經典的室內定位技術主要依靠WiFi信號、電磁、紅外線等無線信號來構建位置指紋數(shù)據(jù)庫,從而實現(xiàn)室內定位。然而對于未知環(huán)境,位置指紋定位技術并不能實現(xiàn)自身位置感知。隨著移動機器人的技術越來越成熟、應用越來越廣泛,機器人領域中有關未知、復雜環(huán)境中同時定位與建圖（SLAM）相關問題的研究也愈發(fā)重要。SLAM技術的一個關鍵問題就是閉環(huán)檢測。由于機器人傳感器的累計誤差使得地圖逐漸偏離正確軌跡,因此本文在綜合分析了一些相對成熟的SLAM定位方法的同時,針對閉環(huán)檢測問題提出了利用WiFi信號輔助視覺SLAM的方法,論文主要研究了以下幾個方面。首先,提出WiFi信號輔助閉環(huán)檢測的方法。由于利用詞袋模型進行場景識別容易受環(huán)境變化、光線變化、障礙物位置變化等因素的影響,因此本文利用WiFi信號強度序列來標識場景圖片。利用WiFi信號的時間和空間一致性,將新的場景圖像與地圖中現(xiàn)有場景圖像進行相似度比較,獲得閉環(huán)候選集合,并依據(jù)圖像之間的歐幾里得距離是否小于給定閾值,來完成場景識別,從而判斷是否發(fā)生閉環(huán)。其次,提出利用三邊定位對機器人運行軌跡建圖的方法。機器人運行過程中監(jiān)聽WiFi信號強度變化,利用比值法進行三... 

【文章來源】：燕山大學河北省

【文章頁數(shù)】：61 頁

【學位級別】：碩士

【部分圖文】：

閉環(huán)檢測示例

ORB特征點

- 9 -圖 2-2 視覺詞典生成流程圖提取相互獨立的視覺詞匯，為節(jié)省存儲空間以及提高運點。所有特征的描述子分布在特征空間。每一幀圖像都些向量代表了圖像中局部不變的特征點。需求將特征分為 K 類，對特征空間進行 K-means++聚類實際應用中,圖片數(shù)量非常龐大,導致關鍵點的數(shù)量同分類,方便以后的圖片查找,相似度的計算,詞袋模型采劃分的 K 個子空間繼續(xù)利用 K-means++進行聚類。次過程(3)直至產生根節(jié)點。


本文編號：3488681