双目立体视觉SLAM特征匹配与定位技术研究

  • 双目立体视觉SLAM特征匹配与定位技术研究已关闭评论
  • 58 views
  • A+
所属分类:AGV设计资料
摘要

同步定位与地图构建(Simultaneous location and mapping,SLAM)是指机器人在未知环境中创建环境地图并推断自身位姿的过程。近年来,SLAM问题的解决对于移动机器人实现自主定位具有十分重要的意义,已逐渐成为移动机器人导航及计算机视觉领域的热门研究课题。由于SLAM中机器人的特征点匹配往往出现误匹配且匹配的复杂度较高而导致机器人构建地图的周期较长,定位的实时性较差。为此,我们对SLAM的特征匹配与定位技术展开理论研究。本文针对双目立体视觉SLAM系统展开研究,具体工作如下:(1)介绍了SLAM系统框架,分析了两种常用的SLAM滤波算法—扩展卡尔曼滤波器算法和粒子滤波器算法。给出了本文研究双目立体视觉SLAM的观测与运动两大基本模型,在此基础上提出了本文研究的双目立体视觉SLAM的整体结构框架。(2)对双目立体视觉SLAM的数据关联问题进行了研究。介绍了特征提取与匹配技术的相关知识,并针对SIFT特征提取与匹配算法的维数较大且存在较大的误匹配率问题,结合支持向量机(SVM)的序列最小优化算法(SMO)进一步细匹配提出基于序列最小优化的SIFT特征提取与匹配算法—SMO-SIFT算法。最后通过MATLAB仿真表明SMO-SIFT算法降低了算法的维数,改善了算法的实时性,同时提高了算法精确度。(3)对SLAM的路径估计问题进行了研究。介绍了RaoBlackwellised粒子滤波器算法(RBPF)并针对RBPF算法的粒子数目的增加会频繁重采样从而导致“粒子退化”问题,提出了基于小生境遗传优化算法的INGO-RBPF算法。最后通过MATLAB仿真表明INGO-RBPF算法具较高的估计精度和稳定性,抗干扰能力较强,比较适合应用在SLAM实时定位中。(4)在机器人操作系统(ROS)的环境下将SMO-SIFT和INGORBPF算法运用于实验环境中。给出了SLAM系统中的地图构建、机器人控制及远程控制三大模块的软硬件设计,实验结果表明机器人能够正确的构建出环境地图和成功定位,运行结果比较理想。

论文目录
摘要
ABSTRACT

第1章 绪论

1.1 课题研究的背景与意义
1.2 双目立体视觉系统的概述
1.3 SLAM概述
1.4 SLAM的研究现状
1.5 主要工作与章节安排

第2章 双目立体视觉SLAM系统

2.1 常用的SLAM算法
2.1.1 扩展卡尔曼滤波算法
2.1.2 粒子滤波器SLAM算法
2.2 SLAM数据关联
2.3 立体视觉SLAM的模型
2.3.1 观测模型
2.3.2 运动模型
2.4 双目立体视觉模型
2.5 双目立体视觉SLAM的整体结构图

第3章 基于序列最小优化的SIFT特征匹配算法

3.1 特征提取与特征匹配的概念
3.2 SIFT特征提取与匹配算法
3.3 SMO-SIFT算法
3.3.1 SMO算法
3.3.2 粗匹配
3.3.3 利用改进的SMO算法细匹配
3.3.4 SMO-SIFT的流程
3.4 SMO-SIFT仿真实验与数据验证
3.4.1 欧氏距离比值阈值k测试
3.4.2 维数和匹配率关系测试
3.4.3 特征匹配效果实例
3.5 结论

第4章 基于小生境遗传优化的Rao-Blackwellized算法

4.1 基于Rao-Blackwellize粒子滤波SLAM算法的概述
4.1.1 Rao-Blackwellized分解
4.1.2 粒子权值的获取
4.1.3 Rao-Blackwellized粒子滤波SLAM算法步骤
4.2 小生境遗传算法及改进
4.2.1 遗传算法的基本原理
4.2.2 小生境遗传算法的概念
4.2.3 小生境遗传算法的改进
4.3 基于小生境遗传优化的Rao-Blackwellized SLAM算法
4.3.1 粒子多样性处理
4.3.2 获取优化后的粒子集
4.3.3 INGO-RBPF算法步骤
4.4 仿真与分析
4.4.1 粒子多样性性能测试
4.4.2 定位均方差测试
4.5 结论

第5章 系统设计及实验分析

5.1 ROS
5.1.1 ROS简介
5.1.2 ROS通信架构
5.2 SLAM系统设计
5.2.1 需求分析
5.2.2 功能设计
5.2.3 模块设计
5.2.4 结构设计
5.3 系统的硬件设计
5.3.1 电源模块
5.3.2 地图构建模块
5.3.3 机器人控制模块
5.3.4 远程控制模块
5.3.5 总结
5.4 系统的软件设计
5.4.1 开发环境
5.4.2 地图构建模块
5.4.3 机器人控制模块
5.4.4 远程控制模块
5.5 运行与分析
5.5.1 测试环境
5.5.2 测试流程
5.5.3 测试结果
5.6 小结

第6章 结论与展望

6.1 工作总结
6.2 展望
参考文献
攻读硕士学位期间发表的成果
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。