同時(shí)定位與建圖（Simultaneous Location and Mapping,SLAM）技術(shù)是移動(dòng)機(jī)器人導(dǎo)航定位領(lǐng)域的重要課題。基于視覺(jué)SLAM的導(dǎo)航定位系統(tǒng)相比于激光SLAM具有成本低廉、數(shù)據(jù)信息豐富等優(yōu)點(diǎn),近幾年來(lái)越來(lái)越多的高校與企業(yè)加入到該領(lǐng)域的研究。在取得了一定進(jìn)展的同時(shí),純視覺(jué)SLAM導(dǎo)航定位系統(tǒng)落地仍存在著很多問(wèn)題。因此本文應(yīng)用深度相機(jī)提出了基于ORB-SLAM2的導(dǎo)航系統(tǒng)設(shè)計(jì)并進(jìn)行仿真實(shí)驗(yàn)驗(yàn)證,主要的研究?jī)?nèi)容如下:（1）驗(yàn)證ORB特征點(diǎn)在視覺(jué)SLAM領(lǐng)域優(yōu)于SURF、SIFT等特征點(diǎn),其在經(jīng)過(guò)誤匹配剔除算法篩選后具有良好的匹配精度。（2）針對(duì)稀疏點(diǎn)云地圖在導(dǎo)航任務(wù)中存在空間占據(jù)信息不足的問(wèn)題,本文提出了基于ORB-SLAM2的稠密地圖構(gòu)建與優(yōu)化算法。首先基于RGB-D SLAMV2系統(tǒng)的稠密建圖架構(gòu),在ORB-SLAM2系統(tǒng)中增加了稠密建圖模塊;然后對(duì)改進(jìn)后的ORB-SLAM2系統(tǒng)與RGB-D SLAMV2系統(tǒng)（根據(jù)內(nèi)容1結(jié)果,選用ORB特征點(diǎn)）進(jìn)行了稠密建圖對(duì)比和定位精度對(duì)比實(shí)驗(yàn)。最后針對(duì)稠密點(diǎn)云地圖存在外點(diǎn)過(guò)多、輪廓模糊等問(wèn)題,提出了三層點(diǎn)云濾波算法對(duì)稠密地圖進(jìn)... 

【文章來(lái)源】：杭州電子科技大學(xué)浙江省

【文章頁(yè)數(shù)】：74 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

SLAM應(yīng)用場(chǎng)景SLAM中文翻譯為同時(shí)定位與建圖

進(jìn)行識(shí)別和姿態(tài)解算。以AprilTag[4]為例，將電子標(biāo)簽貼至使用環(huán)境中，使用視覺(jué)檢測(cè)識(shí)別標(biāo)簽。為保證實(shí)時(shí)性，將電子標(biāo)簽定義為正方形的區(qū)域，這個(gè)區(qū)域比周?chē)炼雀停詈?jiǎn)便有效的方法就是取黑白兩色，如下圖1.2所示。這樣做的主要優(yōu)點(diǎn)是盡可能多的檢測(cè)出所有可能的電子標(biāo)簽，但同時(shí)也會(huì)帶來(lái)誤檢太多的問(wèn)題。為剔除誤檢，使用后續(xù)的編碼可以對(duì)野值進(jìn)行剔除，選定最高匹配的便簽。計(jì)算當(dāng)前相機(jī)和電子標(biāo)簽紙的坐標(biāo)變換關(guān)系，電子標(biāo)簽在地圖中的位置是提前已經(jīng)設(shè)定好的，從而反推出當(dāng)前相機(jī)在地圖中的位置來(lái)完成定位功能。圖1.2AprilTag示意圖近年來(lái)基于SLAM的技術(shù)逐漸成熟，漸漸地取代了上述兩種方法的地位。尤其是激光SLAM現(xiàn)在已經(jīng)占領(lǐng)了絕大多數(shù)的AGV室內(nèi)導(dǎo)航，即使在室外也有較好的魯棒性。當(dāng)前比較主流的激光雷達(dá)SLAM系統(tǒng)有：CartographerSLAM[5]，LOAMSLAM[6]。由于SLAM技術(shù)無(wú)需對(duì)當(dāng)前環(huán)境做任何的改動(dòng)，對(duì)環(huán)境適應(yīng)性較強(qiáng)，隨著SLAM技術(shù)的發(fā)展，以攝像頭為傳感器的視覺(jué)SLAM逐漸進(jìn)入人類(lèi)的視線。視覺(jué)傳感器價(jià)格低廉，幾十到幾千不等，非常具有市場(chǎng)，且視覺(jué)信息豐富，在定位導(dǎo)航的同時(shí)甚至可以用來(lái)檢測(cè)、識(shí)別、避障等等，相比激光雷達(dá)傳感器具有更大的可能性。在未來(lái)視覺(jué)SLAM一定會(huì)成為室內(nèi)導(dǎo)航的主流技術(shù)之一。視覺(jué)SLAM技術(shù)核心關(guān)鍵在于前端視覺(jué)里程計(jì)的相機(jī)位姿估計(jì)和后端的位姿優(yōu)化，這兩部分是當(dāng)前SLAM系統(tǒng)不可或缺的。前端視覺(jué)里程計(jì)提供相機(jī)位姿的初始估計(jì)，當(dāng)前主流的方法有特征點(diǎn)和直接法[7]。其根據(jù)提取用于匹配的特征點(diǎn)的方法進(jìn)行區(qū)分，前者在紋理環(huán)境中更具優(yōu)勢(shì)，精度高，但是計(jì)算量大；后者在低紋理場(chǎng)景中仍然能工作，但是其對(duì)光照變化敏感。后端位姿優(yōu)化也分為兩大主要派系，其一是基于濾波器[8]的方法，在傳統(tǒng)SLAM系統(tǒng)

杭州電子科技大學(xué)碩士學(xué)位論文8本文的主要工作如下圖1.3所示。其中藍(lán)色框中的稠密建圖和稠密地圖優(yōu)化模塊在第三章中介紹，灰色框中的八叉樹(shù)地圖生成和地圖復(fù)用模塊在第四章中介紹。在第五章中對(duì)整個(gè)導(dǎo)航系統(tǒng)進(jìn)行設(shè)計(jì)與仿真實(shí)驗(yàn)，同時(shí)進(jìn)行相關(guān)對(duì)比實(shí)驗(yàn)（圖中紅色箭頭）。圖1.3導(dǎo)航系統(tǒng)設(shè)計(jì)圖第一章主要內(nèi)容為：首先介紹了室內(nèi)導(dǎo)航的幾種主流方案和視覺(jué)SLAM在當(dāng)前導(dǎo)航方案中的優(yōu)勢(shì)和價(jià)值所在。隨后介紹了視覺(jué)SLAM的研究現(xiàn)狀，最后提出了視覺(jué)SLAM在導(dǎo)航定位領(lǐng)域落地存在的困難，針對(duì)第三點(diǎn)難點(diǎn)，確定了本文的主要研究?jī)?nèi)容。第二章主要內(nèi)容為：對(duì)視覺(jué)里程計(jì)相關(guān)知識(shí)進(jìn)行介紹。1.介紹了相機(jī)模型；2.推導(dǎo)了世界坐標(biāo)系、相機(jī)坐標(biāo)系、像素坐標(biāo)系之間的轉(zhuǎn)換關(guān)系；3.介紹了ORB特征點(diǎn)提娶描述子計(jì)算和特征點(diǎn)匹配；4.介紹了兩種姿態(tài)解算的方法：對(duì)極幾何和PnP算法。第三章主要內(nèi)容為：首先對(duì)比分析了ORB-SLAM2和RGB-DSLAMV2的系統(tǒng)結(jié)構(gòu)和異同點(diǎn)；然后基于RGB-DSLAMV2稠密建圖架構(gòu)提出了ORB-SLAM2稠密建圖算法；最后為提升上一步得到的稠密點(diǎn)云地圖的質(zhì)量，提出了一種三層濾波優(yōu)化算法；第四章主要內(nèi)容為：1.分析稠密點(diǎn)云地圖在導(dǎo)航任務(wù)中存在的弊端，提出使用八叉樹(shù)地圖代替點(diǎn)云地圖用于導(dǎo)航的思路；2.提出ORB-SLAM2離線特征地圖的保存與加載，并通過(guò)二進(jìn)制格式替代文本格式保存地圖信息，來(lái)降低地圖的存儲(chǔ)量和提高讀取速度。第五章主要內(nèi)容為：對(duì)三四章的內(nèi)容進(jìn)行實(shí)驗(yàn)驗(yàn)證，并完成純SLAM導(dǎo)航系統(tǒng)的設(shè)計(jì)與驗(yàn)證。1.驗(yàn)證ORB特征點(diǎn)在SLAM系統(tǒng)中的優(yōu)勢(shì)和減少誤匹配算法的有效性；2.基于TUM數(shù)據(jù)集驗(yàn)證了改進(jìn)后的ORB-SLAM2系統(tǒng)的稠密建圖效果和位姿估計(jì)精度均優(yōu)于RGB-DSLAMV2系統(tǒng)；3.驗(yàn)證稠密點(diǎn)云濾波算法有效性（減少12％的儲(chǔ)存量、提升點(diǎn)云地圖讀取速


本文編號(hào)：2936944