機器人的自定位和地圖建構(gòu)是移動機器人SLAM（Simultaneous Localization and Mapping）的主要內(nèi)容。目前,國內(nèi)外許多學(xué)者對機器人自定位和建圖算法進(jìn)行了研究,采用的傳感器為里程計、激光雷達(dá)、視覺相機等。然而受限于傳感器本身的噪聲影響、不確定性的非結(jié)構(gòu)化環(huán)境及目前SLAM算法大多由于傳感器信息太少的原因,移動機器人容易誤差累積,無法精確定位和建圖。為了提高機器人的自定位精度和建圖效果,本文設(shè)計了面向非結(jié)構(gòu)化環(huán)境的自主移動機器人SLAM系統(tǒng),研究了減少機器人自定位誤差累積以及地圖誤匹配的算法。首先,基于ORB（Oriented FAST and Rotated BRIEF）特征提取算法,提出了一種基于四叉樹的ORB特征提取改進(jìn)算法。該方法將圖片構(gòu)造圖像金字塔解決尺度不變性問題,接著在每一層金字塔圖像上檢測角點來提取特征點,并通過引入四叉樹算法使特征點均勻化分布,解決了在非結(jié)構(gòu)化環(huán)境中圖像特征點提取過于集中而導(dǎo)致的圖像局部特征信息丟失的問題,提高了圖像特征匹配時的快速性及精確性。其次,為了在圖像位姿估計過程中充分利用更多空間點信息及減少噪聲的影響,本文提出了一... 

【文章來源】：浙江工業(yè)大學(xué)浙江省

【文章頁數(shù)】：69 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖1-2兩種算法概率分布簡化圖

降低地圖大小。Amir 等人[16]利用四叉樹柵格來對地圖進(jìn)行劃分，在局部場果較好。柵格地圖易分析和處理，能夠描述數(shù)據(jù)和模型的不確定性，便于多，可以很方便的用在機器人路徑規(guī)劃、自主避障上。三維空間 SLAM 研究激光雷達(dá)和相機等傳感器技術(shù)的發(fā)展，學(xué)者們開始將研究目標(biāo)從二維平面中。在三維環(huán)境下不同的傳感器其定位方式也不同，可以分為三種：一種是位法，利用激光獲取三維點云數(shù)據(jù)來進(jìn)行自定位；第二種是基于視覺的定或雙目相機獲取圖像信息來進(jìn)行自定位；第三種是基于 RGB-D 深度相機的表性的有 kinect。如圖 1-3 所示，RGB-D 相機有深度圖和彩色圖，其深度信點云數(shù)據(jù)。

最為突出的為 LSD-SLAM[30]和 ORB-SLAM[31,32]，如圖1-5 所示，兩者都基于單目相機重建室內(nèi)三維地圖和自定位，并都取得了不錯的效果。LSD-SLAM 基于 Dense 匹配算法直接利用圖像像素進(jìn)行機器人位姿跟蹤和 SLAM，根據(jù)關(guān)鍵幀及其對應(yīng)的相機位姿來重建三維點云場景。ORB-SLAM 基于稀疏特征匹配的方法，利用 ORB 特征算法具有旋轉(zhuǎn)和尺度不變的特性來提取圖像特征，同時不需要 GPU 加速就能得到不錯的實時性。ORB-SLAM 在 PTAM 算法的基礎(chǔ)上多加了一個閉環(huán)檢測線程，基于詞袋模型進(jìn)行三維場景識別和重定位[33]。圖 1-5 兩種單目 VSLAM 效果近些年 RGB-D 相機因其明顯的優(yōu)勢，在機器人自定位和三維建圖領(lǐng)域得到了廣泛的應(yīng)用。MicroSoft 開發(fā)的 KinectFusion[34]能夠很好的追蹤相機位姿并構(gòu)建三維地圖


本文編號：3321197