同步定位和建圖(Simultaneous Localization and Mapping,SLAM)是實現(xiàn)移動機器人完全自主移動的關(guān)鍵,而迎賓機器人在未知室內(nèi)環(huán)境下的智能化發(fā)展需要SLAM技術(shù)支撐。微軟開發(fā)的Kinect相機可以同時獲取環(huán)境的彩色圖像與深度數(shù)據(jù),相比傳統(tǒng)的相機,具有價格低廉和信息豐富等優(yōu)點,而且可以獲取帶有紋理色彩的三維環(huán)境地圖,有明顯的優(yōu)勢與應(yīng)用前景。本文以實驗室迎賓機器人為平臺,針對未知室內(nèi)環(huán)境下的迎賓機器人的應(yīng)用需求,對基于Kinect相機的視覺SLAM系統(tǒng)展開研究。視覺SLAM系統(tǒng)主要包括Kinect相機數(shù)據(jù)讀取、前端視覺里程計、后端非線性優(yōu)化、回環(huán)檢測和建圖幾個步驟,本文主要研究了以下內(nèi)容:(1)研究Kinect V1相機的深度測量原理和圖像獲取方法,利用張正友標定法對Kinect進行標定,獲取內(nèi)外參數(shù)。通過改進的雙邊濾波器對獲取的RGB圖像和深度圖像進行圖像去噪,進而得到單幀圖像粗糙的3D點云圖。(2)對SIFT、SURF、ORB進行比較,實驗驗證了 ORB算法的高效實時性。接著結(jié)合ORB算法對剔除誤匹配算法進行了改進,實驗結(jié)果表明改進后的算法匹配剔除效率...

【文章頁數(shù)】：88 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
1 緒論
    1.1 研究背景與意義
    1.2 視覺SLAM研究概述
    1.3 國內(nèi)外研究現(xiàn)狀
    1.4 本文主要研究內(nèi)容及方法
2 Kinect簡介
    2.1 引言
    2.2 Kinect介紹
    2.3 Kinect圖像獲取方法
    2.4 Kinect的視覺標定
    2.5 數(shù)據(jù)預(yù)處理
    2.6 3D點云獲取
    2.7 本章小結(jié)
3 特征提取與配準
    3.1 引言
    3.2 三種特征提取算法原理
    3.3 多角度評價三種算法
    3.4 本章小結(jié)
4 圖像特征匹配與運動估計和優(yōu)化
    4.1 引言
    4.2 圖像特征點的匹配
    4.3 運動估計方法與優(yōu)化
    4.4 視覺里程計
    4.5 本章小結(jié)
5 回環(huán)檢測與后端優(yōu)化和建圖
    5.1 引言
    5.2 關(guān)鍵幀的選取
    5.3 回環(huán)檢測
    5.4 后端優(yōu)化
    5.5 八叉樹建圖
    5.6 本章小結(jié)
6 實驗與結(jié)果
    6.1 引言
    6.2 改進ICP算法的對比實驗
    6.3 VO實驗
    6.4 g2o優(yōu)化和回環(huán)檢測實驗
    6.5 octomap建圖實驗
    6.6 本章小結(jié)
7 總結(jié)與展望
    7.1 總結(jié)
    7.2 展望
參考文獻
致謝
攻讀碩士期間主要成果



本文編號：3827026