同時定位與建圖(SLAM)自出現(xiàn)以來,一直就是機(jī)器人領(lǐng)域和計算機(jī)視覺領(lǐng)域研究的熱點。單目攝像機(jī)以其低廉的價格,采集到的蘊(yùn)含著周圍場景豐富信息的圖像,一直吸引著SLAM研究者的注意力。然而通過單目相機(jī)解算位姿和恢復(fù)環(huán)境場景結(jié)構(gòu)在遇到遮擋、快速運動、紋理稀疏區(qū)域、紋理相似局域時不能很好的工作,而且單目視覺還存在飽受詬病的尺度問題。IMU是一種內(nèi)感受型傳感器,可以感知機(jī)器人或載體本身的運動。由于存在傳感器測量誤差,無論是純慣性導(dǎo)航還是純視覺解決方案,單純依靠遞歸操作都不可避免地會導(dǎo)致累積誤差。低精度的IMU由于隨機(jī)游走的噪聲的存在,IMU遞推結(jié)果會在短時間內(nèi)很快變得誤差較大。將內(nèi)感受型傳感器與外感受型傳感器融合是我們實現(xiàn)不同傳感器之間優(yōu)勢互補(bǔ)的一個方案。IMU與相機(jī)正是這樣一套內(nèi)外結(jié)合的傳感器融合方案。這兩種傳感器都可以估計載體的相對位姿,將其融合可以有效的抑制累積誤差。此外,因為是不同種類的傳感器,信息來源不同,這使得IMU的偏移在融合中可以被觀測到,并在后端(優(yōu)化)中被有效的估計。單眼視覺中缺乏絕對尺度的問題也可以通過引入慣性信息來解決。本文設(shè)計了一種視覺慣性里程計,將視覺信息與慣性信息融合,恢復(fù)了位姿的絕對尺度,實現(xiàn)了機(jī)器人位姿的準(zhǔn)確估計。在視覺處理部分,我們討論并實踐了通過提取ORB特征,進(jìn)行特征匹配后,基于多視圖幾何原理來估計相機(jī)位姿,恢復(fù)地圖點深度;標(biāo)定了 Kinect V2相機(jī),展示了標(biāo)定前后效果的變化。在慣性傳感器處理部分,詳細(xì)推導(dǎo)了 IMU預(yù)積分過程以用于視覺慣性信息的融合。我們討論了后端非線性優(yōu)化方法與基于濾波的方法的優(yōu)劣勢,并最終選擇非線性優(yōu)化方法,設(shè)計了視覺慣性信息融合方程,以實現(xiàn)視覺慣性信息的融合。最后,我們基于視覺慣性信息能量融合方程,采用圖優(yōu)化的方案進(jìn)行了實驗。對實驗結(jié)果的分析表明,我們設(shè)計的視覺里程計達(dá)到了我們的預(yù)期目標(biāo),能夠有效的恢復(fù)場景尺度并估計位姿。本文所研究技術(shù)將為教育機(jī)器人在室內(nèi)場景中進(jìn)行其他更高層次的應(yīng)用,如自動充電等,提供基礎(chǔ)。
【學(xué)位單位】：華中師范大學(xué)
【學(xué)位級別】：碩士
【學(xué)位年份】：2019
【中圖分類】：TP242;G434
【部分圖文】：

ＬｏｃａｌｉｚａｔｉｏｎａｎｄＭａｐｐｉｎｇ），即“同時定位與地圖構(gòu)建”。它是指搭載特定傳感器的主??體，在沒有環(huán)境先驗信息的情況下，于運動過程中建立環(huán)境的模型，同時估計自己??的運動［１］。ＳＬＡＭ過程如圖１．１所示。??２?＿點?Ａ???觀＿模型?Ａ???涵難?．ｚ，’?／丨??圖１．１?ＳＬＡＭ過程??當(dāng)機(jī)器人處在一個陌生的、沒有先驗的環(huán)境中，我們希望知道機(jī)器人自身的位??置和它周圍的環(huán)境是怎樣的。??１??

ＬｏｃａｌｉｚａｔｉｏｎａｎｄＭａｐｐｉｎｇ），即“同時定位與地圖構(gòu)建”。它是指搭載特定傳感器的主??體，在沒有環(huán)境先驗信息的情況下，于運動過程中建立環(huán)境的模型，同時估計自己??的運動［１］。ＳＬＡＭ過程如圖１．１所示。??２?＿點?Ａ???觀＿模型?Ａ???涵難?．ｚ，’?／丨??圖１．１?ＳＬＡＭ過程??當(dāng)機(jī)器人處在一個陌生的、沒有先驗的環(huán)境中，我們希望知道機(jī)器人自身的位??置和它周圍的環(huán)境是怎樣的。??１??

?＼?＾Ａ．??圖１．２利用ＳＬＡＭ技術(shù)構(gòu)建的地圖的種類和應(yīng)用??在現(xiàn)在的ＳＬＡＭ方案中，不同的傳感器的選擇會帶來不同的方案。目前，比較??常用的傳感器有激光雷達(dá)、攝像機(jī)、慣性傳感單元ＯＭＵ）等等。基于激光雷達(dá)的??定位精度高，速度快，但是高精度的激光雷達(dá)一般價格比較昂貴［２］。相機(jī)有單目相??機(jī)、雙目相機(jī)、ＲＧＢ－Ｄ相機(jī)（如Ｋｉｎｅｃｔ），現(xiàn)在還有事件相機(jī)（Ｅｖｅｎｔｃａｍｅｒａ）等。??相機(jī)作為一種外感受型傳感器，能夠拍攝高分辨率的圖像，而圖像能夠提供周圍環(huán)??境的豐富信息。利用這些信息，機(jī)器人可以感知周圍環(huán)境，建立周圍的環(huán)境的模型，??２??
【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 黃金滔;;多功能自行車?yán)锍逃媅J];電子技術(shù);1987年02期

2 張友;;汽車電子里程表[J];汽車技術(shù);1989年11期

3 李尚培;;給自行車做一個“里程計”[J];農(nóng)村青少年科學(xué)探究;2012年04期

4 彭天博;王恒升;曾斌;;增強(qiáng)室內(nèi)視覺里程計實用性的方法[J];模式識別與人工智能;2017年03期

5 李紅;郭大群;;RFID技術(shù)在里程計時型比賽上的應(yīng)用[J];物聯(lián)網(wǎng)技術(shù);2014年08期

6 肖烜;王清哲;程遠(yuǎn);付夢印;劉彤;;捷聯(lián)慣導(dǎo)系統(tǒng)/里程計高精度緊組合導(dǎo)航算法[J];兵工學(xué)報;2012年04期

7 紀(jì)文濤;張浩;羅強(qiáng)力;魏宗康;;慣性/里程計組合導(dǎo)航技術(shù)在管道定位中的應(yīng)用[J];導(dǎo)航與控制;2015年05期

8 徐峰;;超簡潔自行車?yán)锍逃媅J];電子制作;1997年03期

9 高云峰;李偉超;李建輝;;室內(nèi)移動機(jī)器人視覺里程計研究[J];傳感器與微系統(tǒng);2012年02期

10 歐陽柳;徐進(jìn);龔小謹(jǐn);劉濟(jì)林;;基于不確定性分析的視覺里程計優(yōu)化[J];浙江大學(xué)學(xué)報(工學(xué)版);2012年09期

相關(guān)博士學(xué)位論文 前7條

1 吳荻;基于立體視覺里程計的地下鏟運機(jī)定位技術(shù)研究[D];北京科技大學(xué);2019年

2 王延?xùn)|;多位姿信息融合的雙目視覺慣性里程計研究[D];中國科學(xué)院大學(xué)(中國科學(xué)院長春光學(xué)精密機(jī)械與物理研究所);2019年

3 江燕華;車輛運動特性約束的智能車輛視覺里程計系統(tǒng)研究[D];北京理工大學(xué);2014年

4 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

5 李增科;多源傳感器增強(qiáng)的精密單點定位與慣性測量組合導(dǎo)航系統(tǒng)[D];中國礦業(yè)大學(xué);2015年

6 蔣如意;視覺輔助駕駛系統(tǒng)多維度道路建模及車輛定位優(yōu)化[D];上海交通大學(xué);2012年

7 張亞;視覺里程計輔助的INS/GPS組合導(dǎo)航系統(tǒng)研究[D];哈爾濱工程大學(xué);2015年

相關(guān)碩士學(xué)位論文 前10條

1 陳軍;基于視覺—慣性—激光融合感的實時6DOF定位與3D環(huán)境建模研究[D];北京交通大學(xué);2019年

2 唐尚華;基于單目視覺與輪式里程計融合的移動機(jī)器人定位控制系統(tǒng)研究[D];電子科技大學(xué);2019年

3 李泰;教育機(jī)器人室內(nèi)視覺慣性里程計研究[D];華中師范大學(xué);2019年

4 章弘;基于稀疏特征點云配準(zhǔn)的RGB-D相機(jī)視覺里程計研究[D];上海交通大學(xué);2018年

5 陳晗;基于端到端半監(jiān)督生成對抗網(wǎng)絡(luò)的視覺里程計[D];廈門大學(xué);2018年

6 夏亮;移動機(jī)器人的單目視覺里程計方法研究[D];北京建筑大學(xué);2019年

7 萬旭東;四旋翼飛行器濾波法視覺慣導(dǎo)里程計的研究[D];浙江大學(xué);2019年

8 唐宇;基于低成本MEMS的SINS/視覺里程計組合導(dǎo)航系統(tǒng)研究[D];哈爾濱工程大學(xué);2019年

9 丁偉豪;室內(nèi)移動機(jī)器人的定位與跟蹤研究[D];哈爾濱工程大學(xué);2019年

10 賈哲;基于光流跟蹤和特征匹配的視覺里程計研究[D];天津理工大學(xué);2019年

本文編號：2864222