視覺SLAM方法廣泛應(yīng)用于復(fù)雜環(huán)境的自主定位與建圖。但將相機作為唯一傳感器,難以應(yīng)對弱光、弱紋理、快速運動。將相機結(jié)合IMU進行視覺慣性SLAM,能顯著提升魯棒性,并將單目視覺SLAM尺度不可觀變?yōu)槿蹩捎^。地面移動機器人經(jīng)常處于勻速運動或純旋轉(zhuǎn)狀態(tài),此時單目視覺慣性SLAM缺少加速度激勵,無法觀測尺度,將造成嚴重的定位誤差。對于地面移動機器人,引入輪速傳感器,可解決上述尺度弱可觀問題,并提高在異常情況下的定位魯棒性。本文提出了一種使用單目視覺、慣性測量與輪速測量的多傳感器融合SLAM算法,以緊耦合方式融合各傳感器測量,使用非線性優(yōu)化方法最大化后驗概率以求解最優(yōu)狀態(tài)估計,并具備回環(huán)檢測與后端優(yōu)化能力。在算法的設(shè)計與實現(xiàn)過程中,主要研究成果包括:基于力矩控制的麥克納姆輪移動底盤控制算法,可利用運動約束誤差估計輪速測量可信度;針對地面全向移動底盤的底盤-IMU內(nèi)外參標定,無需輔助裝置;融合輪速與IMU角速度的輪式里程計預(yù)積分,可避免重復(fù)積分;基于輪式里程計與IMU的狀態(tài)初始化;底盤異常狀態(tài)主動檢測算法,可主動隔離錯誤的底盤速度測量。在房間尺度場景、樓層尺度場景以及車輪打滑、碰撞、綁架、視覺丟... 

【文章來源】：華中科技大學(xué)湖北省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：128 頁

【學(xué)位級別】：碩士

【部分圖文】：

人類的自我感知與機器人多傳感器融合感知如圖1-1所示，對于機器人，相機承擔著眼睛的作用，IMU承擔著耳蝸的作用，

中 科 技 大 學(xué) 碩 士 學(xué) 位2機器人系統(tǒng)設(shè)計與運動控制航、環(huán)境感知以及人機協(xié)作的需求，本章。機器人采用視覺方案進行環(huán)境感知，使裝配雙 7 自由度機械臂以便進行人機協(xié)同

圖 2-6 麥克納姆輪受力分析轉(zhuǎn)動的，麥克納姆輪只能向地面提供輥時，車輪受到切向的力 ，車體結(jié)構(gòu)地面的作用力為二者合力 ，方向為正方形，分析底盤在一定電機轉(zhuǎn)矩下的輥子車輪


本文編號：3096731