精確的地圖是移動機器人導航的前提,如何準確地劃分場景中的可通行區(qū)域和不可通行區(qū)域,提供障礙物的位置信息,對目前地圖創(chuàng)建來說仍是一大難點。雖然三維點云地圖能對場景進行復現(xiàn),但由于缺乏上述信息,無法滿足機器人導航避障及路徑規(guī)劃的需求。在建圖過程中,主要是依靠機器人所搭載的傳感器感知周圍環(huán)境信息來完成的。視覺傳感器由于結(jié)構(gòu)輕便、體積小、功耗低、價格便宜以及獲取信息豐富等優(yōu)點,在地圖創(chuàng)建過程中更具優(yōu)勢,尤其是RGB-D相機的出現(xiàn),由于能夠同時獲得彩色圖片和對應(yīng)的深度圖片,在三維重建以及地圖創(chuàng)建中受到高度關(guān)注。但是在位姿估計過程的,場景紋理不豐富或相機運動過快都會影響位姿估計的精度,而且當圖像發(fā)生變化時,無法確定是場景發(fā)生了變化還是相機自身產(chǎn)生了運動,因此純視覺信息難以處理動態(tài)場景的問題。慣性傳感器可以測量角速度和加速度,在視覺信息不可靠時可以為移動機器人提供一個初始位姿估計,與相機具有很好的互補性。因此本文借助RGB-D相機和慣性傳感器,通過融合這兩個傳感器的數(shù)據(jù)來進行室內(nèi)移動機器人的位姿估計以及地圖創(chuàng)建方法研究。在數(shù)據(jù)處理環(huán)節(jié),改進了特征提取的方法,利用圖像灰度梯度幅值的大小,自適應(yīng)地調(diào)整提... 

【文章來源】：湖南大學湖南省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：92 頁

【學位級別】：碩士

【部分圖文】：

Aprilgrid標定板

KinectV1相機采集的部分數(shù)據(jù)

KinectV1相機的重投影誤差

【參考文獻】：
期刊論文
[1]MEMS-IMU隨機誤差的Allan方差分析[J]. 厲寬寬,陳允芳,程敏,王云鵬.  全球定位系統(tǒng). 2016(06)
[2]基于多傳感器融合的移動機器人三維地圖創(chuàng)建[J]. 張彪,曹其新,何明超.  中國科技論文. 2013(08)
[3]視覺和IMU融合的移動機器人運動解耦估計[J]. 路丹暉,周文暉,龔小謹,劉濟林.  浙江大學學報(工學版). 2012(06)
[4]基于立體視覺的實時三維地圖構(gòu)建[J]. 鄔領(lǐng)東,陳華華,杜歆,顧偉康.  傳感技術(shù)學報. 2006(01)



本文編號：3109579