基于视觉的多机器人协作SLAM研究

  • 基于视觉的多机器人协作SLAM研究已关闭评论
  • 62 views
  • A+
所属分类:AGV设计资料
摘要

移动机器人是机器人学的一个重要分支,可应用于未知环境探索、巡逻、服务等诸多领域。目前移动机器人技术还不成熟,多项关键技术需要改进,其中作为实现自主、智能移动机器人前提的即时定位与地图构建(SLAM,Simultaneous Localization and Mapping)技术尤其需要进一步研究。本课题源于国家自然科学基金资助项目“基于局部不变映射的双目移动机器人协作SLAM研究”,深入研究了基于视觉的多机器人协作SLAM及其相关技术。主要内容包括以下几个方面:首先研究了多机器人系统及其任务分配算法。提出了一种基于UPn P(Universal Plug and Play)技术的多机器人系统UMRS(UPn P-based Multi-robot System)。该系统使得成员间具有互发现能力,避免了多机器人系统通常存在的单点故障、协作协议与底层通信耦合度高等问题。在此基础上对多机器人任务分配技术进行了研究,提出一种适用于MT-SR-TA类型任务分配问题的方法CMRTA(CHNN-based Multi-robot Task Allocation)。其次,研究了基于双目视觉的自然路标提取与描述方法。针对SLAM过程中存在的作为路标的特征点过多而导致数据关联复杂度高、准确度低的问题,提出一种以特征点的三维信息为基础的路标提取方法。该方法从基于双目视觉获得的环境图像中提取并匹配特征点,重建特征点对应的空间点的三维信息,并依据点间距离进行聚类分析得到若干点簇,将每个点簇整体作为一个路标。为了便于进行路标间的快速匹配,达到数据关联的目的,对路标进行标识,提出了一种路标描述符,论述了其生成方法和匹配过程。为了获得合适的路标,本文对Mean Shift聚类算法进行了改进,通过最小点数、聚类半径初始值、半径增长幅度、最大聚类半径等参数的调节,使得算法可以根据空间点具体的分布情况产生适当数量的不同尺寸的点簇。再次,对基于视觉的SLAM进行了研究。针对基于EKF(Extended Kalman Filter)的SLAM算法因为计算复杂度过高不适合大规模环境地图构建的问题,提出了一种基于自然路标和局部地图更新的NL-SLAM(Natural landmark and Local map based SLAM)算法。由于自然路标的使用,减少了位姿和地图估计的误差,同时因为路标数量的减少和局部地图的使用,有效降低了计算复杂度。最后,在以上工作的基础上,进一步研究了基于视觉的多机器人协作SLAM。提出一种团队共享路标信息的MR-v SLAM(Multi-robot visual SLAM)算法,该算法改进了Fast SLAM使之适用于多机器人协作SLAM。在该算法中,多机器人系统的每个成员均进行SLAM,将其他成员视为自身传感器的延伸,在SLAM过程中不断将其他成员的观测到的路标信息融合到自己的地图中,加快了对大规模未知环境的地图构建速度。

论文目录

摘要
Abstract

第1章 绪论

1.1 课题来源
1.2 研究的目的与意义
1.3 多机器人系统研究现状
1.3.1 国外多机器人系统的发展概况
1.3.2 国内多机器人系统的发展概况
1.3.3 多机器人系统协作
1.3.4 多机器人通信
1.4 基于视觉的SLAM研究综述
1.4.1 基于视觉的SLAM
1.4.2 视觉传感器
1.4.3 路标的提取
1.4.4 SLAM算法
1.5 多机器人协作SLAM研究综述
1.6 本文的主要研究内容
1.7 本文组织结构

第2章 多机器人系统及任务分配研究

2.1 引言
2.2 INSPbot机器人实验平台
2.3 多机器人系统UMRS的组织结构
2.4 UMRS通信子系统
2.4.1 UPn P协议
2.4.2 基础通信功能
2.4.3 UMRS通信系统的层次结构
2.4.4 成员发现与通信
2.4.5 UMRS通信性能分析
2.5 多机器人任务分配算法研究
2.5.1 协商协议
2.5.2 任务分配问题
2.5.3 一种MT-SR-TA任务分配方法CMRTA
2.5.4 协作实验
2.6 本章小结

第3章 基于特征点三维信息的自然路标的提取与描述

3.1 引言
3.2 特征点的检测方法
3.2.1 基于SIFT算法的特征点检测
3.2.2 基于SURF算法的特征点检测
3.3 双目图像特征点提取与匹配
3.4 特征点对应空间点的三维信息的获取
3.5 基于视场规则的特征点过滤
3.6 基于改进Mean Shift算法的自然路标提取
3.7 自然路标的描述
3.7.1 自然路标的组成
3.7.2 自然路标描述符的生成
3.8 自然路标在机器人位姿估计中的应用
3.9 实验结果与分析
3.9.1 路标提取实验
3.9.2 聚类参数对聚类数量影响
3.9.3 双目视觉系统的基线距对聚类数量和定位的影响
3.9.4 TDNL路标的环境适用性
3.10 本章小结

第4章 基于自然路标和局部地图更新的v SLAM

4.1 引言
4.2 v SLAM问题描述
4.3 地图的表示
4.4 基于自然路标与局部地图更新的NL-SLAM
4.4.1 机器人运动学模型
4.4.2 局部地图概念
4.4.3 NL-SLAM算法分析
4.5 实验结果与分析
4.6 本章小结

第5章 基于共享路标的多机器人协作v SLAM

5.1 引言
5.2 Fast SLAM分析
5.3 基于共享自然路标的MR-v SLAM算法
5.4 MR-v SLAM算法分析
5.4.1 无偏转换
5.4.2 基于UKF和自然路标匹配采样新位姿
5.4.3 自然路标更新
5.4.4 粒子权重计算
5.4.5 重新采样
5.4.6 协作地图构建
5.5 实验结果分析
5.6 本章小结
结论
参考文献
攻读博士学位期间发表的论文及其他成果
致谢
个人简历

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。