隨著計算機視覺的快速發(fā)展,許多相關(guān)技術(shù)被應(yīng)用到機器人領(lǐng)域。SLAM被認為是實現(xiàn)移動機器人全自主化的基礎(chǔ),已經(jīng)越來越受到人們的關(guān)注�；趫D優(yōu)化的視覺SLAM主要分為前端和后端,前端主要是根據(jù)傳感器測量獲得機器人初始位姿與空間路標(biāo)點坐標(biāo)。后端則主要是對前端采集到的含有測量噪聲的位姿與路標(biāo)點坐標(biāo)進行優(yōu)化。SLAM后端優(yōu)化方法一般分為兩大類,分別是基于濾波的優(yōu)化方法和基于圖的優(yōu)化方法,其中基于圖的優(yōu)化方法是目前研究的熱點�；跒V波的優(yōu)化方法由于僅對當(dāng)前時刻狀態(tài)進行估計,必然會產(chǎn)生累積誤差,不僅不能保證優(yōu)化后結(jié)果的一致性與精度,而且不適用于大規(guī)模環(huán)境。而基于圖的優(yōu)化方法則是對移動機器人所有時刻的信息進行一次性處理,因此得到的優(yōu)化結(jié)果的一致性與精度要好于濾波的方法。本文先是對基于BA和基于posegraph兩種不同的圖優(yōu)化方法進行了分析,然后利用g2o框架對兩種不同的圖優(yōu)化方法進行實驗設(shè)計。針對優(yōu)化過程中所使用到的LM算法的不足,提出了一種變信賴區(qū)域的LM算法。該算法主要是對非負參數(shù)α進行了新的定義,通過在迭代過程中改變信賴區(qū)域的區(qū)間大小來控制迭代的步長,同時還能保證算法的平方收斂性。最后,利用數(shù)...

【文章頁數(shù)】：73 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 研究背景及其意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 視覺SLAM研究現(xiàn)狀
        1.2.2 基于濾波的SLAM后端優(yōu)化算法發(fā)展現(xiàn)狀
        1.2.3 基于圖優(yōu)化的SLAM后端優(yōu)化算法研究現(xiàn)狀
    1.3 主要研究內(nèi)容
        1.3.1 主要研究內(nèi)容
        1.3.2 論文結(jié)構(gòu)
第二章 SLAM后端優(yōu)化的基本實現(xiàn)原理與方法
    2.1 基于濾波的SLAM后端優(yōu)化算法
        2.1.1 基于EKF的 SLAM后端優(yōu)算法
        2.1.2 基于PF的 SLAM后端優(yōu)化
    2.2 基于圖的SLAM后端優(yōu)化
        2.2.1 SLAM后端優(yōu)化問題的動態(tài)貝葉斯網(wǎng)絡(luò)
        2.2.2 SLAM后端優(yōu)化問題的數(shù)學(xué)描述
        2.2.3 基于圖的SLAM后端優(yōu)化問題的模型
    2.3 本章小結(jié)
第三章 基于g2o的 SLAM后端優(yōu)化方法
    3.1 基于圖優(yōu)化的SLAM系統(tǒng)框架
    3.2 圖優(yōu)化通用框架g2o
        3.2.1 g2o與常用非線性優(yōu)化框架的對比
        3.2.2 g2o框架的實現(xiàn)
    3.3 基于BA的 SLAM后端優(yōu)化方法
        3.3.1 BA SLAM問題的描述
        3.3.2 BA SLAM問題的數(shù)學(xué)表示
        3.3.3 BA SLAM問題的稀疏性
        3.3.4 Schur消元
    3.4 基于pose graph的 SLAM后端優(yōu)化方法
        3.4.1 pose graph SLAM問題的描述
        3.4.2 pose graph SLAM問題的數(shù)學(xué)表示
    3.5 SLAM后端優(yōu)化問題中數(shù)據(jù)集異常值處理
        3.5.1 異常值影響
        3.5.2 直接刪除法
        3.5.3 核函數(shù)約束法
    3.6 本章小結(jié)
第四章 基于LM的 SLAM后端優(yōu)化方法及其改進
    4.1 傳統(tǒng)圖優(yōu)化方法的不足
    4.2 LM算法
        4.2.1 GN算法
        4.2.2 LM算法
    4.3 變信賴區(qū)域的LM算法
        4.3.1 選擇非負參數(shù)
        4.3.2 變信賴區(qū)域的LM算法實現(xiàn)
    4.4 本章小結(jié)
第五章 實驗驗證與分析
    5.1 實現(xiàn)平臺
    5.2 誤差的評價標(biāo)準(zhǔn)
        5.2.1 絕對軌跡誤差
        5.2.2 相對位姿誤差
    5.3 BA SLAM實驗驗證與分析
        5.3.1 數(shù)據(jù)集介紹
        5.3.2 實驗驗證
    5.4 posegraph SLAM實驗驗證與分析
        5.4.1 數(shù)據(jù)集介紹
        5.4.2 實驗驗證
    5.5 變信賴區(qū)域的LM算法實驗驗證與分析
        5.5.1 實驗驗證
        5.5.2 迭代效率分析
    5.6 本章小結(jié)
總結(jié)與展望
參考文獻
攻讀碩士期間發(fā)表的學(xué)術(shù)成果
致謝



本文編號：3769234