隨著自動(dòng)化水平和傳感器技術(shù)的快速發(fā)展,人們對智能化產(chǎn)品的依賴程度增加,AGV自動(dòng)導(dǎo)引車被廣泛應(yīng)用于各大場合,在無人駕駛,物流,AR/VR等行業(yè)中發(fā)揮著重要作用。導(dǎo)航方式是AGV系統(tǒng)中最為核心的環(huán)節(jié),有效解決定位與導(dǎo)航問題被認(rèn)為是移動(dòng)機(jī)器人實(shí)現(xiàn)人工智能的關(guān)鍵技術(shù)之一,其中基于視覺的實(shí)時(shí)定位與地圖構(gòu)建成為近幾年來機(jī)器人導(dǎo)航領(lǐng)域的重要研究方向。針對移動(dòng)機(jī)器人在未知環(huán)境中導(dǎo)航的需求,提出了一種基于雙目相機(jī)的視覺AGV定位與建圖改進(jìn)方案。在雙目視覺里程計(jì)方面,首先,對于特征信息冗余問題,改進(jìn)ORB（Oriented FAST and Rotated BRIEF）算法,引入多閾值FAST圖像分割思想,采用快速最近鄰和隨機(jī)采樣一致性算法減少誤匹配;然后,改進(jìn)目前以灰度為特征的立體匹配算法,提出基于描述子的雙目視差算法,恢復(fù)特征點(diǎn)深度;為準(zhǔn)確獲取位姿坐標(biāo),構(gòu)造一種提供初值的最小二乘問題,使用匹配到的特征點(diǎn)三維坐標(biāo)估計(jì)相機(jī)運(yùn)動(dòng)。在地圖重建方面,采用基于Bundle Adjustment的后端優(yōu)化,利用矩陣求解的稀疏性和邊緣化,同時(shí)優(yōu)化特征點(diǎn)和相機(jī)位姿,消除運(yùn)動(dòng)過程中出現(xiàn)的累積誤差。通過數(shù)據(jù)集實(shí)驗(yàn)表明,所... 

【文章來源】：廣西大學(xué)廣西壯族自治區(qū) 211工程院校

【文章頁數(shù)】：64 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖１－１部分ＡＧＶ實(shí)物??

Ｆｉｇ．?１－２?Ｔｈｅ?ｓｔｒｕｃｔｕｒｅ?ｏｆ?ｍｉｃｒｏ－ｇｒｉｄ?ｉｎ?ｔｈｅ?Ｅｕｒｏｐｅａｎ?Ｕｎｉｏｎ??同導(dǎo)航方式成本、施工、維護(hù)技術(shù)對比如表ｉ－ｉ所示：??表ｌ－ｉ．不同導(dǎo)航方式對比??Ｔａｂ．?１－１?Ｃｏｍｐａｒｉｓｏｎ?ｏｆ?ｄｉｆｆｅｒｅｎｔ?ｎａｖｉｇａｔｉｏｎ?ｍｅｔｈｏｄｓ??ｍｘ?ｍ￥??￣￣電磁導(dǎo)航?±?＾??磁帶導(dǎo)航?低?大?一般?成熟??激光導(dǎo)航?高?小?難?成熟??慣性導(dǎo)航?一般?小?簡單?一般??視覺導(dǎo)航?低?小?簡單?一般??目前，國內(nèi)外研宄者在視覺ＳＬＡＭ領(lǐng)域取得眾多科研成果。文獻(xiàn)［１３］提出一典的視覺里程計(jì)，通過對圖像庫中圖像進(jìn)行特征提取構(gòu)造字典，這種方法，但是需要提前建立圖像庫，過程繁瑣。曹文平［１４］在計(jì)算雙目視差時(shí)采配算法，通過像素灰度構(gòu)造代價(jià)方程，雖然減少運(yùn)算時(shí)間，但是恢復(fù)視差點(diǎn)，邊緣信息較差。文獻(xiàn)［丨５］設(shè)計(jì)一套基于深度相機(jī)Ｋｉｎｅｃｔ的視覺里程計(jì)，取物體深度，算法簡單，在圖像匹配上改進(jìn)ＲＡＮＳＡＣ（Ｒａｎｄｏｍ?Ｓａｍｐｌｅ?Ｃｏｎｓ

?基于雙目相機(jī)的視覺ＡＧＶ定位與建圖??不同導(dǎo)航方式如圖１－２所示：??３?Ｌ??（ａ）電磁導(dǎo)航?（ｂ）磁帶導(dǎo)航?（ｃ）激光導(dǎo)航??Ｗ??（ｄ）慣性導(dǎo)航?（ｅ）視覺導(dǎo)航??圖１－２導(dǎo)航方式示意圖??Ｆｉｇ．?１－２?Ｔｈｅ?ｓｔｒｕｃｔｕｒｅ?ｏｆ?ｍｉｃｒｏ－ｇｒｉｄ?ｉｎ?ｔｈｅ?Ｅｕｒｏｐｅａｎ?Ｕｎｉｏｎ??不同導(dǎo)航方式成本、施工、維護(hù)技術(shù)對比如表ｉ－ｉ所示：??表ｌ－ｉ．不同導(dǎo)航方式對比??Ｔａｂ．?１－１?Ｃｏｍｐａｒｉｓｏｎ?ｏｆ?ｄｉｆｆｅｒｅｎｔ?ｎａｖｉｇａｔｉｏｎ?ｍｅｔｈｏｄｓ??ｍｘ?ｍ￥??￣￣電磁導(dǎo)航?±?＾??磁帶導(dǎo)航?低?大?一般?成熟??激光導(dǎo)航?高?小?難?成熟??慣性導(dǎo)航?一般?小?簡單?一般??視覺導(dǎo)航?低?小?簡單?一般??目前，國內(nèi)外研宄者在視覺ＳＬＡＭ領(lǐng)域取得眾多科研成果。文獻(xiàn)［１３］提出一種基于??視覺詞典的視覺里程計(jì)，通過對圖像庫中圖像進(jìn)行特征提取構(gòu)造字典，這種方法提高匹??配精度，但是需要提前建立圖像庫，過程繁瑣。曹文平［１４］在計(jì)算雙目視差時(shí)采用ＢＭ??立體匹配算法，通過像素灰度構(gòu)造代價(jià)方程，雖然減少運(yùn)算時(shí)間，但是恢復(fù)視差圖會(huì)出??現(xiàn)空洞點(diǎn)，邊緣信息較差。文獻(xiàn)［丨５］設(shè)計(jì)一套基于深度相機(jī)Ｋｉｎｅｃｔ的視覺里程計(jì)，可以??直接獲取物體深度，算法簡單，在圖像匹配上改進(jìn)ＲＡＮＳＡＣ（Ｒａｎｄｏｍ?Ｓａｍｐｌｅ?Ｃｏｎｓｅｎｓｕｓ）??算法提高匹配速度，運(yùn)用奇異分解法計(jì)算相對位姿，實(shí)現(xiàn)地圖重構(gòu)，但是有效檢測范圍??受限

【參考文獻(xiàn)】：
期刊論文
[1]一種基于位置修正和卡爾曼濾波的姿態(tài)角推算算法[J]. 王守華,李云柯,紀(jì)元法,孫希延.  科學(xué)技術(shù)與工程. 2019(07)
[2]基于曲率特征與改進(jìn)的RANSAC策略的圖像匹配算法[J]. 王瑜,禹秋民.  計(jì)算機(jī)工程與設(shè)計(jì). 2018(12)
[3]面向室內(nèi)動(dòng)態(tài)環(huán)境的半直接法RGB-D SLAM算法[J]. 高成強(qiáng),張?jiān)浦?王曉哲,鄧毅,姜浩.  機(jī)器人. 2019(03)
[4]一種基于自適應(yīng)權(quán)重SAD與Census融合的匹配算法[J]. 鄒進(jìn)貴,萬熒,孟麗媛.  測繪通報(bào). 2018(11)
[5]一種基于四叉樹的改進(jìn)的ORB特征提取算法[J]. 禹鑫燚,詹益安,朱峰,歐林林.  計(jì)算機(jī)科學(xué). 2018(S2)
[6]基于SIFT圖像特征提取與FLANN匹配算法的研究[J]. 王金龍,周志峰.  計(jì)算機(jī)測量與控制. 2018(02)
[7]IEPnP:一種基于EPnP的相機(jī)位姿迭代估計(jì)算法[J]. 陳鵬,王晨驍.  光學(xué)學(xué)報(bào). 2018(04)
[8]動(dòng)態(tài)場景下基于運(yùn)動(dòng)物體檢測的立體視覺里程計(jì)[J]. 林志林,張國良,姚二亮,徐慧.  光學(xué)學(xué)報(bào). 2017(11)
[9]基于ORB算法的雙目立體視覺測距系統(tǒng)[J]. 李雙全,章國寶.  工業(yè)控制計(jì)算機(jī). 2017(06)
[10]基于光束平差法的雙目視覺里程計(jì)研究[J]. 羅楊宇,劉宏林.  控制與決策. 2016(11)

碩士論文
[1]視覺導(dǎo)航AGV定位與路徑規(guī)劃技術(shù)研究[D]. 鄭少華.華南理工大學(xué) 2016
[2]基于Kinect和視覺詞典的三維SLAM算法研究[D]. 龍超.浙江大學(xué) 2016
[3]基于立體視覺的智能車地圖構(gòu)建方法研究[D]. 曹文平.大連理工大學(xué) 2015
[4]基于g2o的SLAM后端優(yōu)化算法研究[D]. 張彥珍.西安電子科技大學(xué) 2014
[5]雙目測距系統(tǒng)及標(biāo)定方法研究[D]. 姜雨彤.長春理工大學(xué) 2013



本文編號：2962573