基于视觉的移动机器人室内实时定位与制图技术研究

  • 基于视觉的移动机器人室内实时定位与制图技术研究已关闭评论
  • 48 views
  • A+
所属分类:AGV设计资料
摘要

随着科技的快速发展,机器人将会在越来越多的领域内取代人类完成各项任务,但是机器人如若自主完成和探测未知环境,其必须具备自主定位与导航能力,即对周围的环境进行实时探测,并精确计算自身的位置,确认周围环境的信息,合理规划自身的前进路径等,SLAM(Simultaneous Localization and Mapping,即同时定位与地图构建)技术由此得到了快速发展,迅速在计算机视觉和摄影测量中成为重点研究内容之一。在室外开阔区域,机器人可以借助GPS等全球定位系统可以提供较高精度的定位信息完成未知环境的定位和导航,因此室外SLAM技术已经得到了充分的发展。但是在室内区域,由于GPS信息精度有限,很难单纯的依靠此类定位系统进行导航和制图,本文主要探讨了利用视觉传感器来辅助移动机器人进行室内实时定位与制图技术,除了利用传统视觉传感器获取的图像特征信息,如特征点等,本文还结合了室内的环境信息如特征线和特征面等来完成高精度的室内定位与制图。与传统的室内定位相比,本文方法更加稳健和精度,充分利用了室内的结构线等信息做辅助,跟踪不容易丢失,环境构建更加精确,更能反映周围环境的特点。本文从室内环境信息入手,结合影像基本特征信息,为获取较高精度的室内定位与制图效果,以影像特征点、特征线为主要研究内容,创新性的提出了一种充分使用影像特征点线特征信息的室内定位与制图技术。在室内与室外数据集上的测试实验表明,本文结果可以达到较高的精度,与室外真实的运动轨迹基本重合,也能更好地完成高精度室内的环境构建和跟踪轨迹。本文的创新工作如下:(1)提出一种新的将室内结构线特征和点特征作为约束条件引入到影像姿态优化的能量项的姿态优化方法,使得影像姿态优化的同时考虑周围环境的结构特点,而不仅仅是使用特征点信息。(2)提出一种新的利用周围的环境特征进行场景结构的构建方法,使得构建出来的地图可以更好的体现周围环境的特征。(3)针对纹理缺乏的区域,提出一种新的利用结构线和结构面进行引导的方法,避免机器人在移动过程中,由于纹理缺乏,导致特征点姿态估计失败。

论文目录

摘要
Abstract

第一章 绪论

1.1 研究背景与意义
1.2 国内外研究现状
1.3 本文创新点与章节安排

第二章 视觉SLAM研究概述

2.1 基于图优化的视觉SLAM模型
2.2 影像点特征提取算法
2.2.1 Harris算子
2.2.2 SIFT算子
2.2.3 SURF算子
2.2.4 ORB算子
2.3 影像线特征提取算法
2.3.1 Hough变换线检测算子
2.3.2 LSD线检测算子
2.3.3 EDLines线检测算子
2.4 影像点特征跟踪
2.4.1 特征匹配描述子距离约束
2.4.2 对极几何和基本矩阵
2.4.3 RANSAC和最小二乘算法原理
2.5 影像线特征跟踪
2.5.1 基于匹配特征点的线跟踪方法
2.5.2 基于线的特征描述的线跟踪方法
2.5.3 基于空间线的线跟踪方法
2.6 三维重建原理
2.7 闭环检测算法
2.8 本章小结

第三章 基于影像特征的室内SLAM算法

3.1 基于影像特征的室内SLAM模型
3.2 影像特征提取
3.2.1 ORB点特征提取
3.2.2 LSD线特征提取
3.3 影像特征跟踪
3.3.1 初始地图构建
3.3.2 ORB特征点跟踪
3.3.3 LSD特征线跟踪
3.3.4 关键帧选取和姿态优化
3.4 构图与影像姿态优化
3.4.1 三维点增加和滤除
3.4.2 三维空间线构建
3.4.3 局部地图和关键帧姿态优化
3.4.4 关键帧滤除
3.5 闭环检测
3.5.1 闭环候选检测
3.5.2 闭环确认
3.5.3 闭环合并
3.6 本章小结

第四章 基于影像特征的室内SLAM实验

4.1 实验数据和结果分析
4.1.1 Kitti数据集实验和结果分析
4.1.2 TUM数据集实验和结果分析
4.1.3 HRBB4数据集实验和结果分析
4.2 本章小结

第五章 总结与展望

5.1 研究总结
5.2 展望
参考文献
攻读硕士期间科研经历与科研成果
致谢

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。