移動(dòng)機(jī)器人的自我位置感知是完成不同復(fù)雜工作的前提,所以移動(dòng)機(jī)器人的定位技術(shù)受到了越來(lái)越廣泛的關(guān)注。近年來(lái),隨著整個(gè)市場(chǎng)對(duì)工業(yè)和服務(wù)機(jī)器人日益增長(zhǎng)的需求,移動(dòng)機(jī)器人的定位技術(shù)引起了學(xué)術(shù)領(lǐng)域和工業(yè)領(lǐng)域的重視,并投入了大量資源來(lái)進(jìn)行更深層次的理論研究和應(yīng)用探索。但是,目前移動(dòng)機(jī)器人定位的精度問(wèn)題、實(shí)時(shí)性問(wèn)題以及在復(fù)雜場(chǎng)景中的適應(yīng)性問(wèn)題仍然沒(méi)有被很好地解決,這些問(wèn)題導(dǎo)致了移動(dòng)機(jī)器人在很多場(chǎng)合中的應(yīng)用受到了限制。因此,本論文利用視覺(jué)和3D激光雷達(dá)傳感器,對(duì)非結(jié)構(gòu)化環(huán)境中移動(dòng)機(jī)器人實(shí)時(shí)高精度室內(nèi)定位技術(shù)展開(kāi)研究。主要內(nèi)容如下:(1)針對(duì)不同的室內(nèi)定位需求,設(shè)計(jì)了不同的移動(dòng)機(jī)器人定位模型,根據(jù)定位模型分析出影響定位精度的關(guān)鍵因素和問(wèn)題,為這些定位方法提供改進(jìn)思路及其理論依據(jù)。(2)提出一種基于人工信標(biāo)的單目視覺(jué)定位系統(tǒng)。系統(tǒng)采用本文設(shè)計(jì)的一種能夠被快速正確識(shí)別的人工信標(biāo)進(jìn)行定位。首先,系統(tǒng)通過(guò)位姿圖構(gòu)建信標(biāo)地圖,將信標(biāo)在全局圖像坐標(biāo)系的位姿作為節(jié)點(diǎn),將同一幀圖像中兩個(gè)不同信標(biāo)的相對(duì)位置關(guān)系作為邊,構(gòu)建完成后使用圖優(yōu)化技術(shù)對(duì)地圖進(jìn)行優(yōu)化。根據(jù)相機(jī)畸變模型和3σ模型提出相機(jī)不確定度模型,該模型可以對(duì)位姿...

【文章頁(yè)數(shù)】：159 頁(yè)

【學(xué)位級(jí)別】：博士

【文章目錄】：
致謝
摘要
ABSTRACT
第1章 緒論
    1.1 課題背景及意義
    1.2 機(jī)器人室內(nèi)定位技術(shù)研究現(xiàn)狀
        1.2.1 機(jī)器人室內(nèi)定位方法與特點(diǎn)
        1.2.2 基于視覺(jué)的機(jī)器人定位技術(shù)研究現(xiàn)狀
        1.2.3 基于3D激光雷達(dá)的機(jī)器人定位技術(shù)研究現(xiàn)狀
    1.3 機(jī)器人室內(nèi)定位技術(shù)面臨的挑戰(zhàn)
        1.3.1 機(jī)器人室內(nèi)定位技術(shù)難點(diǎn)
        1.3.2 機(jī)器人室內(nèi)定位技術(shù)核心問(wèn)題
    1.4 主要研究?jī)?nèi)容
    1.5 本章小結(jié)
第2章 室內(nèi)定位模型的建立與分析
    2.1 引言
    2.2 天花板定位模型設(shè)計(jì)
        2.2.1 定位方法
        2.2.2 針孔相機(jī)模型
        2.2.3 天花板定位模型
        2.2.4 影響定位精度的因素分析
    2.3 雙目視覺(jué)的定位模型
        2.3.1 雙目視覺(jué)模型
        2.3.2 雙目視覺(jué)定位模型
        2.3.3 影響定位精度的因素分析
    2.4 3D激光雷達(dá)里程計(jì)定位模型
        2.4.1 3D激光雷達(dá)里程計(jì)模型
        2.4.2 影響定位精度的因素分析
    2.5 本論文定位方案
    2.6 本章小結(jié)
第3章 基于人工信標(biāo)的單目視覺(jué)定位
    3.1 引言
    3.2 人工信標(biāo)設(shè)計(jì)與識(shí)別原理
        3.2.1 人工信標(biāo)的設(shè)計(jì)及編碼
        3.2.2 人工信標(biāo)的檢測(cè)與識(shí)別
    3.3 相機(jī)不確定度模型
        3.3.1 相機(jī)畸變模型
        3.3.2 相機(jī)不確定度模型
    3.4 基于相機(jī)不確定度模型的人工信標(biāo)定位
        3.4.1 坐標(biāo)系的建立
        3.4.2 基于圖優(yōu)化的信標(biāo)地圖構(gòu)建
        3.4.3 定位
    3.5 實(shí)驗(yàn)與結(jié)果
        3.5.1 人工信標(biāo)實(shí)驗(yàn)與結(jié)果
        3.5.2 信標(biāo)地圖構(gòu)建與定位實(shí)驗(yàn)
        3.5.3 工廠環(huán)境下的魯棒性實(shí)驗(yàn)
    3.6 本章小節(jié)
第4 基于信標(biāo)修正的雙目視覺(jué)定位
    4.1 引言
    4.2 檢測(cè)特征點(diǎn)
        4.2.1 Oriented Fast關(guān)鍵點(diǎn)檢測(cè)
        4.2.2 BRIEF描述子
    4.3 雙目視覺(jué)定位
        4.3.1 亞像素級(jí)特征點(diǎn)匹配
        4.3.2 基于RansacPnP的位姿解算
        4.3.3 匹配不確定性模型的建立
        4.3.4 局部位姿優(yōu)化
    4.4 基于信標(biāo)的關(guān)鍵幀位姿修正
        4.4.1 基于圖優(yōu)化模型的全局位姿優(yōu)化
        4.4.2 全局平面約束
    4.5 實(shí)驗(yàn)與結(jié)果
        4.5.1 基于KITTI數(shù)據(jù)集的雙目視覺(jué)里程計(jì)對(duì)比
        4.5.2 工廠實(shí)地測(cè)試實(shí)驗(yàn)
    4.6 本章小節(jié)
第5章 基于3D激光雷達(dá)的里程計(jì)定位
    5.1 引言
    5.2 點(diǎn)云數(shù)據(jù)預(yù)處理
        5.2.1 點(diǎn)云運(yùn)動(dòng)矯正
        5.2.2 點(diǎn)云下采樣
    5.3 點(diǎn)云分割
        5.3.1 主成分分析(PCA)
        5.3.2 地面點(diǎn)提取
        5.3.3 基于幾何特征的分割算法(GFS)
    5.4 點(diǎn)云配準(zhǔn)
        5.4.1 局部子地圖建立
        5.4.2 基于子點(diǎn)云的ICP配準(zhǔn)
    5.5 實(shí)驗(yàn)與結(jié)果
        5.5.1 實(shí)驗(yàn)條件與環(huán)境
        5.5.2 KITTI數(shù)據(jù)集測(cè)試
        5.5.3 實(shí)地測(cè)試實(shí)驗(yàn)
    5.6 本章小節(jié)
第6章 總結(jié)與展望
    6.1 全文總結(jié)
    6.2 論文創(chuàng)新點(diǎn)
    6.3 工作展望
攻讀博士學(xué)位期間獲得的科研成果及獎(jiǎng)勵(lì)
參考文獻(xiàn)



本文編號(hào)：3742246