機器人的定位與建圖對于室內服務機器人來說至關重要,是后續(xù)機器人導航與環(huán)境感知的先決條件。擁有精確的定位能力才能更準確無誤的完成導航要求,擁有高效實時的建圖能力才能更好的幫助機器人提取三維場景的語義信息,完成對環(huán)境的認知。本課題研究的是移動機器人定位與建圖中的特征點不確定性模型、重定位算法以及語義建圖三個子課題。目的是通過改善特征不確定性模型與重定位算法,從而獲得高精度、高魯棒性的SLAM系統(tǒng),并由此改進的SLAM系統(tǒng)獲得高精度的三維語義場景。本課題首先對RGBD相機的誤差測量模型做了充分的分析,從大量實驗中總結出特征點所在尺度空間的層數(shù)與不確定性模型之間的關系。通過建立新的不確定性模型提高系統(tǒng)運行的精度,所提出的不確定性模型與特征點所在尺度與深度視差均有聯(lián)系,并通過實驗分析了相機運動模式對不確定性模型的影響。然后本課題針對實際情況中出現(xiàn)的一些問題,提出了一種基于點云的全局多層級配準定位算法,解決了機器人開機、重啟自動位,重定位路徑依賴等問題。重定位作為SLAM技術中的重要環(huán)節(jié),對提高機器人魯棒性有著重要幫助。本文算法通過對大型點云的分層級處理與位姿的降維求解,使大型點云配準實時求解位姿... 

【文章來源】：哈爾濱工業(yè)大學黑龍江省 211工程院校 985工程院校

【文章頁數(shù)】：81 頁

【學位級別】：碩士

【部分圖文】：

智能服務機器人同時定位與地圖構建(SimultaneousLocalizationandMapping，SLAM)技術廣泛

哈爾濱工業(yè)大學碩士學位論文oSLAM 在運行時如圖 1-2 所示，左圖為圖像中所追蹤的關鍵點，空間中的具體位置。MonoSLAM，在運行過程中以一個橢球的形點的均值和不確定性。當前端所追蹤特征點的不確定性收斂時，不則會收斂為一個點。隨著計算機性能的進步，人們意識到利用稀疏像，才使得 MonoSLAM 系統(tǒng)能夠實時運行。在此之前的視覺 SL通過機器人攜帶相機錄制數(shù)據(jù)集，再離線地進行相關的位姿解算能在線實時運行的能力。MonoSLAM 的研究在 SLAM 發(fā)展過程中破。

稀疏的三維地圖場景和關鍵幀

【參考文獻】：
期刊論文
[1]服務機器人技術研究現(xiàn)狀與發(fā)展趨勢[J]. 王田苗,陶永,陳陽.  中國科學:信息科學. 2012(09)



本文編號：3515914