隨著自動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)航問題被認為是移動機器人實現(xiàn)人工智能的關(guān)鍵技術(shù)之一,其中基于視覺的實時定位與地圖構(gòu)建成為近幾年來機器人導(dǎo)航領(lǐng)域的重要研究方向。針對移動機器人在未知環(huán)境中導(dǎo)航的需求,提出了一種基于雙目相機的視覺AGV定位與建圖改進方案。在雙目視覺里程計方面,首先,對于特征信息冗余問題,改進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采樣一致性算法減少誤匹配;然后,改進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)特征點深度;為準確獲取位姿坐標,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三維坐標估計相機運動。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,同時優(yōu)化特征點和相機位姿,消除運動過程中出現(xiàn)的累積誤差。通過數(shù)據(jù)集實驗表明,所... 

【文章來源】：廣西大學廣西壯族自治區(qū) 211工程院校

【文章頁數(shù)】：64 頁

【學位級別】：碩士

【部分圖文】：

圖１－１部分ＡＧＶ實物??

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［１３］提出一典的視覺里程計，通過對圖像庫中圖像進行特征提取構(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］在計算雙目視差時采配算法，通過像素灰度構(gòu)造代價方程，雖然減少運算時間，但是恢復(fù)視差點，邊緣信息較差。文獻［丨５］設(shè)計一套基于深度相機Ｋｉｎｅｃｔ的視覺里程計，取物體深度，算法簡單，在圖像匹配上改進ＲＡＮＳＡＣ（Ｒａｎｄｏｍ?Ｓａｍｐｌｅ?Ｃｏｎｓ

?基于雙目相機的視覺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［１３］提出一種基于??視覺詞典的視覺里程計，通過對圖像庫中圖像進行特征提取構(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］在計算雙目視差時采用ＢＭ??立體匹配算法，通過像素灰度構(gòu)造代價方程，雖然減少運算時間，但是恢復(fù)視差圖會出??現(xiàn)空洞點，邊緣信息較差。文獻［丨５］設(shè)計一套基于深度相機Ｋｉｎｅｃｔ的視覺里程計，可以??直接獲取物體深度，算法簡單，在圖像匹配上改進ＲＡＮＳＡＣ（Ｒａｎｄｏｍ?Ｓａｍｐｌｅ?Ｃｏｎｓｅｎｓｕｓ）??算法提高匹配速度，運用奇異分解法計算相對位姿，實現(xiàn)地圖重構(gòu)，但是有效檢測范圍??受限

【參考文獻】：
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,紀元法,孫希延.  科學技術(shù)與工程. 2019(07)
[2]基于曲率特征與改進的RANSAC策略的圖像匹配算法[J]. 王瑜,禹秋民.  計算機工程與設(shè)計. 2018(12)
[3]面向室內(nèi)動態(tài)環(huán)境的半直接法RGB-D SLAM算法[J]. 高成強,張云洲,王曉哲,鄧毅,姜浩.  機器人. 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]. 鄒進貴,萬熒,孟麗媛.  測繪通報. 2018(11)
[5]一種基于四叉樹的改進的ORB特征提取算法[J]. 禹鑫燚,詹益安,朱峰,歐林林.  計算機科學. 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.  計算機測量與控制. 2018(02)
[7]IEPnP:一種基于EPnP的相機位姿迭代估計算法[J]. 陳鵬,王晨驍.  光學學報. 2018(04)
[8]動態(tài)場景下基于運動物體檢測的立體視覺里程計[J]. 林志林,張國良,姚二亮,徐慧.  光學學報. 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)控制計算機. 2017(06)
[10]基于光束平差法的雙目視覺里程計研究[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 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 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 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 2014
[5]雙目測距系統(tǒng)及標定方法研究[D]. 姜雨彤.長春理工大學 2013



本文編號：2962573