視覺同步定位與地圖構(gòu)建（Visual-based Simultaneous Localization and Mapping,VSLAM）是指移動(dòng)機(jī)器人利用自身攜帶的視覺傳感器采集環(huán)境圖像信息,估計(jì)自身移動(dòng)軌跡并得到環(huán)境的三維點(diǎn)云地圖,也即迭代地進(jìn)行定位與環(huán)境地圖構(gòu)建�，F(xiàn)有的RGBD-SLAM系統(tǒng)基于傳統(tǒng)人工選取特征進(jìn)行移動(dòng)機(jī)器人軌跡估計(jì)和三維環(huán)境點(diǎn)云地圖構(gòu)建,具有計(jì)算量小,快速、高效的特點(diǎn)。RGBD-SLAM系統(tǒng)增加了閉環(huán)檢測(cè)模塊,閉環(huán)檢測(cè)模塊能有效地消除傳感器累積誤差,從而提升系統(tǒng)定位精度。該系統(tǒng)中采取最小生成樹的算法來實(shí)現(xiàn)閉環(huán)檢測(cè),但因?yàn)樗玫拈]環(huán)檢測(cè)算法仍然使用傳統(tǒng)人工選取的特征,導(dǎo)致算法在環(huán)境發(fā)生復(fù)雜變化時(shí)檢測(cè)精度不高,應(yīng)對(duì)環(huán)境變化時(shí)魯棒性差。而高精度、快速的閉環(huán)檢測(cè)對(duì)于SLAM定位精度而言具有重要意義�；诖�,本文主要針對(duì)VSLAM中的閉環(huán)檢測(cè)環(huán)節(jié)進(jìn)行研究,旨在提高閉環(huán)檢測(cè)的速度和環(huán)境劇烈變化時(shí)算法的魯棒性,為實(shí)現(xiàn)這一目的,將深度學(xué)習(xí)方法和網(wǎng)絡(luò)模型壓縮應(yīng)用在VSLAM閉環(huán)檢測(cè)中,該方法由于使用深度網(wǎng)絡(luò)進(jìn)行特征學(xué)習(xí),具有傳統(tǒng)特征無法比擬的優(yōu)勢(shì);在此基礎(chǔ)上本文將基于深度學(xué)習(xí)和模... 

【文章來源】：西安理工大學(xué)陜西省

【文章頁(yè)數(shù)】：67 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

改進(jìn)的VSLAM框架圖

暇嗬搿⑴肥暇嗬氳�。特阵xヅ淥惴ㄖ饕?校罕┝ζヅ洹?快速近似最近鄰匹配等。暴力匹配通過計(jì)算每一個(gè)特征點(diǎn)和其他剩余的所有特征點(diǎn)間的距離，尋找距離最小的匹配，因此，該算法計(jì)算量龐大，運(yùn)行時(shí)間較長(zhǎng)。快速近似最近鄰匹配（fastlibraryforapproximatenearestneighborsFLANN），能夠適應(yīng)縮放變化，光照變化，旋轉(zhuǎn)變化等多種情況，具有良好的匹配適應(yīng)能力，而且速度也相對(duì)較快。此外，本文進(jìn)一步采用隨機(jī)采樣一致（randomsampleconsensusRANSAC）算法來刪除其中本不是一個(gè)匹配對(duì)而被匹配算法錯(cuò)誤地認(rèn)為是一個(gè)匹配對(duì)的部分。下圖2-2為采用ORB特征提取算法和FLANN+RANSAC進(jìn)行特征匹配的結(jié)果。圖2-2特征提取與配匹配結(jié)果Fig.2-2FeatureExtractionandMatchingResults視覺里程計(jì)與現(xiàn)實(shí)所謂的“里程計(jì)”本質(zhì)上具有相同的意義，因?yàn)槠溆?jì)算過程中僅需要相鄰時(shí)刻的數(shù)據(jù)。但也因?yàn)樗鼉H與前一幀圖像信息相關(guān)，一旦出現(xiàn)匹配錯(cuò)誤，后續(xù)的計(jì)算都會(huì)被影響；并且相機(jī)在運(yùn)動(dòng)過程中會(huì)出現(xiàn)誤差累積。這就意味著，在移動(dòng)機(jī)器人的持續(xù)運(yùn)動(dòng)過程中，對(duì)其運(yùn)動(dòng)軌跡的估計(jì)和環(huán)境地圖的構(gòu)建會(huì)產(chǎn)生影響。而且由于移動(dòng)機(jī)器人

2.3閉環(huán)檢測(cè)閉環(huán)檢測(cè)是指判斷移動(dòng)機(jī)器人是否再一次回到訪問過的地方，當(dāng)確定機(jī)器人回到曾經(jīng)訪問過的位置，則表示出現(xiàn)閉環(huán)，可以用原來該位置的信息代替新采集的信息，因?yàn)檎`差隨時(shí)間累積，時(shí)間戳越靠后面誤差就越大，如果不能有效檢測(cè)出閉環(huán)，系統(tǒng)使用誤差較大的信息進(jìn)行運(yùn)動(dòng)估計(jì)和地圖構(gòu)建時(shí)會(huì)因?yàn)槎ㄎ徽`差過大導(dǎo)致定位與構(gòu)圖任務(wù)不能高精度的完成。如下圖分別為未檢測(cè)到閉環(huán)和檢測(cè)到閉環(huán)對(duì)最終軌跡估計(jì)效果影響示意。（a）沒有進(jìn)行閉環(huán)檢測(cè)（b）進(jìn)行閉環(huán)檢測(cè)(a)Withoutloopclosuredetection(b)Withloopclosuredetection圖2-3有無閉環(huán)檢測(cè)效果示意圖Fig.2-3SchematicDiagramofLoopClosureDetectionEffect閉環(huán)檢測(cè)對(duì)于最終的定位結(jié)果和構(gòu)圖效果都具有重要影響，現(xiàn)階段，對(duì)于閉環(huán)檢測(cè)方法的研究主要集中在圖像視覺的方法上。在圖像視覺方法中，我們可以將閉環(huán)檢測(cè)視為場(chǎng)景識(shí)別問題，通過對(duì)采集到的兩幀圖像進(jìn)行特征提取和特征匹配判斷這兩幀圖像是否相似，當(dāng)圖像的相似度高于設(shè)定閾值時(shí)，可以認(rèn)為閉環(huán)出現(xiàn)，反之，則表示未檢測(cè)到閉環(huán)。目前，閉環(huán)檢測(cè)分為基于傳統(tǒng)特征的方法和基于深度網(wǎng)絡(luò)學(xué)習(xí)特征的方法。這兩種閉環(huán)檢測(cè)方法各有優(yōu)缺點(diǎn)。基于傳統(tǒng)特征的方法檢測(cè)速度快，應(yīng)用場(chǎng)景廣泛，但也存在一些不足


本文編號(hào)：2948259