基于Kinect多移动机器人3D同步定位与制图

  • 基于Kinect多移动机器人3D同步定位与制图已关闭评论
  • 54 views
  • A+
所属分类:AGV设计资料
摘要

移动机器人3D同步定位与制图(3D SLAM)指的移动机器人通过自身携带的视觉传感器感知环境,同时构建3D环境地图和估计移动机器人的运动轨迹。移动机器人3D SLAM技术是自主移动机器人的关键技术,也是移动机器人研究领域的难点问题。与单移动机器人3D SLAM相比,多移动机器人3D SLAM可以通过移动机器人之间的相互协作、共享所获得的信息,提高移动机器人同步定位和建图的效率和鲁棒性。多移动机器人3D SLAM除了需要解决单移动机器人的3D SLAM问题,还需要解决移动机器人之间的通信和局部地图融合的问题。本文主要研究基于Kinect传感器的多移动机器人3D SLAM、数据关联以及局部地图融合等相关问题。本文的主要工作如下:(1)首先,对单移动机器人3D SLAM问题进行研究。通过传感器数据读取、视觉里程计、闭合回环检测和后端优化,得到全局一致性的3D环境地图和移动机器人的运动轨迹。在特征提取和匹配中,提出了主成分分析(PCA)的数据降维算法,提高移动机器人3D SLAM的效率;在构建局部地图时,提出了图像关键帧选择算法,提高了移动机器人构建3D地图的准确性和鲁棒性。(2)其次,对于多移动机器人3D SLAM问题进行研究。简单描述了多移动机器人的系统结构,移动机器人之间信息共享的无线通信技术。对于多移动机器人的地图融合问题,采用坐标齐次变换解决地图对齐的问题。根据移动机器人是否相遇,提出了相对观测的局部地图融合方法和基于粒子群优化算法的局部地图融合方法。前者是把移动机器人所创建的局部地图的重叠部分进行融合;后者是把地图融合问题转化为目标优化问题,通过粒子群算法寻找最优变换矩阵。这两种方法相互配合,实现多移动机器人的地图融合。(3)最后,把PCA数据降维算法、图像关键帧选择算法等改进算法应用于多移动机器人3D SLAM问题,通过实验验证,提高了多移动机器人同时定位和建图的效率、准确性和鲁棒性。最后对全文进行总结和展望,归纳了主要的研究成果和实验结论,并且提出了本文所提出改进算法存在的问题和未来的研究方向。

论文目录
摘要
Abstract

第1章 绪论

1.1 研究背景及意义
1.2 国内外研究现状
1.3 课题研究内容和创新点
1.4 论文提纲
1.5 本章小结

第2章 移动机器人的3D SLAM算法

2.1 SLAM算法概述
2.2 机器人的系统模型
2.2.1 机器人的运动学模型
2.2.2 机器人的观测模型
2.3 传感器
2.4 移动机器人3D SLAM算法框架
2.4.1 视觉里程计
2.4.2 后端优化
2.4.3 回环检测
2.4.4 构建地图
2.5 本章小结

第3章 多移动机器人的3D SLAM算法

3.1 多移动机器人系统结构
3.1.1 集中式
3.1.2 分布式
3.1.3 混合式
3.2 多移动机器人的地图融合
3.2.1 3D空间坐标系的坐标转换
3.2.2 移动机器人的齐次坐标表示
3.2.3 基于观测信息的坐标变换
3.3 多移动机器人系统中的视觉处理技术
3.3.1 移动机器人的识别
3.3.2 移动机器人的局部路径获取
3.3.3 移动机器人的视觉里程计实现
3.4 多移动机器人3D SLAM算法的数据关联问题
3.4.1 数据关联算法
3.4.2 常用的数据关联算法
3.4.3 ORB特征在SLAM中的数据关联
3.5 改进的多移动机器人3D SLAM算法
3.5.1 特征选择与提取
3.5.2 多移动机器人3D SLAM系统组成
3.5.3 地图云点、关键帧的选择
3.5.4 相机位置的追踪
3.5.5 局部地图的构建
3.5.6 闭合回环检测
3.6 多移动机器人地图融合改进算法
3.6.1 粒子群优化算法原理
3.6.2 地图转换函数
3.6.3 适应度函数
3.7 本章小结

第4章 实验验证

4.1 引言
4.2 实验环境
4.3 ORB特征检测和匹配
4.4 基于Kinect的移动机器人3D SLAM实验
4.5 基于Kinect的多移动机器人3D SLAM实验
4.6 本章小结

第5章 总结与展望

5.1 总结
5.2 展望
参考文献
致谢
攻读硕士学位期间发表与录用的学术论文

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。