機(jī)器人在未知環(huán)境中的即時(shí)定位與地圖構(gòu)建（Simultaneous Localization and Mapping,SLAM）是移動機(jī)器人導(dǎo)航領(lǐng)域中的重要研究課題之一。隨著RGB-D傳感器技術(shù)的發(fā)展,如Kinect傳感器等,以其高性能且價(jià)格低的優(yōu)勢得到了機(jī)器人領(lǐng)域中廣大科研人員的青睞,針對RGB-D SLAM的研究也成為SLAM領(lǐng)域中比較火熱的研究課題之一。針對RGB-D SLAM中存在的一些缺點(diǎn)和不足,如速度慢、計(jì)算任務(wù)復(fù)雜、數(shù)據(jù)龐大等,本文對原RGB-D SLAM算法的前端部分和后端部分進(jìn)行了詳細(xì)地分析,并對其多個(gè)關(guān)鍵環(huán)節(jié)進(jìn)行了改進(jìn)。然后在改進(jìn)算法的基礎(chǔ)上,將RGB-D SLAM與云機(jī)器人相結(jié)合,將RGB-D SLAM算法的后端過程卸載到云端執(zhí)行,從而克服了傳統(tǒng)SLAM過程計(jì)算復(fù)雜、速度過慢以及實(shí)時(shí)性差等缺點(diǎn)。具體研究內(nèi)容如下:首先對RGB-D SLAM算法的每個(gè)環(huán)節(jié)進(jìn)行了描述,并分析了算法中存在的缺點(diǎn)和不足,根據(jù)這些問題,本文針對特征檢測與描述符提取、運(yùn)動變換優(yōu)化以及位姿圖優(yōu)化這三個(gè)環(huán)節(jié)給出了詳盡的改進(jìn)方法:針對BRISK算法不再使用尺度空間金字塔來構(gòu)建尺度空間,而是利用像素點(diǎn)深... 

【文章來源】：華東交通大學(xué)江西省

【文章頁數(shù)】：77 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
abstract
第一章 緒論
    1.1 課題研究背景及研究意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 云機(jī)器人技術(shù)研究現(xiàn)狀
        1.2.2 RGB-DSLAM研究現(xiàn)狀
    1.3 本文主要內(nèi)容及結(jié)構(gòu)安排
第二章 Kinect平臺及數(shù)據(jù)獲取
    2.1 Kinect傳感器簡介
    2.2 Kinect數(shù)據(jù)獲取原理
        2.2.1 Kinect深度圖像獲取原理
        2.2.2 Kinect環(huán)境信息的獲取
    2.3 Kinect攝像機(jī)標(biāo)定
        2.3.1 引言
        2.3.2 Kinect攝像機(jī)標(biāo)定原理
        2.3.3 Kinect攝像機(jī)的標(biāo)定
第三章 基于Kinect的RGB-DSLAM方法研究
    3.1 SLAM問題描述及系統(tǒng)建模
        3.1.1 SLAM問題描述
        3.1.2 SLAM概率模型
        3.1.3 移動機(jī)器人運(yùn)動模型
    3.2 RGB-DSLAM算法整體流程
    3.3 RGB-DSLAM算法前端
        3.3.1 特征檢測與描述符提取
        3.3.2 特征匹配
        3.3.3 運(yùn)動估計(jì)變換
        3.3.4 運(yùn)動變換優(yōu)化過程
    3.4 RGB-DSLAM算法后端
        3.4.1 位姿圖的初始化
        3.4.2 閉環(huán)檢測
        3.4.3 位姿圖的優(yōu)化
第四章 針對原始RGB-DSLAM算法的改進(jìn)
    4.1 原RGB-DSLAM算法存在的不足
    4.2 改進(jìn)BRISK的特征檢測與描述符提取
        4.2.1 對BRISK算法改進(jìn)的整體描述
        4.2.2 特征檢測
        4.2.3 尺度因子的計(jì)算
        4.2.4 特征點(diǎn)的總體模式主方向的確定
        4.2.5 實(shí)驗(yàn)結(jié)果對比及分析
    4.3 基于ICP與粒子濾波相結(jié)合的運(yùn)動變換優(yōu)化
        4.3.1 粒子濾波建議分布的選擇
        4.3.2 抽樣過程的改良
        4.3.3 重采樣過程
        4.3.4 具體實(shí)現(xiàn)過程
        4.3.5 實(shí)驗(yàn)結(jié)果及分析
    4.4 基于HOG-Man的位姿圖優(yōu)化
        4.4.1 HOG-Man多層次位姿圖的構(gòu)建
        4.4.2 線性流形
        4.4.3 實(shí)驗(yàn)結(jié)果及分析
    4.5 整體算法的改進(jìn)效果
第五章 結(jié)合云機(jī)器人的RGB-DSLAM的設(shè)計(jì)與實(shí)現(xiàn)
    5.1 相關(guān)技術(shù)介紹
        5.1.1 云平臺概述
        5.1.2 機(jī)器人操作系統(tǒng)
    5.2 基于云機(jī)器人的RGB-DSLAM的設(shè)計(jì)與實(shí)現(xiàn)
        5.2.1 需求分析
        5.2.2 系統(tǒng)架構(gòu)的設(shè)計(jì)與實(shí)現(xiàn)
        5.2.3 ROS節(jié)點(diǎn)的設(shè)計(jì)與實(shí)現(xiàn)
    5.3 云端地圖數(shù)據(jù)的存儲和共享
        5.3.1 地圖的存儲
        5.3.2 地圖的共享
    5.4 實(shí)驗(yàn)結(jié)果與分析
        5.4.1 整體實(shí)驗(yàn)效果對比
        5.4.2 性能對比
        5.4.3 占用帶寬分析
第六章 總結(jié)與展望
    6.1 全文總結(jié)
    6.2 工作展望
參考文獻(xiàn)
個(gè)人簡歷 在讀期間發(fā)表的學(xué)術(shù)論文
致謝


【參考文獻(xiàn)】：
期刊論文
[1]張正友標(biāo)定法在DIC位移測量中的應(yīng)用[J]. 單寶華,霍曉洋,劉洋.  實(shí)驗(yàn)室研究與探索. 2016(02)
[2]基于顯著場景Bayesian Surprise的移動機(jī)器人自然路標(biāo)檢測[J]. 錢堃,馬旭東,戴先中,房芳,楊鴻.  模式識別與人工智能. 2013(06)
[3]視覺導(dǎo)航特征點(diǎn)匹配及誤匹配剔除算法[J]. 徐超,沈曉蓉,羅宇鋒,范耀祖.  計(jì)算機(jī)仿真. 2010(04)
[4]基于主動環(huán)形閉合約束的移動機(jī)器人分層同時(shí)定位和地圖創(chuàng)建[J]. 黃慶成,洪炳熔,厲茂海,羅榮華.  計(jì)算機(jī)研究與發(fā)展. 2007(04)

碩士論文
[1]基于Kinect的視覺同步定位與建圖研究[D]. 徐冬云.哈爾濱工業(yè)大學(xué) 2016
[2]Kinect深度相機(jī)標(biāo)定算法研究[D]. 李雅娜.西安電子科技大學(xué) 2014



本文編號：3194177