本文關(guān)鍵詞： 移動(dòng)機(jī)器人 嵌入式系統(tǒng) SLAM 計(jì)算機(jī)視覺 CUDA　出處：《哈爾濱工業(yè)大學(xué)》2017年碩士論文　論文類型：學(xué)位論文

【摘要】：解決機(jī)器人在未知環(huán)境中的定位問題,是實(shí)現(xiàn)機(jī)器人智能化的關(guān)鍵。針對(duì)消費(fèi)級(jí)室內(nèi)移動(dòng)機(jī)器人的設(shè)計(jì)需求,為了使其利用機(jī)載傳感器在未知的室內(nèi)環(huán)境中實(shí)現(xiàn)定位并降低制造成本,本文討論了如何利用視覺傳感器與嵌入式處理器,實(shí)現(xiàn)基于視覺的同步地圖構(gòu)建與定位算法。本文首先介紹了視覺SLAM算法的原理,將其分為前端方案與后端方案兩部分進(jìn)行可行性討論。在前端方案部分,討論了特征法與直接法視覺里程計(jì)的優(yōu)缺點(diǎn),通過實(shí)驗(yàn)比較了各種主流特征點(diǎn)的運(yùn)算速度與匹配性能,選擇了雙目攝像頭作為視覺傳感器,并以基于ORB的特征法視覺里程計(jì)作為前端方案;在后端方案部分,分析了回環(huán)檢測的必要性,討論了以EKF為代表的濾波法和以圖優(yōu)化法為代表的優(yōu)化法,選擇了圖優(yōu)化法作為后端方案。根據(jù)方案論證,本文選擇了ORB SLAM算法作為嵌入式視覺SLAM的實(shí)現(xiàn)方案,分析了ORB SLAM算法流程,并將其移植到Nvidia Tegra K1嵌入式板卡中。針對(duì)算法在嵌入式系統(tǒng)中運(yùn)算效率較差、計(jì)算精度較低的問題,對(duì)代碼進(jìn)行了優(yōu)化與參數(shù)調(diào)整,并利用基于CUDA的GPU加速技術(shù)對(duì)ORB特征的提取與匹配進(jìn)行加速,提高了算法在嵌入式系統(tǒng)中的運(yùn)行效果,增加了該系統(tǒng)的實(shí)用性。為了評(píng)估定位算法的實(shí)時(shí)性和有效性,在嵌入式視覺SLAM算法中進(jìn)行EuRoC雙目視覺數(shù)據(jù)集測試。通過對(duì)輸出軌跡的定量分析,證明了算法移植與優(yōu)化的有效性。最后將雙目攝像頭與嵌入式板卡組合成完整的室內(nèi)定位系統(tǒng),利用磁導(dǎo)軌車進(jìn)行室內(nèi)環(huán)境下的場地測試實(shí)驗(yàn),證明了基于視覺的嵌入式室內(nèi)定位系統(tǒng)的有效性。
[Abstract]:To solve the problem of robot location in unknown environment is the key to realize robot intelligence. In order to use airborne sensors to locate in unknown indoor environment and reduce manufacturing cost, this paper discusses how to use vision sensors and embedded processors. This paper first introduces the principle of visual SLAM algorithm, and divides it into two parts: front-end scheme and back-end scheme for feasibility discussion. The advantages and disadvantages of the feature method and the direct method are discussed. The computing speed and matching performance of various mainstream feature points are compared through experiments. The binocular camera is chosen as the vision sensor. In the back end part, the necessity of loop back detection is analyzed, and the filtering method represented by EKF and the optimization method represented by graph optimization method are discussed. This paper chooses the graph optimization method as the back-end scheme. According to the scheme demonstration, this paper chooses the ORB SLAM algorithm as the implementation scheme of embedded visual SLAM, and analyzes the ORB SLAM algorithm flow. The algorithm is transplanted to the Nvidia Tegra K1 embedded board. The code is optimized and the parameters are adjusted in order to solve the problem of poor operation efficiency and low accuracy of the algorithm in the embedded system. GPU acceleration technology based on CUDA is used to accelerate the extraction and matching of ORB features, which improves the running effect of the algorithm in embedded system and increases the practicability of the system. The EuRoC binocular visual data set is tested in embedded visual SLAM algorithm. Finally, the binocular camera and the embedded board are combined into a complete indoor positioning system, and the magnetic guide rail vehicle is used to carry out the field test experiment in the indoor environment. The validity of embedded indoor positioning system based on vision is proved.
【學(xué)位授予單位】：哈爾濱工業(yè)大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2017
【分類號(hào)】：TP391.41;TP242

【參考文獻(xiàn)】

相關(guān)期刊論文 前5條

1 林連秀;葉蕓;姚劍敏;郭太良;;基于ORB-SLAM的移動(dòng)機(jī)器人嵌入式實(shí)現(xiàn)與優(yōu)化[J];微型機(jī)與應(yīng)用;2017年05期

2 付夢印;呂憲偉;劉彤;楊毅;李星河;李玉;;基于RGB-D數(shù)據(jù)的實(shí)時(shí)SLAM算法[J];機(jī)器人;2015年06期

3 王忠立;趙杰;蔡鶴皋;;大規(guī)模環(huán)境下基于圖優(yōu)化SLAM的圖構(gòu)建方法[J];哈爾濱工業(yè)大學(xué)學(xué)報(bào);2015年01期

4 黃開宏;楊興銳;曾志文;盧惠民;鄭志強(qiáng);;基于ROS戶外移動(dòng)機(jī)器人軟件系統(tǒng)構(gòu)建[J];機(jī)器人技術(shù)與應(yīng)用;2013年04期

5 羅榮華,洪炳昒;基于信息融合的同時(shí)定位與地圖創(chuàng)建研究[J];哈爾濱工業(yè)大學(xué)學(xué)報(bào);2004年05期

相關(guān)博士學(xué)位論文 前2條

1 林睿;基于圖像特征點(diǎn)的移動(dòng)機(jī)器人立體視覺SLAM研究[D];哈爾濱工業(yè)大學(xué);2011年

2 孟旭炯;基于單目視覺的同時(shí)定位與地圖重建算法研究[D];浙江大學(xué);2010年

相關(guān)碩士學(xué)位論文 前7條

1 余杰;基于ORB關(guān)鍵幀閉環(huán)檢測算法的SLAM方法研究[D];浙江工業(yè)大學(xué);2016年

2 毛星云;基于OpenCV的GPU并行加速圖像匹配算法研究[D];南京航空航天大學(xué);2016年

3 李貴亞;基于立體視覺的機(jī)器人SLAM算法研究[D];哈爾濱工業(yè)大學(xué);2015年

4 張彥珍;基于g2o的SLAM后端優(yōu)化算法研究[D];西安電子科技大學(xué);2014年

5 趙立雙;基于DSP的單目視覺定位方法關(guān)鍵技術(shù)研究[D];國防科學(xué)技術(shù)大學(xué);2011年

6 徐寧;單目攝像頭實(shí)時(shí)視覺定位[D];上海交通大學(xué);2008年

7 鞠玉江;基于單目視覺的家庭機(jī)器人全局定位研究[D];哈爾濱工業(yè)大學(xué);2006年

，

本文編號(hào)：1499133