基于立体视觉的SLAM算法在全向移动机器人的应用

  • 基于立体视觉的SLAM算法在全向移动机器人的应用已关闭评论
  • 60 views
  • A+
所属分类:AGV设计资料
摘要

智能移动机器人处于一个未知的环境下,不依靠外界定位信号,通过自身携带的传感器,实现位姿估计并增量式的构建地图,进而获得自身的定位,这个过程称为同时定位及地图构建(Simultaneous Localization and Mapping,SLAM)。SLAM问题是目前机器人领域的研究热点之一,对机器人实现智能化具有重要理论意义和应用价值。本文首先对基于立体视觉的SLAM算法进行了研究,使用RGB-D深度摄像机作为SLAM传感器,进行三维地图构建及空间定位。基于立体视觉的SLAM算法由VO前端、后端优化、回环检测和建图四部分组成。VO前端利用立体视觉对机器人的运动状态进行估计,其使用ORB特征子进行特征提取及匹配,利用Pn P问题对运动变换进行估计,使用ICP算法对三维点云进行高效的拼接。后端使用图优化算法将VO前端的数据建立全局同一的地图和轨迹。使用回环检测算法对地图的准确性进一步提升。利用八叉图对地图进行构建,其存储结构占用空间小,并且可以处理运动物体和用于导航。然后设计并搭建了一个全向移动机器人,它具有一个基于麦克纳姆轮的全向移动底盘,并搭载有激光雷达、深度摄像机和一个四自由度机械臂。其运算核心为Nvidia Jetson TX2高性能嵌入式运算单元,性能强大,外形小巧,节能高效。最后利用搭建的全向移动机器人对本文所述的立体视觉SLAM算法进行验证,在真实环境中运行,进行三维地图重建和定位,证明了算法的实时性和系统架构的有效性,并对结果进行了分析。

论文目录

基于立体视觉的SLAM算法在全向移动机器人的应用
中文摘要
ABSTRACT

1.绪论

1.1研究背景及意义
1.2研究现状
1.2.1移动机器人研究现状
1.2.2移动机器人SLAM研究现状
1.3SLAM算法理论基础
1.3.1卡尔曼滤波器
1.3.2扩展卡尔曼滤波器
1.3.3粒子滤波器
1.3.4FastSLAM
1.3.5优化方法
1.4论文整体结构

2.基于立体视觉的SLAM算法研究

2.1引言
2.2VO前端
2.2.1ORB特征提取及匹配
2.2.2运动变换估计
2.2.3ICP三维点云匹配
2.3后端优化
2.3.1关键帧选取机制
2.3.2位姿图优化
2.4回环检测
2.5建图
2.6本章小结

3.全向移动机器人搭建

3.1引言
3.2硬件平台搭建
3.2.1全向移动底盘
3.2.2驱动单元
3.2.3核心运算单元
3.2.4深度摄像机
3.3软件平台及架构
3.3.1JetsonTX2操作系统安装
3.3.2ROS系统部署
3.3.3内核驱动安装
3.4本章小结

4.实验数据及分析

4.1引言
4.2实验环境
4.3实验设计及结果
4.4本章小结

5.结论与展望

参考文献
附录A驱动单元PCB
附录B驱动单元原理图
致谢
作者简介

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。