同步定位與地圖構建（Simultaneous Localization and Mapping,SLAM）是機器人與自動駕駛領域中一大重要關鍵技術,具有非常廣泛的應用前景與使用價值。由于視覺傳感器和激光傳感器的特點和優(yōu)勢,這兩項關鍵技術成為了近幾年來的研究熱點。本文首先分別研究了基于視覺和基于激光的兩種建圖技術的基本理論和方法,分析了這兩種方法的優(yōu)缺點。相關研究表明,激光雷達在點的三維信息等測量數(shù)據(jù)方面較為準確,所以激光SLAM能很好地反映周圍環(huán)境信息。激光SLAM的建圖結果在小型環(huán)境中相當不錯,但是到了大型環(huán)境中,累計誤差變成了阻礙建圖準確度的一個重要因素,并且激光SLAM沒有有效的閉環(huán)檢測方法來減小該累計誤差。相反,視覺SLAM獲取的圖片中有很豐富的信息量,能夠很好地完成場景識別,但是此類方法相比激光建圖準確性還有待提高。本文提出了一種融合視覺信息的基于激光SLAM的來同時檢測和糾正閉環(huán)的方法,能夠較好地解決激光SLAM閉環(huán)檢測這個問題。特別地,本文介紹了一種用于檢測和維護視覺關鍵幀的視覺詞袋技術,以將機器人的估計的姿態(tài)與分割好的激光點云聯(lián)系起來。本文的方法可以借助視覺閉環(huán)檢測的快... 

【文章來源】：國防科技大學湖南省 211工程院校 985工程院校

【文章頁數(shù)】：63 頁

【學位級別】：碩士

【部分圖文】：

智能機器人在當今常用的環(huán)境感知傳感器主要有視

國防科技大學研究生院碩士學位論文第3頁沒有很好的檢測方法，而且計算量極大，從而可能導致閉環(huán)檢測失敗,而視覺SLAM能獲取到圖片中豐富的顏色信息和物體信息，更適用于進行特征點的檢測和匹配，從而完成閉環(huán)檢測。而且視覺SLAM即使在沒有估計出機器人位姿的情況下，也能利用圖像幀之間的顏色信息和特征點信息完成圖像匹配，進而完成閉環(huán)檢測，而且該類方法已有許多成熟的快速的實現(xiàn)方法，成功率比較高，不過該類方法的前提是必須有圖片幀的輸入，對于激光SLAM的點云數(shù)據(jù)不適用。圖1.2利用激光傳感器所建地圖因此，本課題擬實現(xiàn)一個基于視覺信息的包含閉環(huán)檢測的激光SLAM系統(tǒng)，以利用視覺信息檢測閉環(huán)并添加約束為主線，將視覺SLAM的閉環(huán)檢測模塊和激光SLAM相融合，針對大規(guī)模室外場景實現(xiàn)實時的閉環(huán)檢測系統(tǒng)，同時提高建圖的精準度以及系統(tǒng)的魯棒性。該課題嘗試通過視覺信息，使激光裝載的機器人能識別之前到過的地方，計算此時真實的位姿，從而和之前估計的位姿進行比較，最后利用這個差值作為約束條件，優(yōu)化全局的地圖。1.2相關研究工作由于其優(yōu)良的特性，基于三維激光雷達的SLAM方法在自主定位，路線規(guī)劃和自主導航等方面起著越來越關鍵的作用，接下來，本節(jié)將從激光SLAM的研究現(xiàn)狀和激光SLAM的閉環(huán)檢測兩個方面介紹國內外研究進展。1.2.1激光SLAM的研究現(xiàn)狀首先需要介紹的是本文所改進系統(tǒng)的基礎：LOAM激光SLAM系統(tǒng)。LOAM系統(tǒng)是由ZhangJi等人提出的[4]，并且還進一步開發(fā)了該系統(tǒng)，產生了后來更多的得到優(yōu)化的項目[5][6][7]。該系統(tǒng)利用計算點云之間特征匹配的方法，能有效地對點云進行預處理，計算機器人的位姿，以及實時地構建激光點云地圖。在LOAM的

國防科技大學研究生院碩士學位論文第10頁這里的尺度空間函數(shù)可以使用高斯金字塔來表示，同時為了減小圖像平滑處理后的不利影響，同時提高邊緣檢測的準確性，他們利用拉普拉斯濾波進行二次微分并生成LoG算子：2LoGIx,y,Gx,y,*Ix,y（2.4）這里中的高斯函數(shù)前方的變量拉普拉斯算子，計算方式如（3.5）所示：22222xy（2.5）在此之前，1994年提出的高斯差分函數(shù)DoG算子與LoG算子，極為相似，并且效率更高，式（3.6）和（3.7）為DoG算子的計算公式：Dx,y,Lx,y,kLx,y,（2.6）Dx,y,Gx,y,kGx,y,*Ix,y（2.7）在計算過程中如果對高斯金字塔中每組中相鄰的上下兩層圖像做減法，可以得到高斯差分圖像，如圖2.1所示，同時并對其進行關鍵點檢測。圖2.1高斯函數(shù)的差分圖像為了讓圖像特征滿足旋轉不變性的條件，本文使用局部信息可以為每個關鍵點指定一個基準方向，這樣通過圖像梯度的方法，同時并用直方圖可以進行統(tǒng)計并計算這個關鍵點的方向。最后一步，最后為了描述子的提取，本文經過前面三步的計算處理，每個關鍵點已經各自的具體位置、各個尺度和方向的信息，然后

【參考文獻】：
期刊論文
[1]基于激光掃描匹配的移動機器人相對定位技術研究[J]. 錢曉明,張浩,王曉勇,武星.  農業(yè)機械學報. 2016(03)
[2]基于圖優(yōu)化的同時定位與地圖創(chuàng)建綜述[J]. 梁明杰,閔華清,羅榮華.  機器人. 2013(04)
[3]復雜環(huán)境下多機器人協(xié)作構建地圖的方法[J]. 潘薇,蔡自興,陳白帆.  四川大學學報(工程科學版). 2010(01)
[4]大規(guī)模環(huán)境下基于激光雷達的機器人SLAM算法[J]. 武二永,項志宇,沈敏一,劉濟林.  浙江大學學報(工學版). 2007(12)
[5]多機器人系統(tǒng)的研究現(xiàn)狀[J]. 熊舉峰,譚冠政,盤輝.  計算機工程與應用. 2005(30)

碩士論文
[1]三維重建中的點云拼接算法研究[D]. 王程遠.中北大學 2017
[2]單目攝像頭實時視覺定位[D]. 徐寧.上海交通大學 2008



本文編號：3016797