移動(dòng)機(jī)器人完成對(duì)未知環(huán)境的感知是邁向智能化的關(guān)鍵一步,也是機(jī)器人領(lǐng)域的研究熱點(diǎn)和難點(diǎn)。同步定位與地圖構(gòu)建（Simultaneously Localization and Mapping）這一技術(shù)能夠有效解決移動(dòng)機(jī)器人實(shí)現(xiàn)環(huán)境感知這一關(guān)鍵問(wèn)題。隨著計(jì)算機(jī)視覺(jué)和傳感器技術(shù)的發(fā)展,視覺(jué)SLAM得到了人們的廣泛關(guān)注。目前的視覺(jué)SLAM方案仍存在精確度差,易受動(dòng)態(tài)物體干擾的問(wèn)題,從而影響系統(tǒng)的運(yùn)行效果。因此,本文基于視覺(jué)的室內(nèi)移動(dòng)機(jī)器人定位與建圖研究具有重要的理論意義和實(shí)際應(yīng)用價(jià)值。本文主要研究?jī)?nèi)容如下:（1）針對(duì)深度相機(jī)由于隨機(jī)噪聲和距離限制所產(chǎn)生的深度圖像部分缺失的問(wèn)題,提出了基于高斯濾波和多幀幾何信息方法的深度圖修復(fù)策略。該策略通過(guò)高斯濾波對(duì)原始深度圖像預(yù)處理,并結(jié)合相鄰幾幀間同一特征點(diǎn)的深度信息,從而達(dá)到修復(fù)深度圖像中的圖像缺失部分的目的。（2）針對(duì)以室內(nèi)移動(dòng)行人為主的動(dòng)態(tài)干擾源,本文基于特征點(diǎn)法和YOLO目標(biāo)檢測(cè)算法提出了一種面向動(dòng)態(tài)環(huán)境下的視覺(jué)SLAM系統(tǒng)。通過(guò)訓(xùn)練深度卷積網(wǎng)絡(luò)模型實(shí)現(xiàn)單幅RGB圖像的室內(nèi)行人目標(biāo)檢測(cè),并剔除檢測(cè)框范圍內(nèi)的特征點(diǎn),保證了位姿估計(jì)的準(zhǔn)確性,排除了室內(nèi)移動(dòng)... 

【文章來(lái)源】：北京化工大學(xué)北京市 211工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：79 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
ABSTRACT
第一章 緒論
    1.1 課題的研究背景和意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
        1.2.1 基于特征點(diǎn)法的視覺(jué)SLAM
        1.2.2 基于直接法的視覺(jué)SLAM
        1.2.3 目標(biāo)檢測(cè)算法研究歷史與現(xiàn)狀
    1.3 本文主要研究?jī)?nèi)容和章節(jié)安排
第二章 SLAM相關(guān)理論基礎(chǔ)
    2.1 SLAM數(shù)學(xué)模型
    2.2 視覺(jué)SLAM基本框架
    2.3 位姿表示
        2.3.1 旋轉(zhuǎn)表示
        2.3.2 李群李代數(shù)
    2.4 本章小結(jié)
第三章 Kinect相機(jī)及深度圖像修復(fù)
    3.1 相機(jī)模型
        3.1.1 針孔相機(jī)模型
        3.1.2 相機(jī)畸變模型
    3.2 Kinect深度相機(jī)
        3.2.1 張正友標(biāo)定方法
        3.2.2 標(biāo)定實(shí)驗(yàn)及結(jié)果
    3.3 基于高斯濾波和多幀幾何信息的深度圖像修復(fù)
        3.3.1 深度圖像預(yù)處理
        3.3.2 多幀約束的深度信息融合
        3.3.3 實(shí)驗(yàn)結(jié)果
    3.4 本章小結(jié)
第四章 基于特征點(diǎn)法和YOLO算法的視覺(jué)SLAM研究
    4.1 特征點(diǎn)提取算法
        4.1.1 SIFT特征提取算法
        4.1.2 SURF特征提取算法
        4.1.3 ORB特征提取算法
        4.1.4 特征提取算法對(duì)比實(shí)驗(yàn)
    4.2 特征點(diǎn)匹配算法
    4.3 對(duì)極幾何約束位姿估計(jì)
    4.4 基于YOLO目標(biāo)檢測(cè)的視覺(jué)SLAM前端
        4.4.1 基于YOLO的目標(biāo)檢測(cè)算法
        4.4.2 YOLO v3訓(xùn)練結(jié)果
        4.4.3 動(dòng)態(tài)物體特征點(diǎn)剔除
    4.5 視覺(jué)SLAM后端優(yōu)化及回環(huán)檢測(cè)
        4.5.1 后端優(yōu)化
        4.5.2 回環(huán)檢測(cè)
    4.6 本章小結(jié)
第五章 實(shí)驗(yàn)設(shè)計(jì)與結(jié)果分析
    5.1 系統(tǒng)環(huán)境與軟件依賴
    5.2 硬件平臺(tái)與ROS消息通信
    5.3 公開(kāi)數(shù)據(jù)集實(shí)驗(yàn)
        5.3.1 評(píng)價(jià)標(biāo)準(zhǔn)
        5.3.2 實(shí)驗(yàn)結(jié)果與分析
    5.4 真實(shí)場(chǎng)景定位實(shí)驗(yàn)
    5.5 本章小結(jié)
第六章 結(jié)論與展望
    6.1 結(jié)論
    6.2 展望
參考文獻(xiàn)
致謝
研究成果及發(fā)表的學(xué)術(shù)論文
作者及導(dǎo)師簡(jiǎn)介
碩士研究生學(xué)位論文答辯委員會(huì)決議書(shū)


【參考文獻(xiàn)】：
期刊論文
[1]機(jī)器人的發(fā)展:中國(guó)與國(guó)際的比較[J]. 羅連發(fā),儲(chǔ)夢(mèng)潔,劉俊俊.  宏觀質(zhì)量研究. 2019(03)
[2]基于改進(jìn)ORB算法的移動(dòng)機(jī)器人視覺(jué)SLAM方法研究[J]. 成怡,佟曉宇.  電子技術(shù)應(yīng)用. 2019(01)
[3]日本最新機(jī)器人研發(fā)計(jì)劃及其發(fā)展戰(zhàn)略[J]. 甄子健,劉進(jìn)長(zhǎng).  機(jī)器人技術(shù)與應(yīng)用. 2016(05)
[4]基于RGB-D傳感器的3D室內(nèi)環(huán)境地圖實(shí)時(shí)創(chuàng)建[J]. 朱笑笑,曹其新,楊揚(yáng),陳培華.  計(jì)算機(jī)工程與設(shè)計(jì). 2014(01)
[5]利用二維DLT及光束法平差進(jìn)行數(shù)字?jǐn)z像機(jī)標(biāo)定[J]. 張永軍,張祖勛,張劍清.  武漢大學(xué)學(xué)報(bào)(信息科學(xué)版). 2002(06)
[6]攝像機(jī)自標(biāo)定的線性理論與算法[J]. 吳福朝,胡占義.  計(jì)算機(jī)學(xué)報(bào). 2001(11)



本文編號(hào)：3189555