近年來,移動(dòng)機(jī)器人在智能制造與物流系統(tǒng)中得到了快速發(fā)展,其中機(jī)器人在未知環(huán)境下的同時(shí)定位與建圖(SLAM,Simultaneous Localization and Mapping)的技術(shù)被大量應(yīng)用和關(guān)注�；趩螜C(jī)器人的SLAM技術(shù)已經(jīng)發(fā)展的比較成熟,并且當(dāng)前主要的研究都集中在對(duì)單機(jī)器人SLAM算法的性能優(yōu)化上面,對(duì)于多機(jī)器人的SLAM研究相對(duì)較少,本文針對(duì)多機(jī)器人SLAM中的機(jī)器人相對(duì)位姿確定和稀疏點(diǎn)云地圖融合做了初步研究和實(shí)驗(yàn)驗(yàn)證。相比于單機(jī)器人SLAM,多機(jī)器人SLAM系統(tǒng)具有更高的效率,能夠處理更大的任務(wù)量和更高的魯棒性。在諸多優(yōu)勢(shì)的同時(shí)多機(jī)器人SLAM系統(tǒng)也面臨著比單機(jī)器人S LAM更多的問題。首先在陌生環(huán)境下,機(jī)器人之間的相對(duì)位置無法確定,機(jī)器人之間的聯(lián)系無法直接建立,導(dǎo)致多機(jī)器人建立的地圖無法有效地融合建立全局統(tǒng)一地圖。其次單目SLAM中多機(jī)器人建立的地圖具有尺度不一致性,多機(jī)器人地圖融合對(duì)估計(jì)的旋轉(zhuǎn)誤差較為敏感,如何提高地圖的拼接精度是一個(gè)難點(diǎn)。針對(duì)以上問題,本文以O(shè)RB-Slam算法作為實(shí)現(xiàn)基礎(chǔ),設(shè)計(jì)了基于ROS的多機(jī)器人SLAM系統(tǒng)。針對(duì)多機(jī)器人相對(duì)定位與稀疏點(diǎn)云地...

【文章頁數(shù)】：73 頁

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 課題研究背景及意義
    1.2 國內(nèi)外現(xiàn)狀與分析
    1.3 主要研究?jī)?nèi)容及章節(jié)安排
第2章 Slam算法理論基礎(chǔ)
    2.1 引言
    2.2 SLAM問題基本原理
    2.3 相機(jī)模型
        2.3.1 小孔成像模型
        2.3.2 攝像頭畸變
        2.3.3 雙目和RGB-D相機(jī)模型
    2.4 基于視覺的SLAM算法原理
        2.4.1 前端視覺里程計(jì)
        2.4.2 后端數(shù)據(jù)處理
        2.4.3 閉環(huán)檢測(cè)和優(yōu)化
    2.5 本章小結(jié)
第3章 多機(jī)器人協(xié)同Slam
    3.1 引言
    3.2 多機(jī)器人通信
    3.3 機(jī)器人視覺前端
    3.4 機(jī)器人后端
    3.5 場(chǎng)景識(shí)別
    3.6 回環(huán)優(yōu)化
    3.7 多機(jī)器人定位與地圖融合
    3.8 本章小結(jié)
第4章 實(shí)驗(yàn)與結(jié)果分析
    4.1 引言
    4.2 實(shí)驗(yàn)平臺(tái)的搭建
        4.2.1 移動(dòng)機(jī)器人硬件平臺(tái)
        4.2.2 移動(dòng)機(jī)器人軟件平臺(tái)
    4.3 實(shí)驗(yàn)結(jié)果及分析
        4.3.1 相機(jī)標(biāo)定
        4.3.2 圖像特征提取與匹配
        4.3.3 單機(jī)器人建圖
        4.3.4 相似場(chǎng)景檢測(cè)
        4.3.5 機(jī)器人相對(duì)定位
        4.3.6 地圖融合
    4.4 本章小結(jié)
第5章 總結(jié)與展望
    5.1 總結(jié)
    5.2 展望
參考文獻(xiàn)
指導(dǎo)教師對(duì)研究生學(xué)位論文的學(xué)術(shù)評(píng)語
學(xué)位論文答辯委員會(huì)決議書
致謝
攻讀碩士學(xué)位期間的研究成果



本文編號(hào)：3832246