【摘要】：同時定位與地圖構建(Simultaneous Localization and Mapping,SLAM)是移動機器人實現(xiàn)真正全自主運動的關鍵技術。近年來,以RGB-D相機作為傳感器的SLAM算法已成為機器人領域的研究熱點。目前,RGB-D SLAM算法已經(jīng)取得了巨大的發(fā)展,但是仍然存在以下幾個問題:(1)特征點匹配正確率低且效率不高;(2)單一的視覺里程計算法對多種場景的適應性不高;(3)回環(huán)檢測效率及準確率低下。針對以上的問題,本文的主要研究內容如下:針對特征點匹配的正確率低且效率不高的問題,本文提出一種改進的特征點匹配算法,該算法在特征點匹配之前先對隨機采樣的樣本進行篩選,以剔除明顯錯誤的匹配點對,在提升匹配算法正確率的同時可以減少RANSAC的迭代次數(shù),從而降低特征匹配所需的時間。在TUM數(shù)據(jù)集上的匹配實驗結果表明,改進后的算法能夠有效的提高特征匹配的正確率和效率。針對單一的視覺里程計算法對多種場景的適應性不高的問題,本文提出了一種改進的視覺里程計算法,并提出了該算法的選擇策略,這種選擇策略可以根據(jù)不同場景自動切換相應的視覺里程計算法,從而提高該算法對環(huán)境的適應能力。在大量的TUM數(shù)據(jù)集上的相機跟蹤實驗結果表明,與單一的視覺里程計算法相比,該算法對各種場景的適應性更高。針對BoW模型的回環(huán)檢測算法容易受到視覺詞典大小的限制而導致的檢測效率及準確率低下的問題,本文提出了一種改進的回環(huán)檢測算法,該算法采用關鍵幀到局部地圖的回環(huán)檢測模式,并引入視覺詞典樹的形式對場景進行描述,加快特征的搜索速度,在提升回環(huán)檢測效率的同時引入了真假回環(huán)的確認方法,從而提升回環(huán)檢測的準確率。在TUM數(shù)據(jù)集上的回環(huán)檢測實驗結果表明,改進后的算法能夠有效的提高回環(huán)檢測的效率和準確率。本文所有的算法都在TUM公開數(shù)據(jù)集上進行了實驗。對于特征匹配及回環(huán)檢測模塊的改進算法,主要從實時性和魯棒性方面,與傳統(tǒng)的算法進行實驗對比分析;對于改進的視覺里程計算法,主要對多種場景的適應性方面進行實驗驗證。最后,從算法整體的性能來看,本文的算法優(yōu)于傳統(tǒng)的RGB-D SLAM算法。
【學位授予單位】：長春理工大學
【學位級別】：碩士
【學位授予年份】：2019
【分類號】：TP242
【圖文】：

1.1 選題背景及研究的目的和意義近年來，隨著科學技術的發(fā)展，機器人行業(yè)也得到了迅速的發(fā)展并且日趨智能化，除了應用于機械、化工、汽車等方面的工業(yè)機器人，還有應用于科學研究、家庭服務、醫(yī)療救援、娛樂教育等方面的民用機器人，如圖 1.1 所示。這些機器人需要具備更高的自動化和智能化的程度，其應用將不僅豐富了人類的生活，更能幫助人類探索惡劣或危險的環(huán)境，推動著科技、工業(yè)生產(chǎn)的進步。a) SEEGRID VGV 叉車 b) Waymo 無人車 c) 大疆精靈無人機

環(huán)境中無法通過 GPS 技術獲得移動機器人的定位信息[2]。這些特殊的場景限機器人的使用，想讓移動機器人在這些特殊的場景下如同人一樣獨立自主需要其具備自主定位和建圖的能力。最初，人們對移動機器人的定位和建圖的研究是相互獨立的，后來，研究者者的緊密聯(lián)系，即準確的建圖來自精確的定位，精確的定位來自準確的建相依賴，不可分割。目前，學術界把這個問題稱同時定位與地圖構建(Simultlization and Mapping，SLAM)[3]。SLAM 是指當某種移動設備從一個未知環(huán)知地點出發(fā)，在運動過程中通過自身攜帶的傳感器建立出周圍的環(huán)境模型出自己的運動。進一步，如果這里的傳感器為相機，那就稱為視覺 SLAMM，VSLAM)。自 Smith 第一次提出 SLAM 問題以來[4]，越來越多的研究者個問題的解決方案中，SLAM 也被視為在未知環(huán)境中移動機器人實現(xiàn)自主導技術[5]。然而，對于 SLAM 的實現(xiàn)，主要是通過移動機器人攜帶的傳感器，如激光器、聲納、加速度計、陀螺儀、相機等，其中激光雷達和相機的 SLAM 研究，其構建的場景地圖如圖 1.2 所示。

【參考文獻】

相關期刊論文 前2條

1 付夢印;呂憲偉;劉彤;楊毅;李星河;李玉;;基于RGB-D數(shù)據(jù)的實時SLAM算法[J];機器人;2015年06期

2 王忠立;趙杰;蔡鶴皋;;大規(guī)模環(huán)境下基于圖優(yōu)化SLAM的后端優(yōu)化方法[J];哈爾濱工業(yè)大學學報;2015年07期

相關碩士學位論文 前8條

1 王健;基于Kinect的手勢識別及人機互動[D];南京郵電大學;2018年

2 仇全會;基于RGB-D相機的SLAM算法研究[D];山東大學;2018年

3 劉康;大尺度視覺SLAM的光束平差算法研究[D];北京郵電大學;2018年

4 杜鵬飛;基于圖優(yōu)化的單目視覺SLAM關鍵技術研究[D];浙江大學;2018年

5 袁帥英;基于RGB-D的人臉識別[D];山西大學;2017年

6 王劍楠;基于RGB-D圖像的SLAM問題關鍵技術研究[D];南京航空航天大學;2017年

7 辛冠希;基于RGB-D攝像機的同步定位與建圖研究[D];哈爾濱工業(yè)大學;2016年

8 劉嬌;基于Kinect的骨骼追蹤及肢體動作識別研究[D];西安工業(yè)大學;2016年

本文編號：2721829