發(fā)布時(shí)間：2020-08-29 09:36

　　 智能機(jī)器人技術(shù)的不斷發(fā)展,使得越來越多的各種形式的機(jī)器人在各行各業(yè)發(fā)揮用處。讓機(jī)器人感知自身狀態(tài)與周圍環(huán)境是其完成其他更加復(fù)雜的任務(wù)如路徑規(guī)劃、導(dǎo)航、避障等功能的基礎(chǔ),因此,機(jī)器人即時(shí)定位與建圖(Simultaneous Localization and Mapping,SLAM)技術(shù)逐漸引起了人們的關(guān)注。無人車作為廣義上的移動(dòng)機(jī)器人,簡(jiǎn)化了仿人機(jī)器人的運(yùn)動(dòng)形式,從而能夠能加專注于解決具體的問題,這也是大多數(shù)機(jī)器人都是輪式機(jī)器人的原因。相比早期以激光傳感器作為數(shù)據(jù)輸入的SLAM技術(shù),近年來基于視覺的SLAM技術(shù)因其成本低昂而逐漸成為主流,而由于雙目相機(jī)及RGB-D相機(jī)能較方便地獲取深度信息,因而也是視覺SLAM中的研究重點(diǎn)。因此本文主要研究了基于RGB-D相機(jī)的無人車視覺SLAM技術(shù),主要包括以下內(nèi)容:首先,研究了RGB-D相機(jī)獲取深度信息的原理,以及針孔相機(jī)成像模型,研究了如何標(biāo)定相機(jī)的內(nèi)參數(shù)和畸變參數(shù),以及兩相機(jī)之間的外參數(shù),進(jìn)一步介紹了如何根據(jù)標(biāo)定參數(shù)來對(duì)采集到的彩色圖像與深度圖像進(jìn)行配準(zhǔn)。其次,對(duì)視覺SLAM的前端視覺里程計(jì)進(jìn)行了研究,包括特征提取、特征匹配與篩選、相機(jī)運(yùn)動(dòng)估計(jì)以及局部?jī)?yōu)化等部分,針對(duì)原始ORB特征容易集中在圖像中的局部區(qū)域的現(xiàn)象,本文提出了使用劃分柵格結(jié)合四叉樹的方法來有效解決。首先利用劃分柵格的方式,提高缺乏紋理的區(qū)域提取到FAST角點(diǎn)的概率,然后利用四叉樹來對(duì)特征點(diǎn)進(jìn)行篩選,減少特征點(diǎn)過于集中的現(xiàn)象,從而能夠減少冗余信息,且更加充分地利用整幅圖像。對(duì)于特征點(diǎn)匹配過程中出現(xiàn)的誤匹配現(xiàn)象,采用隨機(jī)采樣一致性算法來有效地剔除誤匹配。對(duì)于估計(jì)相機(jī)運(yùn)動(dòng)產(chǎn)生誤差的現(xiàn)象,采用了EPnP與捆集優(yōu)化結(jié)合的方式來減小誤差。最后,針對(duì)視覺里程計(jì)產(chǎn)生累計(jì)誤差的現(xiàn)象,本文采用了回環(huán)檢測(cè)結(jié)合全局優(yōu)化的方式來減小累計(jì)誤差。研究了基于詞袋模型的回環(huán)檢測(cè)方案,使用k叉樹來存儲(chǔ)視覺單詞從而極大地提高訪問效率,使用k-means++聚類算法來產(chǎn)生k叉樹的新節(jié)點(diǎn)。在檢測(cè)到回環(huán)之后,需要對(duì)整個(gè)地圖進(jìn)行全局優(yōu)化,此時(shí)忽略地圖中的特征點(diǎn),而只對(duì)相機(jī)位姿進(jìn)行優(yōu)化,從而能夠大大減少計(jì)算量,使用g2o庫(kù)來進(jìn)行位姿圖優(yōu)化。搭建了無人車軟硬件平臺(tái)來驗(yàn)證算法效果,對(duì)TUM數(shù)據(jù)集以及真實(shí)的場(chǎng)景進(jìn)行了實(shí)驗(yàn),分析了軌跡誤差,并生成了稀疏特征點(diǎn)地圖以及點(diǎn)云地圖,實(shí)驗(yàn)結(jié)果說明本文方法有效。
【學(xué)位單位】：哈爾濱工業(yè)大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位年份】：2019
【中圖分類】：TP242
【部分圖文】：

SLAM 技術(shù)對(duì)于人類探索外太空也有著重要的意義，如圖1-1 所示，目前已經(jīng)有火星無人車和月球無人車用于深空探測(cè)項(xiàng)目[1-3]，研究具有能在未知環(huán)境中自動(dòng)定位與建圖的無人車對(duì)于探索星球來說具有重大意義。早期對(duì)于SLAM技術(shù)的研究主要是使用激光傳感器作為主傳感器來采集數(shù)據(jù)[4-5]，然后由于激光傳感器的成本較高，近幾年研究人員重點(diǎn)關(guān)注視覺 SLAM技術(shù)。視覺 SLAM 技術(shù)即采用相機(jī)作為主要的傳感器來采集環(huán)境信息的 SLAM技術(shù)，其主要的優(yōu)點(diǎn)是成本較低，當(dāng)然缺點(diǎn)也很多，如數(shù)據(jù)噪聲較多、計(jì)算復(fù)雜度高、算法原理復(fù)雜、受光線影響較大、里程計(jì)的累計(jì)漂移等，依然需要研

能夠得到自身的運(yùn)動(dòng)信息，從而能夠有效區(qū)分這種情況。然而，由于慣性測(cè)量單元的數(shù)據(jù)率非常高，也對(duì) SLAM 的實(shí)時(shí)性提出了新的挑戰(zhàn)。[23]由香港科技大學(xué) Tong Qin 等人在 2018 年提出的 VINS-MONO（Visual-Inertial SystemMonocular）[24]是視覺與慣導(dǎo)融合的 SLAM 方向的經(jīng)典之作。VINS-MONO 的主要貢獻(xiàn)有：一個(gè)緊耦合的視覺慣性里程計(jì)，它能夠進(jìn)行慣性測(cè)量單元偏差校正以及相機(jī)-慣性測(cè)量單元外部標(biāo)定；在線重定位和四自由度對(duì)位姿圖的全局優(yōu)化；一個(gè)能夠從未知未知初始化系統(tǒng)的魯棒的初始化過程等。目前，VINS-MONO 的改進(jìn)版 VINS-Fusion 已經(jīng)被推出，它將輸入相機(jī)的類型擴(kuò)展到了雙目相機(jī)以及 RGB-D 相機(jī)。然而，它生成的地圖是稀疏特征點(diǎn)地圖，對(duì)于生成稠密地圖仍需要廣泛的研究來提升系統(tǒng)的精度及魯棒性。同時(shí)，由于近幾年深度學(xué)習(xí)的火熱，研究人員也嘗試著將深度學(xué)習(xí)技術(shù)引入 SLAM 中，把物體識(shí)別算法應(yīng)用到視覺 SLAM 中，從而生成帶有物體標(biāo)簽信息的地圖，同時(shí)，物體的標(biāo)簽信息也豐富了回環(huán)檢測(cè)等部分的信息，也為優(yōu)化部分帶來了更多的約束條件，這也被成為語(yǔ)義 SLAM[25-26]，圖 1-2 是一些語(yǔ)義SLAM 的結(jié)果。

國(guó)內(nèi)在 SLAM 領(lǐng)域的研究起步相對(duì)較晚，近些年來，隨著國(guó)家的大力支持，在學(xué)術(shù)界和工業(yè)界開啟了研究 SLAM 技術(shù)的熱潮。清華大學(xué)的高翔等人提出使用深度學(xué)習(xí)技術(shù)來進(jìn)行視覺 SLAM 的回環(huán)檢測(cè)[31]；浙江大學(xué)的 CAD&CG 國(guó)家重點(diǎn)實(shí)驗(yàn)室在 SLAM 領(lǐng)域有一定的貢獻(xiàn)，其中的章國(guó)峰教授也是視覺 SLAM 領(lǐng)域的著名學(xué)者；武漢大學(xué)的李明副教授在激光雷達(dá)方向起步較早，做得比較好。同時(shí)，國(guó)內(nèi)一些優(yōu)秀的企業(yè)也在積極投入SLAM技術(shù)及其應(yīng)用的研究之中，如百度的無人車、圖森的智能卡車、大疆的無人機(jī)等，這些都是 SLAM 技術(shù)典型的落地產(chǎn)品。還有一些專注于 SLAM 相關(guān)解決方案或成品機(jī)器人的創(chuàng)業(yè)公司如思嵐科技、速感科技、布科思、米克力美等，均對(duì) SLAM 技術(shù)在工業(yè)界的發(fā)展做出了一定的貢獻(xiàn)。1.3 論文的主要研究?jī)?nèi)容和組織架構(gòu)1.3.1 主要研究?jī)?nèi)容本文主要研究無人車的視覺 SLAM 技術(shù)，系統(tǒng)的整體框架如圖 1-3 所示。相機(jī)參數(shù)獲取

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 祁健誠(chéng);;基于雙目SLAM的室內(nèi)導(dǎo)航系統(tǒng)[J];通訊世界;2019年01期

2 吳林峰;王錄濤;;圖優(yōu)化SLAM的嵌入式處理技術(shù)[J];成都信息工程大學(xué)學(xué)報(bào);2019年02期

3 盧天利;;基于地面匹配的單目SLAM局部尺度恢復(fù)[J];工業(yè)控制計(jì)算機(jī);2019年08期

4 羅潤(rùn)鑫;余柳平;陳夢(mèng)強(qiáng);黃軍;鄔依林;;SLAM問題中機(jī)器人定位誤差分析與控制[J];科學(xué)技術(shù)創(chuàng)新;2019年26期

5 董蕊芳;柳長(zhǎng)安;楊國(guó)田;程瑞營(yíng);;基于圖優(yōu)化的單目線特征SLAM算法[J];東南大學(xué)學(xué)報(bào)(自然科學(xué)版);2017年06期

6 蔡來良;楊望山;王姍姍;朱學(xué)練;;SLAM在室內(nèi)測(cè)繪儀器研發(fā)中的應(yīng)用綜述[J];礦山測(cè)量;2017年04期

7 楊祥紅;王希彬;;無人機(jī)主動(dòng)SLAM技術(shù)研究[J];系統(tǒng)仿真技術(shù);2015年04期

8 王超杰;蘇中;連曉峰;趙旭;;搜救環(huán)境中的仿生蛇形機(jī)器人SLAM方法[J];計(jì)算機(jī)工程與設(shè)計(jì);2015年08期

9 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

10 野舟;;SLAM-ER導(dǎo)彈達(dá)到兩項(xiàng)新里程碑[J];戰(zhàn)術(shù)導(dǎo)彈技術(shù);2009年06期

相關(guān)會(huì)議論文 前10條

1 Xu Meng;Chen Zonghai;;Comparison between the Initialization of DSO and ORB-SLAM[A];第二十屆中國(guó)系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)年會(huì)論文集（20th CCSSTA 2019）[C];2019年

2 Li Xiaohan;Wang Jikai;Chen Zonghai;;Feature Performance Analysis on Different Scenes of ORB-SLAM2 System[A];第二十屆中國(guó)系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)年會(huì)論文集（20th CCSSTA 2019）[C];2019年

3 皮燕燕;王遠(yuǎn)明;劉為任;王興嶺;;二維場(chǎng)景中SLAM算法對(duì)比研究[A];2018慣性技術(shù)發(fā)展動(dòng)態(tài)發(fā)展方向研討會(huì)文集[C];2018年

4 蘇麗;李恩澤;劉志林;;基于嚙齒類動(dòng)物神經(jīng)模型的SLAM算法[A];第37屆中國(guó)控制會(huì)議論文集（D）[C];2018年

5 Jing Wang;Zongying Shi;Yisheng Zhong;;Visual SLAM Incorporating Wheel Odometer for Indoor Robots[A];第36屆中國(guó)控制會(huì)議論文集（D）[C];2017年

6 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

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

8 ;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

9 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

10 Haoyin Zhou;Tao Zhang;;The combination of SfM and monocular SLAM[A];第26屆中國(guó)控制與決策會(huì)議論文集[C];2014年

相關(guān)重要報(bào)紙文章 前10條

1 蔣智孚;SLAM技術(shù)將為智慧礦山帶來質(zhì)的飛躍[N];中國(guó)黃金報(bào);2018年

2 中國(guó)青年報(bào)·中青在線記者 李超 通訊員 陰祥;從災(zāi)難中尋找靈感 大學(xué)生研發(fā)激光救援機(jī)器人[N];中國(guó)青年報(bào);2017年

3 實(shí)習(xí)記者 代小佩;AR導(dǎo)航能成為“路癡”福音嗎[N];科技日?qǐng)?bào);2018年

4 中國(guó)信息通信研究院 劉思言 蘇丹;東風(fēng)已至，服務(wù)機(jī)器人產(chǎn)業(yè)起跑[N];人民郵電;2018年

5 實(shí)習(xí)記者 崔爽;掃地機(jī)器人真能解放雙手嗎[N];科技日?qǐng)?bào);2018年

6 北京商報(bào)記者 金朝力;掃地機(jī)器人告別花瓶角色[N];北京商報(bào);2019年

7 北京 劉慧;物流機(jī)器人技術(shù)趨勢(shì)[N];電子報(bào);2019年

8 肖征榮;好軟件少不了它們[N];電腦報(bào);2003年

9 記者 王官波;“AI+”為醫(yī)療養(yǎng)老助力[N];中國(guó)縣域經(jīng)濟(jì)報(bào);2019年

10 本報(bào)特約撰稿 臨河;半島趨緊張，韓國(guó)有點(diǎn)亂[N];中國(guó)國(guó)防報(bào);2013年

相關(guān)博士學(xué)位論文 前10條

1 王洪玲;移動(dòng)機(jī)器人適應(yīng)搜救環(huán)境的同時(shí)定位和地圖構(gòu)建（SLAM）方法研究[D];山東大學(xué);2018年

2 劉丹;智能車輛同時(shí)定位與建圖關(guān)鍵技術(shù)研究[D];北京工業(yè)大學(xué);2018年

3 陳孟元;移動(dòng)機(jī)器人仿生SLAM算法研究[D];中國(guó)科學(xué)技術(shù)大學(xué);2019年

4 張超凡;基于多目視覺與慣導(dǎo)融合的SLAM方法研究[D];中國(guó)科學(xué)技術(shù)大學(xué);2019年

5 金紅巖;PPRV全長(zhǎng)基因克隆及H蛋白與SLAM受體相互作用的研究[D];中國(guó)農(nóng)業(yè)科學(xué)院;2014年

6 王丹丹;水下無人潛器同步定位與地圖生成方法研究[D];哈爾濱工程大學(xué);2017年

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

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

9 劉浩敏;面向復(fù)雜環(huán)境的魯棒高效的三維注冊(cè)與結(jié)構(gòu)恢復(fù)[D];浙江大學(xué);2017年

10 康軼非;不依賴GPS定位理論及方法研究[D];北京交通大學(xué);2015年

相關(guān)碩士學(xué)位論文 前10條

1 程瑞營(yíng);基于點(diǎn)線綜合特征的視覺SLAM中閉環(huán)檢測(cè)方法研究[D];華北電力大學(xué)(北京);2019年

2 余宇;基于深度學(xué)習(xí)的視覺SLAM快速回環(huán)檢測(cè)研究[D];重慶郵電大學(xué);2019年

3 何凱文;基于綜合特征SLAM的無人機(jī)多傳感器融合導(dǎo)航算法研究[D];上海交通大學(xué);2018年

4 林敏捷;基于全景相機(jī)的視覺SLAM系統(tǒng)開發(fā)[D];上海交通大學(xué);2018年

5 潘從祥;基于Web技術(shù)的移動(dòng)機(jī)器人SLAM方法研究[D];上海交通大學(xué);2018年

6 韋曉琴;基于激光雷達(dá)的AGV機(jī)器人SLAM與定位導(dǎo)航研究[D];華南理工大學(xué);2019年

7 翁瀟文;基于圖優(yōu)化的移動(dòng)機(jī)器人SLAM算法研究[D];華南理工大學(xué);2019年

8 彭思遠(yuǎn);基于稠密視覺SLAM的無人機(jī)三維地圖快速重建研究[D];電子科技大學(xué);2019年

9 章曉偉;基于視覺SLAM的履帶式液壓挖掘機(jī)行走軌跡跟蹤控制研究[D];浙江大學(xué);2019年

10 崔巍杰;毫米波和激光雷達(dá)數(shù)據(jù)融合的SLAM算法研究[D];電子科技大學(xué);2019年

本文編號(hào)：2808381