經(jīng)濟(jì)社會(huì)的不斷進(jìn)步,使得與人類(lèi)生活密切相關(guān)的室內(nèi)機(jī)器人行業(yè)飛速發(fā)展。作為機(jī)器人領(lǐng)域核心問(wèn)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(jī)傳感器,以?xún)r(jià)格和功能兼顧等優(yōu)勢(shì),讓深度相機(jī)V-SLAM（視覺(jué)SLAM）技術(shù)問(wèn)題成為研究熱點(diǎn)。為了解決深度相機(jī)V-SLAM現(xiàn)有技術(shù)存在的一些問(wèn)題,本文對(duì)深度相機(jī)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(cè)、V-SLAM稠密建圖與優(yōu)化等關(guān)鍵問(wèn)題及方法展開(kāi)了研究,并將其應(yīng)用于實(shí)際室內(nèi)場(chǎng)景,對(duì)本文所研究的技術(shù)方法進(jìn)行了實(shí)驗(yàn)分析與驗(yàn)證。本文的主要工作如下:（1）針對(duì)深度相機(jī)傳感器模型和數(shù)據(jù)采集的問(wèn)題,本文設(shè)計(jì)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(jī)Kinect v1的針孔相機(jī)模型,對(duì)相機(jī)空間點(diǎn)的坐標(biāo)轉(zhuǎn)換和數(shù)學(xué)建模進(jìn)行論述,引出相機(jī)的標(biāo)定參數(shù),并使用張氏標(biāo)定法（棋盤(pán)法）對(duì)Kinect v1進(jìn)行了標(biāo)定。隨后,對(duì)圖像在計(jì)算機(jī)圖形學(xué)中的表示進(jìn)行了詳細(xì)說(shuō)明,在Windows平臺(tái)上利用Kinect開(kāi)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(duì)V-SLAM輸入數(shù)據(jù)的噪聲... 

【文章來(lái)源】：武漢科技大學(xué)湖北省

【文章頁(yè)數(shù)】：82 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

室內(nèi)環(huán)境下的移動(dòng)機(jī)器人由機(jī)器人使用的傳感器類(lèi)型，可將SLAM進(jìn)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(jī)以其價(jià)格低廉、數(shù)據(jù)處理高效等優(yōu)點(diǎn)引發(fā)了眾多研究者的興趣，也使得深度相機(jī)V-SLAM在室內(nèi)移動(dòng)機(jī)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(wèn)題研究進(jìn)入新的篇章[10-11]，但同時(shí)應(yīng)該看到，當(dāng)前基于深度相機(jī)V-SLAM的研究仍然存在諸多問(wèn)題，例如，深度相機(jī)的原始成像研究，深度圖的噪聲去除問(wèn)題，以及SLAM前端處理過(guò)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(cè)問(wèn)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(jì)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(wèn)題。本文針對(duì)室內(nèi)環(huán)境下深度相機(jī)V-SLAM展開(kāi)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(dòng)機(jī)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(jī)V-SLAM的研究積累理論基礎(chǔ)和實(shí)踐經(jīng)驗(yàn)。1.2深度相機(jī)V-SLAM問(wèn)題研究概況本節(jié)首先對(duì)V-SLAM問(wèn)題的基本算法流程作簡(jiǎn)單梳理和總結(jié)；接著，對(duì)深度相機(jī)V-SLAM課題的國(guó)內(nèi)外研究現(xiàn)狀進(jìn)行介紹和概括，對(duì)一些優(yōu)秀典型的算法和案例也進(jìn)行代表性列舉；隨后，結(jié)合室內(nèi)環(huán)境下深度相機(jī)V-SLAM研究目的，對(duì)其關(guān)鍵問(wèn)題及方法進(jìn)行分析歸納，并確定整個(gè)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(biāo)，是通過(guò)機(jī)器人所攜帶視覺(jué)傳感器攝入的圖像，對(duì)自身所處的位置進(jìn)行定位，同時(shí)，對(duì)周?chē)沫h(huán)境情況進(jìn)行描述（地圖構(gòu)建）。長(zhǎng)期以來(lái)，經(jīng)過(guò)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(jī)）

武漢科技大學(xué)碩士學(xué)位論文4圖1.3深度相機(jī)V-SLAM算法流程首先，通過(guò)深度相機(jī)進(jìn)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(duì)圖像特征提取和匹配，依據(jù)相機(jī)參數(shù)計(jì)算出圖像幀的位姿變化。后端模塊，對(duì)計(jì)算出的位姿結(jié)果進(jìn)行優(yōu)化，提取關(guān)鍵幀[15]，并且通過(guò)回環(huán)檢測(cè)進(jìn)一步減小全局誤差。最后，建圖模塊則對(duì)后端優(yōu)化數(shù)據(jù)進(jìn)行處理融合，最終以特定的地圖形式展現(xiàn)對(duì)周?chē)h(huán)境的描述。1.2.2國(guó)內(nèi)外研究現(xiàn)狀近年來(lái)，華碩XtionProLive、微軟Kinect、樂(lè)視LetvProXtion等深度相機(jī)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(jī)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(jī)（深度相機(jī)）的SLAM方法，他使用Kinectv1進(jìn)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(wèn)題，但是由于室內(nèi)光線等問(wèn)題，深度圖會(huì)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(jī)V-SLAM算法，采用聯(lián)合深度相機(jī)和單目相機(jī)的BA優(yōu)化，克服了Henry等人方法對(duì)圖像深度信息要足夠多的弊端。2014年，德國(guó)慕尼黑工業(yè)大學(xué)（TUM）的Endres[23]等，提出了當(dāng)時(shí)最先進(jìn)的深度相機(jī)V-SLAM系統(tǒng)RGB-DSLAMv2，它的傳感器使用深度相機(jī)，系統(tǒng)特征提取采用了圖像的SIFT特征，配準(zhǔn)環(huán)節(jié)使用RANSAC來(lái)消除錯(cuò)誤的匹配，對(duì)匹配率有一定提高。然而，該方法特征提取較為費(fèi)時(shí)，且要保證RANSAC的去除效果，需要預(yù)先去除大多數(shù)錯(cuò)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(xiàn)】：
期刊論文
[1]智能駕駛車(chē)載激光雷達(dá)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(wàn)豐豐,周?chē)?guó)民,周曉.  浙江大學(xué)學(xué)報(bào)(理學(xué)版). 2019(04)
[3]一種基于改進(jìn)TF-IDF的SLAM回環(huán)檢測(cè)算法[J]. 董蕊芳,柳長(zhǎng)安,楊國(guó)田.  東南大學(xué)學(xué)報(bào)(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(jué)SLAM算法設(shè)計(jì)與實(shí)現(xiàn)[J]. 許芬,王振.  計(jì)算機(jī)工程與科學(xué). 2018(05)
[6]基于關(guān)鍵幀的視覺(jué)慣性SLAM閉環(huán)檢測(cè)算法[J]. 張玉龍,張國(guó)山.  計(jì)算機(jī)科學(xué)與探索. 2018(11)
[7]一種基于深度相機(jī)的機(jī)器人室內(nèi)導(dǎo)航點(diǎn)云地圖生成方法[J]. 馬躍龍,曹雪峰,萬(wàn)剛,李登峰.  測(cè)繪工程. 2018(03)
[8]基于改進(jìn)閉環(huán)檢測(cè)算法的視覺(jué)同時(shí)定位與地圖構(gòu)建[J]. 胡章芳,鮑合章,陳旭,范霆鎧,趙立明.  計(jì)算機(jī)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(shí). 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(jué)的多機(jī)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(jī)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(shí)現(xiàn)[D]. 佘倩.電子科技大學(xué) 2019
[3]基于深度相機(jī)的移動(dòng)機(jī)器人SLAM算法研究[D]. 洪亮.中國(guó)科學(xué)院大學(xué)(中國(guó)科學(xué)院光電技術(shù)研究所) 2018
[4]室內(nèi)移動(dòng)機(jī)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(shí)定位與建圖研究[D]. 王嬋.中國(guó)科學(xué)技術(shù)大學(xué) 2017
[6]基于RGB-D圖像的即時(shí)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(wèn)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(jī)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(dòng)室內(nèi)三維激光掃描研究[D]. 陳萍.中國(guó)地質(zhì)大學(xué)(北京) 2016
[10]基于3D激光點(diǎn)云的無(wú)人車(chē)城市環(huán)境SLAM問(wèn)題研究[D]. 李玉.北京理工大學(xué) 2016



本文編號(hào)：3051485