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(dòng)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(shì)得到了機(jī)器人領(lǐng)域中廣大科研人員的青睞,針對(duì)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(duì)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(duì)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(duì)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(guò)程卸載到云端執(zhí)行,從而克服了傳統(tǒng)SLAM過(guò)程計(jì)算復(fù)雜、速度過(guò)慢以及實(shí)時(shí)性差等缺點(diǎn)。具體研究?jī)?nèi)容如下:首先對(duì)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(wèn)題,本文針對(duì)特征檢測(cè)與描述符提取、運(yùn)動(dòng)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(duì)BRISK算法不再使用尺度空間金字塔來(lái)構(gòu)建尺度空間,而是利用像素點(diǎn)深... 

【文章來(lái)源】：華東交通大學(xué)江西省

【文章頁(yè)數(shù)】：77 頁(yè)

【學(xué)位級(jí)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(guó)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(tái)及數(shù)據(jù)獲取
    2.1 Kinect傳感器簡(jiǎn)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(wèn)題描述及系統(tǒng)建模
        3.1.1 SLAM問(wèn)題描述
        3.1.2 SLAM概率模型
        3.1.3 移動(dòng)機(jī)器人運(yùn)動(dòng)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(cè)與描述符提取
        3.3.2 特征匹配
        3.3.3 運(yùn)動(dòng)估計(jì)變換
        3.3.4 運(yùn)動(dòng)變換優(yōu)化過(guò)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(cè)
        3.4.3 位姿圖的優(yōu)化
第四章 針對(duì)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(cè)與描述符提取
        4.2.1 對(duì)BRISK算法改進(jìn)的整體描述
        4.2.2 特征檢測(cè)
        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(duì)比及分析
    4.3 基于ICP與粒子濾波相結(jié)合的運(yùn)動(dòng)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(guò)程的改良
        4.3.3 重采樣過(guò)程
        4.3.4 具體實(shí)現(xiàn)過(guò)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(xiàn)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(tái)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(chǔ)和共享
        5.3.1 地圖的存儲(chǔ)
        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(duì)比
        5.4.2 性能對(duì)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(jiǎn)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(cè)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(chǎng)景Bayesian Surprise的移動(dòng)機(jī)器人自然路標(biāo)檢測(cè)[J]. 錢(qián)堃,馬旭東,戴先中,房芳,楊鴻.  模式識(shí)別與人工智能. 2013(06)
[3]視覺(jué)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(dòng)環(huán)形閉合約束的移動(dòng)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(jué)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(hào)：3194177