發(fā)布時間：2021-02-25 19:43

　　經(jīng)濟社會的不斷進步,使得與人類生活密切相關(guān)的室內(nèi)機器人行業(yè)飛速發(fā)展。作為機器人領(lǐng)域核心問題,SLAM（同步定位與建圖）技術(shù)受到了學(xué)者們廣泛關(guān)注。而在室內(nèi)環(huán)境所采用的深度相機傳感器,以價格和功能兼顧等優(yōu)勢,讓深度相機V-SLAM（視覺SLAM）技術(shù)問題成為研究熱點。為了解決深度相機V-SLAM現(xiàn)有技術(shù)存在的一些問題,本文對深度相機數(shù)據(jù)采集和深度圖像修復(fù)、關(guān)鍵幀提取及回環(huán)檢測、V-SLAM稠密建圖與優(yōu)化等關(guān)鍵問題及方法展開了研究,并將其應(yīng)用于實際室內(nèi)場景,對本文所研究的技術(shù)方法進行了實驗分析與驗證。本文的主要工作如下:（1）針對深度相機傳感器模型和數(shù)據(jù)采集的問題,本文設(shè)計了一種適用于Kinect v1的圖像數(shù)據(jù)采集方法。首先,闡述了深度相機Kinect v1的針孔相機模型,對相機空間點的坐標轉(zhuǎn)換和數(shù)學(xué)建模進行論述,引出相機的標定參數(shù),并使用張氏標定法（棋盤法）對Kinect v1進行了標定。隨后,對圖像在計算機圖形學(xué)中的表示進行了詳細說明,在Windows平臺上利用Kinect開發(fā)包和MATLAB圖像處理工具,完成了室內(nèi)環(huán)境的V-SLAM數(shù)據(jù)采集與轉(zhuǎn)換。（2）針對V-SLAM輸入數(shù)據(jù)的噪聲... 

【文章來源】：武漢科技大學(xué)湖北省

【文章頁數(shù)】：82 頁

【學(xué)位級別】：碩士

【部分圖文】：

室內(nèi)環(huán)境下的移動機器人由機器人使用的傳感器類型，可將SLAM進行劃分：基于聲納的SLAM、

武漢科技大學(xué)碩士學(xué)位論文2以，深度相機以其價格低廉、數(shù)據(jù)處理高效等優(yōu)點引發(fā)了眾多研究者的興趣，也使得深度相機V-SLAM在室內(nèi)移動機器人上有較大應(yīng)用前景[6-9]。然而，盡管深度傳感器的出現(xiàn)，引領(lǐng)了SLAM問題研究進入新的篇章[10-11]，但同時應(yīng)該看到，當(dāng)前基于深度相機V-SLAM的研究仍然存在諸多問題，例如，深度相機的原始成像研究，深度圖的噪聲去除問題，以及SLAM前端處理過程中如何更加高效地提取特征與匹配特征；再如后端模塊，需要解決的累積誤差和位姿漂移[12]的回環(huán)檢測問題；由于SLAM應(yīng)用層面[13]的需求，系統(tǒng)通常需要建立環(huán)境的稠密地圖。如何設(shè)計V-SLAM的環(huán)境建圖及其優(yōu)化處理等技術(shù)方法等，這些都是目前迫切所需要解決的問題。本文針對室內(nèi)環(huán)境下深度相機V-SLAM展開課題研究，本課題的研究屬于應(yīng)用基礎(chǔ)性研究，課題的研究工作既可為提高室內(nèi)移動機器人智能化水平和執(zhí)行任效率提供關(guān)鍵技術(shù)支持，也可為后續(xù)基于深度相機V-SLAM的研究積累理論基礎(chǔ)和實踐經(jīng)驗。1.2深度相機V-SLAM問題研究概況本節(jié)首先對V-SLAM問題的基本算法流程作簡單梳理和總結(jié)；接著，對深度相機V-SLAM課題的國內(nèi)外研究現(xiàn)狀進行介紹和概括，對一些優(yōu)秀典型的算法和案例也進行代表性列舉；隨后，結(jié)合室內(nèi)環(huán)境下深度相機V-SLAM研究目的，對其關(guān)鍵問題及方法進行分析歸納，并確定整個課題任務(wù)的研究思路。1.2.1基本算法流程V-SLAM技術(shù)的目標，是通過機器人所攜帶視覺傳感器攝入的圖像，對自身所處的位置進行定位，同時，對周圍的環(huán)境情況進行描述（地圖構(gòu)建）。長期以來，經(jīng)過研究人員的研究工作，V-SLAM系統(tǒng)框架已經(jīng)比較成型和確立，如圖1.2所示。圖1.2V-SLAM系統(tǒng)框架如圖1.2所示，經(jīng)典的V-SLAM系統(tǒng)分為以下模塊：（1）傳感器（相機）

武漢科技大學(xué)碩士學(xué)位論文4圖1.3深度相機V-SLAM算法流程首先，通過深度相機進行圖像采集，得到環(huán)境的彩色圖像和深度圖像。然后，V-SLAM前端模塊對圖像特征提取和匹配，依據(jù)相機參數(shù)計算出圖像幀的位姿變化。后端模塊，對計算出的位姿結(jié)果進行優(yōu)化，提取關(guān)鍵幀[15]，并且通過回環(huán)檢測進一步減小全局誤差。最后，建圖模塊則對后端優(yōu)化數(shù)據(jù)進行處理融合，最終以特定的地圖形式展現(xiàn)對周圍環(huán)境的描述。1.2.2國內(nèi)外研究現(xiàn)狀近年來，華碩XtionProLive、微軟Kinect、樂視LetvProXtion等深度相機傳感器的出現(xiàn)，為SLAM的研究提出了新的課題和方向，也使得基于深度相機的V-SLAM的技術(shù)不斷發(fā)展[16-18]。Henry[19]等人于2012年首次提出RGB-D相機（深度相機）的SLAM方法，他使用Kinectv1進行室內(nèi)環(huán)境建圖，采用了SIFT特征[20]和ICP[21]算法求解V-SLAM問題，但是由于室內(nèi)光線等問題，深度圖會出現(xiàn)空洞而影響建圖效果。同年，在此工作基礎(chǔ)上，Hu[22]等人提出了一種魯棒的深度相機V-SLAM算法，采用聯(lián)合深度相機和單目相機的BA優(yōu)化，克服了Henry等人方法對圖像深度信息要足夠多的弊端。2014年，德國慕尼黑工業(yè)大學(xué)（TUM）的Endres[23]等，提出了當(dāng)時最先進的深度相機V-SLAM系統(tǒng)RGB-DSLAMv2，它的傳感器使用深度相機，系統(tǒng)特征提取采用了圖像的SIFT特征，配準環(huán)節(jié)使用RANSAC來消除錯誤的匹配，對匹配率有一定提高。然而，該方法特征提取較為費時，且要保證RANSAC的去除效果，需要預(yù)先去除大多數(shù)錯誤的匹配，如圖1.4所示。Mur-Artal和Tardós在2017年完成的ORB-SLAM2[24]

【參考文獻】：
期刊論文
[1]智能駕駛車載激光雷達關(guān)鍵技術(shù)與應(yīng)用算法[J]. 陳曉冬,張佳琛,龐偉凇,艾大航,汪毅,蔡懷宇.  光電工程. 2019(07)
[2]一種去除椒鹽噪聲的自適應(yīng)模糊中值濾波算法[J]. 萬豐豐,周國民,周曉.  浙江大學(xué)學(xué)報(理學(xué)版). 2019(04)
[3]一種基于改進TF-IDF的SLAM回環(huán)檢測算法[J]. 董蕊芳,柳長安,楊國田.  東南大學(xué)學(xué)報(自然科學(xué)版). 2019(02)
[4]基于像素濾波和中值濾波的深度圖像修復(fù)方法[J]. 劉繼忠,吳文虎,程承,王光輝,曾成.  光電子·激光. 2018(05)
[5]基于Kinect傳感器和ORB特征的視覺SLAM算法設(shè)計與實現(xiàn)[J]. 許芬,王振.  計算機工程與科學(xué). 2018(05)
[6]基于關(guān)鍵幀的視覺慣性SLAM閉環(huán)檢測算法[J]. 張玉龍,張國山.  計算機科學(xué)與探索. 2018(11)
[7]一種基于深度相機的機器人室內(nèi)導(dǎo)航點云地圖生成方法[J]. 馬躍龍,曹雪峰,萬剛,李登峰.  測繪工程. 2018(03)
[8]基于改進閉環(huán)檢測算法的視覺同時定位與地圖構(gòu)建[J]. 胡章芳,鮑合章,陳旭,范霆鎧,趙立明.  計算機應(yīng)用. 2018(03)
[9]RGB-D SLAM綜述[J]. 王旒軍,陳家斌,余歡,朱匯申.  導(dǎo)航定位與授時. 2017(06)
[10]Fast Iterative Closest Point-Simultaneous Localization and Mapping（ICP-SLAM） with Rough Alignment and Narrowing-Scale Nearby Searching[J]. 梁濱,張金藝,唐笛愷.  Journal of Donghua University（English Edition）. 2017(04)

博士論文
[1]基于視覺的多機器人協(xié)作SLAM研究[D]. 苑全德.哈爾濱工業(yè)大學(xué) 2016

碩士論文
[1]基于RGB-D相機的SLAM技術(shù)研究[D]. 李彤.大連理工大學(xué) 2019
[2]基于關(guān)鍵幀的RGB-D SLAM技術(shù)研究與實現(xiàn)[D]. 佘倩.電子科技大學(xué) 2019
[3]基于深度相機的移動機器人SLAM算法研究[D]. 洪亮.中國科學(xué)院大學(xué)(中國科學(xué)院光電技術(shù)研究所) 2018
[4]室內(nèi)移動機器人RGB-D SLAM算法研究[D]. 張米令.哈爾濱工業(yè)大學(xué) 2018
[5]基于RGB-D圖像的同時定位與建圖研究[D]. 王嬋.中國科學(xué)技術(shù)大學(xué) 2017
[6]基于RGB-D圖像的即時定位與構(gòu)圖（SLAM）研究[D]. 徐奧.華中科技大學(xué) 2017
[7]基于RGB-D圖像的SLAM問題關(guān)鍵技術(shù)研究[D]. 王劍楠.南京航空航天大學(xué) 2017
[8]室內(nèi)服務(wù)機器人的三維地圖構(gòu)建與導(dǎo)航研究[D]. 熊梟.華中科技大學(xué) 2016
[9]基于SLAM的移動室內(nèi)三維激光掃描研究[D]. 陳萍.中國地質(zhì)大學(xué)(北京) 2016
[10]基于3D激光點云的無人車城市環(huán)境SLAM問題研究[D]. 李玉.北京理工大學(xué) 2016



本文編號：3051485