隨著室內(nèi)機(jī)器人應(yīng)用的逐步深入,機(jī)器人自主導(dǎo)航能力已成為限制室內(nèi)機(jī)器人服務(wù)能力提高的瓶頸之一,其中定位是實(shí)現(xiàn)機(jī)器人自主導(dǎo)航的基礎(chǔ)和依據(jù),是制約室內(nèi)機(jī)器人廣泛應(yīng)用的核心技術(shù)之一。由于單傳感器定位難以保證機(jī)器人在各種室內(nèi)環(huán)境中長期穩(wěn)定工作,融合多個傳感器數(shù)據(jù)的定位方式得到了越來越多的研究與應(yīng)用。本文在分析單傳感器定位基礎(chǔ)上,提出了一種融合單目視覺、IMU和輪式里程計(jì)傳感器的定位算法。首先分別研究了單目視覺定位和IMU定位相關(guān)理論,論述了單目ORB-SLAM算法,為多傳感器融合奠定理論基礎(chǔ),并通過相關(guān)實(shí)驗(yàn)分析得出單目視覺定位魯棒性較差和IMU定位累積誤差嚴(yán)重。針對單傳感器定位存在的問題,提出了一種基于ORB-SLAM算法的單目視覺/IMU融合定位算法。該融合算法對單目ORB-SLAM算法的Tracking、Local Mapping和Loop Closing三個線程進(jìn)行改進(jìn),并增加數(shù)據(jù)預(yù)處理線程和初始化線程。在EuRoc數(shù)據(jù)集中的實(shí)驗(yàn)結(jié)果表明,與單目ORB-SLAM算法相比,本文提出的單目視覺/IMU融合算法定位精度較高和定位魯棒性較好;與單目VINS-mono算法相比,本文單目視覺/IMU融... 

【文章來源】：西安科技大學(xué)陜西省

【文章頁數(shù)】：74 頁

【學(xué)位級別】：碩士

【部分圖文】：

徑向畸變的兩種類型

西安科技大學(xué)全日制學(xué)術(shù)碩士學(xué)位論文18圖2.7單目ORB-SLAM算法框架（1）Tracking線程：對單目相機(jī)拍攝的圖像進(jìn)行ORB特征提取與匹配、初始化、位姿估計(jì)和相鄰幀優(yōu)化位姿，并判斷是否將當(dāng)前幀作為關(guān)鍵幀；（2）LocalMapping線程：插入關(guān)鍵幀，創(chuàng)建并融合新的地圖點(diǎn)，然后進(jìn)行局部優(yōu)化，并去除冗余關(guān)鍵幀；（3）LoopClosing線程：判斷當(dāng)前幀和已有關(guān)鍵幀是否構(gòu)成回環(huán)。若構(gòu)成回環(huán)則進(jìn)行閉環(huán)校正和全局優(yōu)化。單目ORB-SLAM的優(yōu)點(diǎn)是速度快，閉環(huán)檢測容易，代碼工程性好，易于擴(kuò)展，缺點(diǎn)是當(dāng)相機(jī)在旋轉(zhuǎn)時或在弱紋理環(huán)境中，可能無法得到足夠多穩(wěn)定的匹配點(diǎn)對，很容易跟蹤丟失，無法有效修正位姿偏差致使定位誤差較大，且存在尺度不確定問題。在本章第2.6.3節(jié)中利用單目ORB-SLAM算法實(shí)現(xiàn)了機(jī)器人定位。2.6實(shí)驗(yàn)結(jié)果與分析實(shí)驗(yàn)利用Turtlebot2機(jī)器人搭載單目相機(jī)，使用Inteli5處理器，具體實(shí)驗(yàn)硬件見第5.2節(jié)。在實(shí)驗(yàn)中，本節(jié)首先對實(shí)驗(yàn)所使用的單目相機(jī)進(jìn)行標(biāo)定，給出標(biāo)定參數(shù)，為后續(xù)使用單目相機(jī)進(jìn)行一系列研究做好前提工作。然后對SIFT、SURF和ORB三種算法進(jìn)行實(shí)驗(yàn)比較，驗(yàn)證ORB算法。最后利用Turtlebot2機(jī)器人，在實(shí)際環(huán)境中使用單目ORB-SLAM算法實(shí)現(xiàn)機(jī)器人定位。2.6.1單目相機(jī)標(biāo)定標(biāo)定的主要參數(shù)有內(nèi)參矩陣以及畸變系數(shù)，標(biāo)定使用張正友標(biāo)定法，利用Matlab自帶的標(biāo)定工具箱toolbox_calib，標(biāo)定板用6*8棋盤格，單元格尺寸為3cm。使用待標(biāo)定的單目相機(jī)，拍攝20張圖片，將采集的圖像統(tǒng)一命名后，拷貝到toolbox_calib目錄中，如圖2.8所示。

2單目視覺定位研究19圖2.8采集的6*8棋盤格圖像利用第2.1.3節(jié)中的標(biāo)定過程，可實(shí)現(xiàn)對單目相機(jī)的標(biāo)定，標(biāo)定可視化結(jié)果如圖2.9所示。在圖2.9中，ccccOXYZ是相機(jī)坐標(biāo)系，紅色框是相機(jī)的有效視野，各種顏色的矩形框表示20張圖片。圖2.9標(biāo)定可視化結(jié)果實(shí)驗(yàn)多次采集標(biāo)定圖像，進(jìn)行多次標(biāo)定，得到多組單目相機(jī)標(biāo)定結(jié)果，論文選取了誤差項(xiàng)最小的標(biāo)定參數(shù)作為最終標(biāo)定結(jié)果為：71069410333.40770710.6042206.5869001.K（2.22）1212k0.0897，k0.2150，pp0（2.23）利用第2.1節(jié)理論，完成單目相機(jī)標(biāo)定后，可使用相機(jī)采集環(huán)境圖，對圖像進(jìn)行去畸變處理，然后使用針孔成像模型建立投影關(guān)系，進(jìn)行特征點(diǎn)提取與匹配等操作，實(shí)現(xiàn)單目視覺定位。

【參考文獻(xiàn)】：
期刊論文
[1]基于深度學(xué)習(xí)的視覺SLAM回環(huán)檢測方法[J]. 余宇,胡峰.  計(jì)算機(jī)工程與設(shè)計(jì). 2020(02)
[2]機(jī)器人超寬帶室內(nèi)定位系統(tǒng)的研究[J]. 易先軍,彭萌,耿翰夫,付龍.  自動化與儀表. 2019(12)
[3]基于單目視覺與里程計(jì)的組合室內(nèi)定位研究[J]. 方章云,袁亮,侯愛萍,吳金強(qiáng).  組合機(jī)床與自動化加工技術(shù). 2019(12)
[4]視覺SLAM中圖像特征點(diǎn)提取與匹配算法研究[J]. 陳慶偉,李民東,羅川,周軍,皇攀凌,李蕾.  現(xiàn)代制造工程. 2019(10)
[5]基于多信息融合的移動機(jī)器人定位算法[J]. 連黎明.  西南師范大學(xué)學(xué)報(bào)(自然科學(xué)版). 2019(09)
[6]ORB-SLAM系統(tǒng)優(yōu)化框架分析概述[J]. 邱笑晨,趙晨旭,張海,許輝.  導(dǎo)航定位與授時. 2019(03)
[7]多傳感器融合的智能車定位導(dǎo)航系統(tǒng)設(shè)計(jì)[J]. 李磊,肖世德,李興坤,董慶豐.  工程設(shè)計(jì)學(xué)報(bào). 2019(02)
[8]基于直接法與慣性測量單元融合的視覺里程計(jì)[J]. 劉艷嬌,張?jiān)浦?榮磊,姜浩,鄧毅.  機(jī)器人. 2019(05)
[9]視覺慣性SLAM綜述[J]. 孫永全,田紅麗.  計(jì)算機(jī)應(yīng)用研究. 2019(12)
[10]基于手眼系統(tǒng)的視覺定位研究[J]. 陸藝,郭小娟,郭斌,沈添秀.  中國測試. 2018(12)

博士論文
[1]基于多傳感器融合的室內(nèi)機(jī)器人自主導(dǎo)航方法研究[D]. 張文.中國科學(xué)技術(shù)大學(xué) 2017

碩士論文
[1]融合單目相機(jī)與IMU的SLAM研究[D]. 劉振彬.北京建筑大學(xué) 2019
[2]多傳感器融合的室內(nèi)移動機(jī)器人定位[D]. 李東軒.浙江大學(xué) 2018



本文編號：3031724