【摘要】：為了實(shí)時(shí)得到搭載雙目相機(jī)的機(jī)器人準(zhǔn)確的3維位姿狀態(tài)和環(huán)境信息,提出一種融合直接法與特征法的雙目SLAM(同時(shí)定位與地圖創(chuàng)建)算法.該算法主要分為4個(gè)線程:跟蹤線程、特征提取線程、局部建圖線程和閉環(huán)線程.跟蹤線程通過(guò)最小化圖像光度誤差,獲取雙目的初始位姿估計(jì)和特征對(duì)應(yīng)關(guān)系,而后通過(guò)最小化局部地圖點(diǎn)的重投影誤差,得到更為準(zhǔn)確的機(jī)器人位姿估計(jì).特征提取線程負(fù)責(zé)提取關(guān)鍵幀的關(guān)鍵點(diǎn)和描述子,能夠保證待處理的關(guān)鍵幀較多時(shí)不影響后續(xù)局部建圖線程的執(zhí)行.局部建圖線程管理局部地圖,執(zhí)行局部BA(光束平差法),優(yōu)化局部關(guān)鍵幀位姿和局部地圖點(diǎn)的位置,提高SLAM的局部一致性.閉環(huán)線程通過(guò)對(duì)關(guān)鍵幀的閉環(huán)檢測(cè)和優(yōu)化,提高SLAM的全局一致性.另外利用閉環(huán)線程處理機(jī)器人被綁架后重回已探測(cè)環(huán)境的定位問(wèn)題.KITTI數(shù)據(jù)集、TUM數(shù)據(jù)集以及采集的雙目數(shù)據(jù)實(shí)驗(yàn)表明,本文算法相對(duì)于ORB-SLAM2算法,在保證定位精度的同時(shí),有效提高了相機(jī)位姿的輸出幀率,并且在機(jī)器人被綁架的情況下,能夠得到更為豐富的姿態(tài)信息和環(huán)境信息.
[Abstract]:In order to obtain accurate 3-D pose state and environment information of robot with binocular camera in real time, a binocular SLAM (simultaneous location and map creation) algorithm is proposed, which combines direct method and feature method. The algorithm is divided into four threads: trace thread, feature extraction thread, local drawing thread and closed loop thread. By minimizing the luminosity error of the image, the tracking thread can obtain the relationship between the initial position and pose estimation and the feature correspondence of the binocular. Then, by minimizing the re-projection error of the local map point, a more accurate pose estimation of the robot can be obtained. The feature extraction thread is responsible for extracting the key points and descriptors of the key frames, which ensures that the execution of subsequent local drawing threads is not affected by the large number of key frames to be processed. Local mapping thread manages local map, executes local BA (beam adjustment method), optimizes the position and position of local key frame and local map point, and improves the local consistency of SLAM. The closed loop thread improves the global consistency of SLAM by detecting and optimizing the key frames. In addition, closed-loop thread processing is used to deal with the localization problem of robot after being kidnapped and returned to the detected environment. Experiments on KITTI data set, TUM data set and binocular data acquisition show that compared with the ORB-SLAM2 algorithm, the proposed algorithm guarantees the positioning accuracy at the same time. It improves the output frame rate of camera pose effectively, and can obtain more information of attitude and environment when the robot is kidnapped.
【作者單位】： 火箭軍工程大學(xué)控制工程系;成都信息工程大學(xué)控制工程學(xué)院;
【分類(lèi)號(hào)】：TP242

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 吳曉琳;宋萌;苑晶;孫鳳池;陶通;;通訊范圍受限條件下的多機(jī)器人主動(dòng)SLAM[J];系統(tǒng)工程與電子技術(shù);2012年10期

2 郭劍輝;趙春霞;陸建峰;康亮;;Rao-Blackwellised粒子濾波SLAM的一致性研究[J];系統(tǒng)仿真學(xué)報(bào);2008年23期

3 郭劍輝;趙春霞;石杏喜;;一種改進(jìn)的聯(lián)合相容SLAM數(shù)據(jù)關(guān)聯(lián)方法[J];儀器儀表學(xué)報(bào);2008年11期

4 Mansour Moniri;Claude C.Chibelushi;;A Sensor-based SLAM Algorithm for Camera Tracking in Virtual Studio[J];International Journal of Automation & Computing;2008年02期

5 季秀才;鄭志強(qiáng);張輝;;SLAM問(wèn)題中機(jī)器人定位誤差分析與控制[J];自動(dòng)化學(xué)報(bào);2008年03期

6 周武;趙春霞;;一種改進(jìn)的邊緣粒子濾波SLAM方法[J];華中科技大學(xué)學(xué)報(bào)(自然科學(xué)版);2008年S1期

7 丁帥華;陳雄;韓建達(dá);;基于局部子圖匹配的SLAM方法[J];機(jī)器人;2009年04期

8 陳家乾;何衍;蔣靜坪;;添加約束的EKF-SLAM算法[J];科技通報(bào);2009年04期

9 趙一路;陳雄;韓建達(dá);;基于掃描匹配的室外環(huán)境SLAM方法[J];機(jī)器人;2010年05期

10 焦曉宇;馬小平;唐羽;;對(duì)SLAM算法的研究[J];科技信息;2012年07期

相關(guān)會(huì)議論文 前10條

1 ;An SLAM algorithm based on improved UKF[A];第24屆中國(guó)控制與決策會(huì)議論文集[C];2012年

2 Adizul Ahmad;Shoudong Huang;Jianguo Jack Wang;Gamini Dissanayake;;A New State Vector for Range-Only SLAM[A];Proceedings of the 2011 Chinese Control and Decision Conference（CCDC）[C];2011年

3 ;A Hybrid SLAM method for service robots in Indoor Environment[A];中國(guó)自動(dòng)化學(xué)會(huì)控制理論專(zhuān)業(yè)委員會(huì)B卷[C];2011年

4 Bo He;Tao Zhang;Guijie Liu;;A New SLAM Algorithm Particle Filter-based for Autonomous Underwater Vehicle[A];proceedings of 2010 3rd International Conference on Computer and Electrical Engineering (ICCEE 2010 no.1)[C];2012年

5 ;AUV SLAM and Closed Loop Research in Large Scale Environment[A];2011年全國(guó)通信安全學(xué)術(shù)會(huì)議論文集[C];2011年

6 溫豐;柴曉杰;朱智平;董小明;鄒偉;原魁;;基于新型人工路標(biāo)系統(tǒng)的視覺(jué)SLAM算法研究[A];第二十九屆中國(guó)控制會(huì)議論文集[C];2010年

7 王宇韜;方勇純;;魯棒單目視覺(jué)SLAM系統(tǒng)研究[A];中國(guó)自動(dòng)化學(xué)會(huì)控制理論專(zhuān)業(yè)委員會(huì)C卷[C];2011年

8 李海洋;李洪波;林穎;劉賀平;楊東方;;基于Kinect的SLAM方法[A];2013年中國(guó)智能自動(dòng)化學(xué)術(shù)會(huì)議論文集（第五分冊(cè)）[C];2013年

9 ;Simultaneous Localization and Map Building Using Constrained State Estimate Algorithm[A];第二十七屆中國(guó)控制會(huì)議論文集[C];2008年

10 李羚;張奇志;周亞麗;;基于Voronoi圖的移動(dòng)機(jī)器人SLAM算法[A];2011年中國(guó)智能自動(dòng)化學(xué)術(shù)會(huì)議論文集（第一分冊(cè)）[C];2011年

相關(guān)博士學(xué)位論文 前6條

1 趙一路;人機(jī)交互環(huán)境下的主動(dòng)SLAM及相關(guān)問(wèn)題研究[D];復(fù)旦大學(xué);2013年

2 苑全德;基于視覺(jué)的多機(jī)器人協(xié)作SLAM研究[D];哈爾濱工業(yè)大學(xué);2016年

3 王道斌;基于天空偏振光的SLAM方法的研究[D];中國(guó)科學(xué)技術(shù)大學(xué);2014年

4 林睿;基于圖像特征點(diǎn)的移動(dòng)機(jī)器人立體視覺(jué)SLAM研究[D];哈爾濱工業(yè)大學(xué);2011年

5 吳葉斌;基于全景視覺(jué)的移動(dòng)機(jī)器人SLAM方法研究[D];哈爾濱工程大學(xué);2011年

6 陳晨;基于Sigma點(diǎn)濾波的移動(dòng)機(jī)器人同時(shí)定位與地圖創(chuàng)建算法的研究[D];北京交通大學(xué);2013年

相關(guān)碩士學(xué)位論文 前10條

1 熊斯睿;基于立體全景視覺(jué)的移動(dòng)機(jī)器人3D SLAM研究[D];哈爾濱工業(yè)大學(xué);2015年

2 王淮卿;基于互聯(lián)網(wǎng)與SLAM的移動(dòng)機(jī)器人系統(tǒng)研究[D];哈爾濱工業(yè)大學(xué);2015年

3 李貴亞;基于立體視覺(jué)的機(jī)器人SLAM算法研究[D];哈爾濱工業(yè)大學(xué);2015年

4 薛永勝;變電站巡檢機(jī)器人SLAM算法及其應(yīng)用研究[D];西南科技大學(xué);2015年

5 趙亮;水下機(jī)器人視覺(jué)SLAM方法中的圖像特征點(diǎn)提取技術(shù)研究[D];電子科技大學(xué);2014年

6 黃志明;動(dòng)態(tài)稀疏環(huán)境下移動(dòng)機(jī)器人SLAM問(wèn)題研究[D];北京化工大學(xué);2015年

7 趙新哲;基于改進(jìn)粒子濾波的分布式SLAM算法研究[D];北京工業(yè)大學(xué);2015年

8 李洪臣;單目視覺(jué)移動(dòng)機(jī)器人SLAM方法建模與仿真分析[D];電子科技大學(xué);2014年

9 丁潔瓊;基于RGB-D的SLAM算法研究[D];西安電子科技大學(xué);2014年

10 張彥珍;基于g2o的SLAM后端優(yōu)化算法研究[D];西安電子科技大學(xué);2014年

，

本文編號(hào)：2451252