基于ROS的室內(nèi)視覺SLAM算法研究
發(fā)布時(shí)間：2021-10-23 02:35
近些年來,隨著人工智能技術(shù)的高速發(fā)展,移動(dòng)機(jī)器人在社會(huì)生活的各個(gè)領(lǐng)域內(nèi)得到了廣泛的應(yīng)用。自主移動(dòng)是移動(dòng)機(jī)器人在各行各業(yè)中應(yīng)用推廣的重要發(fā)展需求,而同時(shí)定位與地圖構(gòu)建（SLAM）是實(shí)現(xiàn)移動(dòng)機(jī)器人在未知環(huán)境下自主移動(dòng)的關(guān)鍵技術(shù)。本文主要對室內(nèi)環(huán)境下移動(dòng)機(jī)器人的視覺SLAM算法進(jìn)行研究。針對傳統(tǒng)視覺SLAM方法中存在的效率低和誤差大等問題,本文分別對其前端和后端進(jìn)行了研究,并作出改進(jìn),得到一種準(zhǔn)確性和實(shí)時(shí)性較好的室內(nèi)視覺SLAM方法。首先,在研究了機(jī)器人操作平臺(tái)（ROS）的基礎(chǔ)知識和視覺SLAM的整體框架的基礎(chǔ)上,完成了基于ROS的視覺SLAM實(shí)驗(yàn)平臺(tái)的搭建,接著研究了Kinect相機(jī)的成像模型和相機(jī)標(biāo)定方法,并在ROS環(huán)境中利用Open CV對彩色攝像頭和深度攝像頭的內(nèi)參數(shù)和外參數(shù)進(jìn)行標(biāo)定,從而使相機(jī)采集到的RGB圖像和深度圖像對齊。其次,對視覺SLAM的前端的三個(gè)環(huán)節(jié):特征提取、特征匹配、運(yùn)動(dòng)估計(jì)進(jìn)行了研究。針對運(yùn)動(dòng)估計(jì)環(huán)節(jié)中,因像素深度數(shù)據(jù)缺失導(dǎo)致傳統(tǒng)的ICP算法不能準(zhǔn)確求解相機(jī)位姿的問題,提出混合使用迭代最近點(diǎn)（ICP）和高效的n點(diǎn)透視（EPn P）算法來進(jìn)行運(yùn)動(dòng)估計(jì),進(jìn)一步提高了位...
【文章來源】：長春理工大學(xué)吉林省
【文章頁數(shù)】：71 頁
【學(xué)位級別】：碩士
【部分圖文】：
各類應(yīng)用
常見
第1章緒論2是指搭載特定的傳感器，在沒有環(huán)境先驗(yàn)信息的情況下，在運(yùn)動(dòng)過程中對自身進(jìn)行定位和對周圍環(huán)境建模的過程。按其搭載的傳感器來分，SLAM主要可以分為激光SLAM（LidarSLAM）和視覺SLAM（VisualSLAM）。相較于視覺SLAM，激光SLAM起步早，在理論上相對比較成熟，落地產(chǎn)品也更為豐富�；诩す饫走_(dá)的SLAM采用2D或3D激光雷達(dá)（或稱為單線或多線激光雷達(dá)），由于2D激光的數(shù)據(jù)可讀性差、3D激光的體積大，因此室內(nèi)機(jī)器人（如掃地機(jī)器人等），一般使用2D激光雷達(dá)；無人駕駛領(lǐng)域，一般使用3D激光雷達(dá)。常見的激光雷達(dá)如圖1.2所示。(a)(b)圖1.2激光雷達(dá)(a)2D激光雷達(dá)；(b)3D激光雷達(dá)（16/32/64線）由于激光雷達(dá)的測量誤差會(huì)隨測量距離增大而增大，因此隨著移動(dòng)機(jī)器人應(yīng)用場景復(fù)雜度的提高，激光雷達(dá)難以滿足實(shí)際應(yīng)用的需求。并且激光雷達(dá)價(jià)格昂貴，市場價(jià)格大多在幾萬到幾十萬之間，不利于大范圍的推廣使用。而視覺傳感器體積孝價(jià)格低且信息采集豐富，因而視覺SLAM成為了目前研究的一個(gè)主流方向。視覺SLAM主要分為三大類：單目SLAM、雙目（或多目）SLAM、RGB-DSLAM。視覺SLAM常用的三類傳感器如圖1.4所示。(a)(b)(c)圖1.3常見的視覺傳感器(a)單目相機(jī)；(b)雙目相機(jī)；(c)RGB-D相機(jī)
【參考文獻(xiàn)】：
期刊論文
[1]視覺SLAM綜述[J]. 權(quán)美香,樸松昊,李國. 智能系統(tǒng)學(xué)報(bào). 2016(06)
[2]基于RGB-D數(shù)據(jù)的實(shí)時(shí)SLAM算法[J]. 付夢印,呂憲偉,劉彤,楊毅,李星河,李玉. 機(jī)器人. 2015(06)
[3]融合IMU的RGBD-SLAM算法改進(jìn)研究[J]. 閔華松,楊杰. 計(jì)算機(jī)工程與設(shè)計(jì). 2015(01)
[4]一種改進(jìn)的KinectFusion三維重構(gòu)算法[J]. 朱笑笑,曹其新,楊揚(yáng),陳培華. 機(jī)器人. 2014(02)
[5]基于立體視覺的球形機(jī)器人定位方法[J]. 葉平,李自亮,孫漢旭. 控制與決策. 2013(04)
[6]無人機(jī)視覺SLAM算法及仿真[J]. 王希彬,趙國榮,寇昆湖. 紅外與激光工程. 2012(06)
[7]基于單目視覺的SLAM算法研究[J]. 溫豐,柴曉杰,朱智平,董小明,鄒偉,原魁. 系統(tǒng)科學(xué)與數(shù)學(xué). 2010(06)
本文編號：3452306
【文章來源】：長春理工大學(xué)吉林省
【文章頁數(shù)】：71 頁
【學(xué)位級別】：碩士
【部分圖文】：
各類應(yīng)用
常見
第1章緒論2是指搭載特定的傳感器，在沒有環(huán)境先驗(yàn)信息的情況下，在運(yùn)動(dòng)過程中對自身進(jìn)行定位和對周圍環(huán)境建模的過程。按其搭載的傳感器來分，SLAM主要可以分為激光SLAM（LidarSLAM）和視覺SLAM（VisualSLAM）。相較于視覺SLAM，激光SLAM起步早，在理論上相對比較成熟，落地產(chǎn)品也更為豐富�；诩す饫走_(dá)的SLAM采用2D或3D激光雷達(dá)（或稱為單線或多線激光雷達(dá)），由于2D激光的數(shù)據(jù)可讀性差、3D激光的體積大，因此室內(nèi)機(jī)器人（如掃地機(jī)器人等），一般使用2D激光雷達(dá)；無人駕駛領(lǐng)域，一般使用3D激光雷達(dá)。常見的激光雷達(dá)如圖1.2所示。(a)(b)圖1.2激光雷達(dá)(a)2D激光雷達(dá)；(b)3D激光雷達(dá)（16/32/64線）由于激光雷達(dá)的測量誤差會(huì)隨測量距離增大而增大，因此隨著移動(dòng)機(jī)器人應(yīng)用場景復(fù)雜度的提高，激光雷達(dá)難以滿足實(shí)際應(yīng)用的需求。并且激光雷達(dá)價(jià)格昂貴，市場價(jià)格大多在幾萬到幾十萬之間，不利于大范圍的推廣使用。而視覺傳感器體積孝價(jià)格低且信息采集豐富，因而視覺SLAM成為了目前研究的一個(gè)主流方向。視覺SLAM主要分為三大類：單目SLAM、雙目（或多目）SLAM、RGB-DSLAM。視覺SLAM常用的三類傳感器如圖1.4所示。(a)(b)(c)圖1.3常見的視覺傳感器(a)單目相機(jī)；(b)雙目相機(jī)；(c)RGB-D相機(jī)
【參考文獻(xiàn)】：
期刊論文
[1]視覺SLAM綜述[J]. 權(quán)美香,樸松昊,李國. 智能系統(tǒng)學(xué)報(bào). 2016(06)
[2]基于RGB-D數(shù)據(jù)的實(shí)時(shí)SLAM算法[J]. 付夢印,呂憲偉,劉彤,楊毅,李星河,李玉. 機(jī)器人. 2015(06)
[3]融合IMU的RGBD-SLAM算法改進(jìn)研究[J]. 閔華松,楊杰. 計(jì)算機(jī)工程與設(shè)計(jì). 2015(01)
[4]一種改進(jìn)的KinectFusion三維重構(gòu)算法[J]. 朱笑笑,曹其新,楊揚(yáng),陳培華. 機(jī)器人. 2014(02)
[5]基于立體視覺的球形機(jī)器人定位方法[J]. 葉平,李自亮,孫漢旭. 控制與決策. 2013(04)
[6]無人機(jī)視覺SLAM算法及仿真[J]. 王希彬,趙國榮,寇昆湖. 紅外與激光工程. 2012(06)
[7]基于單目視覺的SLAM算法研究[J]. 溫豐,柴曉杰,朱智平,董小明,鄒偉,原魁. 系統(tǒng)科學(xué)與數(shù)學(xué). 2010(06)
本文編號：3452306
本文鏈接：http://www.sikaile.net/kejilunwen/zidonghuakongzhilunwen/3452306.html
最近更新
教材專著
