【摘要】：同時(shí)定位與地圖構(gòu)建(Simultaneous Localization and Mapping,SLAM)是移動(dòng)機(jī)器人實(shí)現(xiàn)真正全自主運(yùn)動(dòng)的關(guān)鍵技術(shù)。近年來,以RGB-D相機(jī)作為傳感器的SLAM算法已成為機(jī)器人領(lǐng)域的研究熱點(diǎn)。目前,RGB-D SLAM算法已經(jīng)取得了巨大的發(fā)展,但是仍然存在以下幾個(gè)問題:(1)特征點(diǎn)匹配正確率低且效率不高;(2)單一的視覺里程計(jì)算法對(duì)多種場(chǎng)景的適應(yīng)性不高;(3)回環(huán)檢測(cè)效率及準(zhǔn)確率低下。針對(duì)以上的問題,本文的主要研究?jī)?nèi)容如下:針對(duì)特征點(diǎn)匹配的正確率低且效率不高的問題,本文提出一種改進(jìn)的特征點(diǎn)匹配算法,該算法在特征點(diǎn)匹配之前先對(duì)隨機(jī)采樣的樣本進(jìn)行篩選,以剔除明顯錯(cuò)誤的匹配點(diǎn)對(duì),在提升匹配算法正確率的同時(shí)可以減少RANSAC的迭代次數(shù),從而降低特征匹配所需的時(shí)間。在TUM數(shù)據(jù)集上的匹配實(shí)驗(yàn)結(jié)果表明,改進(jìn)后的算法能夠有效的提高特征匹配的正確率和效率。針對(duì)單一的視覺里程計(jì)算法對(duì)多種場(chǎng)景的適應(yīng)性不高的問題,本文提出了一種改進(jìn)的視覺里程計(jì)算法,并提出了該算法的選擇策略,這種選擇策略可以根據(jù)不同場(chǎng)景自動(dòng)切換相應(yīng)的視覺里程計(jì)算法,從而提高該算法對(duì)環(huán)境的適應(yīng)能力。在大量的TUM數(shù)據(jù)集上的相機(jī)跟蹤實(shí)驗(yàn)結(jié)果表明,與單一的視覺里程計(jì)算法相比,該算法對(duì)各種場(chǎng)景的適應(yīng)性更高。針對(duì)BoW模型的回環(huán)檢測(cè)算法容易受到視覺詞典大小的限制而導(dǎo)致的檢測(cè)效率及準(zhǔn)確率低下的問題,本文提出了一種改進(jìn)的回環(huán)檢測(cè)算法,該算法采用關(guān)鍵幀到局部地圖的回環(huán)檢測(cè)模式,并引入視覺詞典樹的形式對(duì)場(chǎng)景進(jìn)行描述,加快特征的搜索速度,在提升回環(huán)檢測(cè)效率的同時(shí)引入了真假回環(huán)的確認(rèn)方法,從而提升回環(huán)檢測(cè)的準(zhǔn)確率。在TUM數(shù)據(jù)集上的回環(huán)檢測(cè)實(shí)驗(yàn)結(jié)果表明,改進(jìn)后的算法能夠有效的提高回環(huán)檢測(cè)的效率和準(zhǔn)確率。本文所有的算法都在TUM公開數(shù)據(jù)集上進(jìn)行了實(shí)驗(yàn)。對(duì)于特征匹配及回環(huán)檢測(cè)模塊的改進(jìn)算法,主要從實(shí)時(shí)性和魯棒性方面,與傳統(tǒng)的算法進(jìn)行實(shí)驗(yàn)對(duì)比分析;對(duì)于改進(jìn)的視覺里程計(jì)算法,主要對(duì)多種場(chǎng)景的適應(yīng)性方面進(jìn)行實(shí)驗(yàn)驗(yàn)證。最后,從算法整體的性能來看,本文的算法優(yōu)于傳統(tǒng)的RGB-D SLAM算法。
【學(xué)位授予單位】：長(zhǎng)春理工大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2019
【分類號(hào)】：TP242
【圖文】：

1.1 選題背景及研究的目的和意義近年來，隨著科學(xué)技術(shù)的發(fā)展，機(jī)器人行業(yè)也得到了迅速的發(fā)展并且日趨智能化，除了應(yīng)用于機(jī)械、化工、汽車等方面的工業(yè)機(jī)器人，還有應(yīng)用于科學(xué)研究、家庭服務(wù)、醫(yī)療救援、娛樂教育等方面的民用機(jī)器人，如圖 1.1 所示。這些機(jī)器人需要具備更高的自動(dòng)化和智能化的程度，其應(yīng)用將不僅豐富了人類的生活，更能幫助人類探索惡劣或危險(xiǎn)的環(huán)境，推動(dòng)著科技、工業(yè)生產(chǎn)的進(jìn)步。a) SEEGRID VGV 叉車 b) Waymo 無(wú)人車 c) 大疆精靈無(wú)人機(jī)

環(huán)境中無(wú)法通過 GPS 技術(shù)獲得移動(dòng)機(jī)器人的定位信息[2]。這些特殊的場(chǎng)景限機(jī)器人的使用，想讓移動(dòng)機(jī)器人在這些特殊的場(chǎng)景下如同人一樣獨(dú)立自主需要其具備自主定位和建圖的能力。最初，人們對(duì)移動(dòng)機(jī)器人的定位和建圖的研究是相互獨(dú)立的，后來，研究者者的緊密聯(lián)系，即準(zhǔn)確的建圖來自精確的定位，精確的定位來自準(zhǔn)確的建相依賴，不可分割。目前，學(xué)術(shù)界把這個(gè)問題稱同時(shí)定位與地圖構(gòu)建(Simultlization and Mapping，SLAM)[3]。SLAM 是指當(dāng)某種移動(dòng)設(shè)備從一個(gè)未知環(huán)知地點(diǎn)出發(fā)，在運(yùn)動(dòng)過程中通過自身攜帶的傳感器建立出周圍的環(huán)境模型出自己的運(yùn)動(dòng)。進(jìn)一步，如果這里的傳感器為相機(jī)，那就稱為視覺 SLAMM，VSLAM)。自 Smith 第一次提出 SLAM 問題以來[4]，越來越多的研究者個(gè)問題的解決方案中，SLAM 也被視為在未知環(huán)境中移動(dòng)機(jī)器人實(shí)現(xiàn)自主導(dǎo)技術(shù)[5]。然而，對(duì)于 SLAM 的實(shí)現(xiàn)，主要是通過移動(dòng)機(jī)器人攜帶的傳感器，如激光器、聲納、加速度計(jì)、陀螺儀、相機(jī)等，其中激光雷達(dá)和相機(jī)的 SLAM 研究，其構(gòu)建的場(chǎng)景地圖如圖 1.2 所示。

【參考文獻(xiàn)】

相關(guān)期刊論文 前2條

1 付夢(mèng)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

2 王忠立;趙杰;蔡鶴皋;;大規(guī)模環(huán)境下基于圖優(yōu)化SLAM的后端優(yōu)化方法[J];哈爾濱工業(yè)大學(xué)學(xué)報(bào);2015年07期

相關(guān)碩士學(xué)位論文 前8條

1 王健;基于Kinect的手勢(shì)識(shí)別及人機(jī)互動(dòng)[D];南京郵電大學(xué);2018年

2 仇全會(huì);基于RGB-D相機(jī)的SLAM算法研究[D];山東大學(xué);2018年

3 劉康;大尺度視覺SLAM的光束平差算法研究[D];北京郵電大學(xué);2018年

4 杜鵬飛;基于圖優(yōu)化的單目視覺SLAM關(guān)鍵技術(shù)研究[D];浙江大學(xué);2018年

5 袁帥英;基于RGB-D的人臉識(shí)別[D];山西大學(xué);2017年

6 王劍楠;基于RGB-D圖像的SLAM問題關(guān)鍵技術(shù)研究[D];南京航空航天大學(xué);2017年

7 辛冠希;基于RGB-D攝像機(jī)的同步定位與建圖研究[D];哈爾濱工業(yè)大學(xué);2016年

8 劉嬌;基于Kinect的骨骼追蹤及肢體動(dòng)作識(shí)別研究[D];西安工業(yè)大學(xué);2016年

本文編號(hào)：2721829