發(fā)布時(shí)間：2022-07-11 15:13

　　目前智能移動(dòng)機(jī)器人是很多學(xué)者研究的主要方向,而同步定位與地圖構(gòu)建技術(shù)是移動(dòng)機(jī)器人能夠?qū)崿F(xiàn)自主移動(dòng)的關(guān)鍵。視覺SLAM系統(tǒng)是指搭載相機(jī)為傳感器主體,能夠同時(shí)進(jìn)行定位與地圖構(gòu)建的技術(shù)。因其傳感器性價(jià)比較高,且獲取信息更加豐富,是SLAM技術(shù)領(lǐng)域的主要研究對(duì)象。其中采用深度相機(jī)的視覺SLAM系統(tǒng)可以同時(shí)獲取一一對(duì)應(yīng)的彩色圖與深度圖,為SLAM系統(tǒng)的研究帶來了很大的便利。但現(xiàn)有的視覺SLAM系統(tǒng)仍存在諸多缺點(diǎn),如前端位姿估計(jì)不夠精準(zhǔn),后端進(jìn)行整體優(yōu)化耗時(shí)過長(zhǎng),從而限制了機(jī)器人的行進(jìn)速度等。本文在現(xiàn)有SLAM系統(tǒng)模型的基礎(chǔ)上,采用深度相機(jī)對(duì)前端視覺里程計(jì)和后端全局優(yōu)化進(jìn)行改進(jìn)。針對(duì)前端相機(jī)位姿估計(jì)部分,本文主要研究在不影響實(shí)時(shí)性的前提下對(duì)相機(jī)位姿的估計(jì)進(jìn)行精度上的提升。采用ORB特征提取算法對(duì)彩色圖像進(jìn)行特征提取并計(jì)算描述子,同時(shí)根據(jù)關(guān)鍵幀閾值構(gòu)建局部地圖,再根據(jù)局部地圖中地圖點(diǎn)的描述子和當(dāng)前幀的彩色圖像進(jìn)行特征匹配。最后,采用Pn P算法依據(jù)正確的特征匹配結(jié)果計(jì)算相機(jī)位姿為保證定位過程的魯棒性,本文提出在計(jì)算相機(jī)位姿后,利用三角測(cè)量對(duì)局部地圖中地圖點(diǎn)的深度進(jìn)行更新。同時(shí)將三角化的深度值與對(duì)應(yīng)的... 

【文章頁數(shù)】：62 頁

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 課題研究的背景及意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
        1.2.1 SLAM技術(shù)國(guó)外研究現(xiàn)狀
        1.2.2 SLAM技術(shù)國(guó)內(nèi)研究現(xiàn)狀
    1.3 本文主要研究?jī)?nèi)容
第2章 視覺SLAM系統(tǒng)的關(guān)鍵技術(shù)
    2.1 坐標(biāo)變換及其表示方法
        2.1.1 三種坐標(biāo)系的介紹
        2.1.2 坐標(biāo)系之間的轉(zhuǎn)換
        2.1.3 相機(jī)位姿的表示方法
    2.2 RGB-D相機(jī)模型
        2.2.1 紅外結(jié)構(gòu)光相機(jī)模型
        2.2.2 飛行時(shí)間法相機(jī)模型
    2.3 相機(jī)的標(biāo)定與畸變矯正
        2.3.1 RGB-D相機(jī)標(biāo)定
        2.3.2 圖像的畸變
        2.3.3 圖像的校正
    2.4 本章小結(jié)
第3章 基于三角化深度信息的位姿估計(jì)算法的改進(jìn)
    3.1 ORB特征提取和匹配
    3.2 求解相機(jī)位姿
        3.2.1 PnP算法原理
        3.2.2 PnP算法求解
    3.3 基于三角化深度信息的改進(jìn)算法
        3.3.1 局部地圖的構(gòu)建
        3.3.2 局部地圖點(diǎn)深度的三角化
    3.4 本章小結(jié)
第4章 基于HITS算法的后端全局優(yōu)化的改進(jìn)
    4.1 后端優(yōu)化方法原理
    4.2 基于HITS算法的后端優(yōu)化方案
        4.2.1 BA優(yōu)化算法原理
        4.2.2 BA優(yōu)化算法的求解
        4.2.3 g2o求解BA優(yōu)化
        4.2.4 基于HITS算法的BA優(yōu)化的改進(jìn)
    4.3 本章小結(jié)
第5章 RGB-D SLAM算法仿真實(shí)驗(yàn)與分析
    5.1 實(shí)驗(yàn)平臺(tái)
    5.2 改進(jìn)的前端視覺里程計(jì)部分實(shí)驗(yàn)效果分析
        5.2.1 ORB特征匹配實(shí)驗(yàn)結(jié)果
        5.2.2 定位誤差與運(yùn)行速度分析
        5.2.3 局部地圖構(gòu)建實(shí)驗(yàn)結(jié)果
    5.3 改進(jìn)的后端優(yōu)化效果的分析
        5.3.1 定位誤差與運(yùn)行時(shí)間分析
        5.3.2 整體建圖效果分析
    5.4 本章小結(jié)
結(jié)論
參考文獻(xiàn)
攻讀碩士研究生期間的研究成果
致謝


【參考文獻(xiàn)】：
期刊論文
[1]基于FAST和SURF的特征點(diǎn)快速匹配算法[J]. 產(chǎn)葉林,胡新平.  計(jì)算機(jī)工程與設(shè)計(jì). 2019(12)
[2]Continuous Probabilistic SLAM Solved via Iterated Conditional Modes[J]. J.Gimenez,A.Amicarelli,J.M.Toibero,F.di Sciascio,R.Carelli.  International Journal of Automation and Computing. 2019(06)
[3]基于深度學(xué)習(xí)的動(dòng)態(tài)場(chǎng)景語義SLAM[J]. 房立金,劉博,萬應(yīng)才.  華中科技大學(xué)學(xué)報(bào)(自然科學(xué)版). 2020(01)
[4]基于ORB特征的視覺里程計(jì)算法優(yōu)化[J]. 林付春,劉宇紅,周進(jìn)凡,馬治楠,何倩倩,王曼曼,張榮芬.  激光與光電子學(xué)進(jìn)展. 2019(21)
[5]一種融合點(diǎn)線特征的視覺里程計(jì)架構(gòu)設(shè)計(jì)與定位實(shí)現(xiàn)[J]. 趙嘉珩,羅霄,鐘心亮,韓寶鈴,黃羽童.  北京理工大學(xué)學(xué)報(bào). 2019(05)
[6]基于PageRank的SLAM后端優(yōu)化研究[J]. 張建華,張洪華,劉璇.  華中科技大學(xué)學(xué)報(bào)(自然科學(xué)版). 2019(04)
[7]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)
[8]一種融合稀疏幾何特征與深度流的深度視覺SLAM算法[J]. 方正,趙世博,李昊來.  機(jī)器人. 2019(02)
[9]移動(dòng)機(jī)器人RGB-D視覺SLAM算法[J]. 陳劭,郭宇翔,高天嘯,宮清源,張軍國(guó).  農(nóng)業(yè)機(jī)械學(xué)報(bào). 2018(10)
[10]室內(nèi)環(huán)境下基于平面與線段特征的RGB-D視覺里程計(jì)[J]. 董星亮,苑晶,黃樞子,楊少坤,張雪波,孫鳳池,黃亞樓.  機(jī)器人. 2018(06)

碩士論文
[1]基于RGB-D數(shù)據(jù)的SLAM算法研究[D]. 呂憲偉.北京理工大學(xué) 2016
[2]基于RGB-D的SLAM算法研究[D]. 丁潔瓊.西安電子科技大學(xué) 2014



本文編號(hào)：3658394