機器人技術(shù)是代表現(xiàn)代科技發(fā)展的一項綜合技術(shù),包括了信息化技術(shù)、智能化技術(shù)、機械自動化技術(shù)等等。隨著社會的發(fā)展技術(shù)的演進,人工智能技術(shù)的研究成為了現(xiàn)如今的一個熱點方向�；谌斯ぶ悄軝C器視覺的同步定位與建圖（Simultaneous Localization and Mapping,SLAM）算法采用了雙目或深度相機進行類似人眼一樣的數(shù)據(jù)采集并對其分析處理,為機器人更加智能的導航和交互提供了有效輸入。運動規(guī)劃算法則有更悠久的歷史,這些年來新的解決方案不斷問世為機器人自動化領(lǐng)域提供了豐富的算法參考。這些技術(shù)在無人駕駛、智能制造、無人機等領(lǐng)域的應用十分廣泛。本文主要研究了當前SLAM算法的基本原理,提出了融合深度視覺與慣導傳感器的SLAM系統(tǒng),相比于單傳感器SLAM系統(tǒng)而言提高了定位精度。還提出了基于生長型四叉樹的二維投影建圖算法,設(shè)計了適配SLAM框架輸出的A*路徑代價計算方法,完成了機器人從定位建圖到機器人路徑規(guī)劃的完整系統(tǒng)搭建。從實驗來看,本文方法提高了定位精度和建圖效率,改進了機器人的導航算法。本文主要的內(nèi)容如下:1.現(xiàn)有未進行傳感器融合的SLAM方案對于誤差的估計精度有限,且魯棒性差... 

【文章來源】：西南大學重慶市 211工程院校 教育部直屬院校

【文章頁數(shù)】：81 頁

【學位級別】：碩士

【部分圖文】：

搭載SLAM算法的地面機器人在生活產(chǎn)業(yè)中的應用

西南大學碩士學位論文4同年，蘇黎世大學的Scaramuzza教授也發(fā)表了論文，論述了一種新的視覺里程計方法SVO(Semi-DirectMonocularVisualOdometry)[13]，該方法混合利用了特征點法和直接法，跟蹤了一些關(guān)鍵點，再對這些描述子進行直接法的操作，相當于對直接法進行了一定的稀疏化，該方法在無人機領(lǐng)域和圖像重復度高的場景有著不錯的表現(xiàn)。圖1.2LSD-SLAM稠密點云圖構(gòu)建效果到了2015年，SLAM領(lǐng)域具有里程碑的系統(tǒng)誕生了，ORB-SLAM[14]由Raul等人完成，該系統(tǒng)重構(gòu)了PTAM框架，改進了其中較多模塊。如名字所呈現(xiàn)的一樣，該系統(tǒng)利用了ORB(OrientedFASTandRotatedBRIEF)[15]特征點作為匹配算子，是一種改進后的FAST角點。ORB由關(guān)鍵點和描述子構(gòu)成，增加了角點主方向的計算，實現(xiàn)了旋轉(zhuǎn)不變性。提高了SLAM前端里程計的實踐效果。ORB-SLAM優(yōu)化了地圖初始化功能，關(guān)鍵幀檢測等功能，還增加了回環(huán)檢測功能�；丨h(huán)檢測是一種利用詞袋完成的累積誤差修正算法。通俗來講意味著機器人走到了以前走過的地方，并根據(jù)以前發(fā)現(xiàn)的特征點從而修正一直以來的累積誤差。該功能一定程度上解決了SLAM領(lǐng)域累積誤差處理的問題�？偠灾琌RB-SLAM在處理速度、追蹤效果和位姿精度求解方面均取得了不錯的效果，較之前的工作而言。ORB-SLAM是一個非常完整且優(yōu)秀的框架。但是，即使是ORB-SLAM框架建立的地圖也是由稀疏點構(gòu)成的，無法標識障礙物和通行區(qū)，且在移動快速的場景下容易出現(xiàn)跟蹤丟失的情況，難以完成真正的機器人導航工作。2015年自從ORB-SLAM出現(xiàn)之后，研究逐漸變得更加細致，新型的SLAM框架層出不窮。對于前端里程計的創(chuàng)新，Ruben博士為了改進ORB特征點在低紋理的場景下容易失效的問題提出了PL-SLAM[16]系統(tǒng)，該系統(tǒng)利用了特征線做匹配豐富了匹配功能。還有從?

把芯勘冉先讓諾姆較潁?鈧??氖荌MU與視覺SLAM融合的問題，Ethz的MSF[18]給出了一種松耦合的優(yōu)化方案，將IMU與視覺傳感器作為單獨的模塊得到兩個獨立的位姿值，再通過EKF或者粒子濾波的方法進行綜合優(yōu)化。計算復雜度較小，擴展性強，然而優(yōu)化效果一般。而更為熱門的是一種緊耦合方案，如著名的系統(tǒng)ROVIO[19]、MSCKF[20]以及雙目視覺融合IMU的OKVIS[21]，該方法是建立一個統(tǒng)一的損失函數(shù)，利用滑動窗口法同時優(yōu)化IMU和視覺傳感器的位姿。該方法計算復雜度比較高，擴展性差但是優(yōu)化效果比較優(yōu)秀，是目前研究的熱點方向。圖1.3融合慣性傳感器與雙目相機的OKVIS跟蹤定位運行圖在地圖構(gòu)建模塊方面，SLAM領(lǐng)域中最初構(gòu)建的是稠密點云地圖，此類地圖難以進行直接應用，且地圖數(shù)據(jù)占有量大無法實時更新，無論是人還是機器人觀察起來都并不方便。后來，由于利用八叉樹數(shù)據(jù)結(jié)構(gòu)可以壓縮三維地圖的存儲，弗里堡大學的Wurm和Kai合作編寫了octomap類庫[22]，該類庫是利用貝葉斯概

【參考文獻】：
期刊論文
[1]基于改進遺傳算法的移動機器人路徑規(guī)劃[J]. 宋宇,王志明.  現(xiàn)代電子技術(shù). 2019(24)
[2]基于跟蹤—關(guān)聯(lián)模塊的多目標跟蹤方法研究[J]. 周亮,李靜,楊飛.  西南大學學報(自然科學版). 2018(04)
[3]基于數(shù)據(jù)融合的SLAM系統(tǒng)研究與路徑規(guī)劃實現(xiàn)[J]. 賴秋玲,禹素萍,丁紳一.  電腦知識與技術(shù). 2017(33)
[4]基于ORB-SLAM的室內(nèi)機器人定位和三維稠密地圖構(gòu)建[J]. 侯榮波,魏武,黃婷,鄧超鋒.  計算機應用. 2017(05)
[5]基于Huber的高階容積卡爾曼跟蹤算法[J]. 張文杰,王世元,馮亞麗,馮久超.  物理學報. 2016(08)
[6]基于改進人工勢場法的移動機器人路徑規(guī)劃[J]. 鄧學強.  山東理工大學學報(自然科學版). 2014(01)
[7]基于改進A*算法的室內(nèi)移動機器人路徑規(guī)劃[J]. 王殿君.  清華大學學報(自然科學版). 2012(08)
[8]動態(tài)環(huán)境下基于路徑規(guī)劃的機器人同步定位與地圖構(gòu)建[J]. 弋英民,劉丁.  機器人. 2010(01)
[9]基于遺傳模擬退火算法的靜態(tài)路徑規(guī)劃研究[J]. 黃席樾,蔣卓強.  重慶工學院學報(自然科學版). 2007(06)
[10]反求三次B樣條曲線控制頂點的一種快速算法[J]. 吳光亞,王小華.  杭州電子科技大學學報. 2005(03)

碩士論文
[1]基于三維視覺的SLAM技術(shù)研究[D]. 曾創(chuàng).電子科技大學 2018
[2]基于A*算法的路徑規(guī)劃算法研究[D]. 彭澎.安徽工業(yè)大學 2018
[3]基于動態(tài)A*路徑規(guī)劃算法的移動機器人室內(nèi)定位方法研究[D]. 王春生.北京工業(yè)大學 2017
[4]動態(tài)環(huán)境下移動機器人導航技術(shù)研究[D]. 張亮.武漢科技大學 2013



本文編號：3519831