算法。半直接法是通过最小化稀疏特征点的光度误差进行姿态估计的一种视觉里程计算法。该方法具有运算速度快的优点,但是相比其他类型的视觉里程计算法,其姿态估计的精确度并不是很高。本文首先从算法流程上详细地分析了半直接法的代表Fast Semi-Direct Monocular Visual Odometry算法(简称SVO算法)的前端和后端模型。为了提高SVO算法的鲁棒性与姿态估计方面的准确性,本文基于SVO算法主要做了以下研究工作:1.针对时间上相邻的图像帧之间的灰度差异过大造成SVO算法不稳定或姿态估计失败的问题,本文采用了根据直方图均衡化的灰度一致性改进方法,有效地减小了相邻两帧图像之间的灰度差异,提高了算法的稳定性和准确性。2.针对算法在相机快速运动的情况下对运动相机姿态估计结果不准确的问题,本文引入了基于运动先验的初始化方法对稀疏图像对齐步骤进行改进,提高了算法在相机快速运动的情况下姿态估计结果的准确度。3.针对SVO算法频繁添加关键帧带来的影响,本文提出了选择性关键帧剔除的地图更新策略,能够有效地提高姿态估计的准确度。4.针对增强现实系统中虚拟物体通常需要基于某个参考平面进行绘制的问题,本文在增强现实模块中引入了一种基于Random Sample Consensus(RANSAC)的平面估计算法对场景中可能存在的三维平面的参数形式进行估计。最后,本文通过将改进的SVO算法作为相机姿态估计模块,与增强现实模块相结合,完成了一套完整的增强现实系统。

论文目录

基于多传感器融合的移动机器人SLAM算法的研究与应用
摘要
ABSTRACT

第一章绪论

1.1研究背景及意义
1.2国内外研究现状
1.3研究内容
1.4论文结构

第二章相关理论与技术

2.1SLAM算法解决的问题
2.2SLAM算法的难点
2.3SLAM算法分类
2.3.1概率化SLAM问题
2.3.2基于扩展卡尔曼滤波的SLAM算法
2.3.3基于粒子滤波的SLAM算法
2.4SLAM坐标系统
2.5惯性导航系统
2.5.1IMU模型建立
2.5.2IMU姿态解算
2.5.3位移计算
2.6粒子优化算法
2.6.1粒子群优化算法
2.6.2免疫算法
2.7多传感器融合的SLAM系统
2.8本章小结

第三章双目立体匹配关键技术的研究

3.1引言
3.2双目立体视觉
3.2.1双目立体视觉模型
3.2.2双目相机标定
3.3图像特征提取算法和图像增强算法
3.3.1ORB算法
3.3.2图像增强算法
3.4改进的ORB算法
3.4.1优化ORB算法的提取过程
3.4.2优化ORB匹配的筛选过程
3.4.3改进后的ORB算法流程
3.5实验结果及分析
3.5.1多种图像特征提取分析
3.5.2多种图像特征匹配分析
3.5.3改进的误匹配去除算法
3.6本章小结

第四章融合IMU和双目相机的SLAM算法的研究

4.1引言
4.2FastSLAM算法概述
4.2.1FastSLAM算法分析
4.2.2FastSLAM算法的步骤
4.3基于免疫算法和粒子群算法融合优化的FastSLAM算法
4.3.1建立IA-PSO-FASTSLAM系统模型
4.3.2融合粒子群算法和免疫算法优化粒子集
4.3.3设定优化算法的阈值
4.3.4IA-PSO-FastSLAM算法流程
4.4仿真结果及分析
4.5本章小结

第五章SLAM系统搭建与实验

5.1系统概述
5.2实验环境介绍
5.2.1ROS系统简介
5.2.2传感器介绍
5.3系统详细设计
5.4实验结果
5.4.1基于数据集的实验
5.4.2基于现实场景的实验
5.5本章小结

第六章总结与展望

6.1总结
6.2展望
致谢
参考文献
攻硕期间取得的成果

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。