室内机器人的单目视觉SLAM算法研究

  • 室内机器人的单目视觉SLAM算法研究已关闭评论
  • 61 views
  • A+
所属分类:AGV设计资料
摘要

随着人工智能的不断发展,人们对机器人智能化水平的要求逐渐提高。作为机器人领域的新生成员,服务机器人近年来在医院、商场、博物馆等场所的需求日益增加,在这些场所中服务机器人通常面临环境的改变,比如人的走动,门的开关等,这些动态物体会影响机器人定位精度,严重时会导致定位失败,这对服务机器人自主导航有很大的影响。基于这个背景,本课题以粒子滤波原理为基础,研究基于粒子滤波的服务机器人地图创建和定位问题,主要做了以下几项工作:首先,对本课题的服务机器人进行介绍,并分析了贝叶斯理论的不同形式,接着详细介绍了粒子滤波理论,并且建立了机器人的概率运动模型和观测模型。然后,针对传统的基于栅格的Fast SLAM算法中计算复杂、地图边缘效果差的问题,本课题采用基于梯度下降的扫描匹配算法,校正里程计带来的累积性误差,提高机器人地图创建的精度,同时在ROS(Robot Operating System)平台上进行了设计与实现。其次,针对服务机器人在室内动态环境下定位问题,本课题在传统的粒子滤波算法的基础上进行改进,通过激光雷达进行动态障碍物的识别与剔除,降低动态障碍物对机器人定位精度的影响。并且将改进的算法通过实验进行验证,使得机器人在室内动态场景中具有更高的定位精度,同时在ROS平台上进行了设计与实现。接下来,本文以turtlebot2为实验平台,在实验室走廊里设计实验,并对实验结果进行分析。实验结果表明,该系统可以实现地图创建与定位功能,具有较强的鲁棒性。最后,总结了本文所取得的研究成果,分析当前研究工作的不足之处,并对今后的研究工作进行了讨论和展望。

论文目录

摘要
abstract

第一章 绪论

1.1 研究的意义和背景
1.2 视觉SLAM相关国内外研究概述
1.2.1 国外研究概述
1.2.2 国内研究概述
1.3 论文的内容和结构安排
1.3.1 主要工作
1.3.2 论文框架安排

第二章 单目SLAM算法概述

2.1 视觉SLAM的数学定义
2.1.1 三维刚体运动模型
2.1.2 观测模型
2.1.3 系统状态表示
2.2 基于特征的单目SLAM算法框架
2.2.1 视觉里程计
2.2.2 后端优化
2.2.3 回环检测
2.2.4 建图
2.3 本章小结

第三章 基于栅格的特征检测方法

3.1 SURF特征检测
3.1.1 积分图像
3.1.2 FAST-Hessian检测
3.2 基于栅格的SURF检测
3.3 实验结果及对比
3.3.1 检测结果比较
3.3.2 加入匹配结果的比较
3.4 本章小结

第四章 基于简化的FREAK模型的特征点匹配算法

4.1 FREAK算法
4.1.1 采样模型
4.1.2 由粗到细的描述方法
4.1.3 扫视搜索
4.1.4 方向
4.2 基于简化FREAK采样模型的改进算法
4.2.1 简化的视网膜采样模型
4.2.2 加入线性插值的描述子
4.2.3 方向计算
4.3 实验结果及分析
4.3.1 实时性对比
4.3.2 图像集中各图像匹配点的正确率比较
4.3.3 在各种变化图像匹配点的正确配率对比
4.4 本章小结

第五章 基于EKF算法的1点RANSAC算法的改进

5.1 相关RANSAC算法
5.1.1 RANSAC算法
5.1.2 基于EKF的1点RANSAC算法
5.2 基于EKF的1点RANSAC的改进算法
5.2.1 选取样本
5.2.2 假设模型估计
5.3 实验结果及分析
5.3.1 动态区域分解
5.3.2 位姿估计
5.4 本章小结
第六章 总结与展望
参考文献
致谢
在学期间的研究成果及发表的学术论文

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。