移動機器人在未知的環(huán)境下完成自主導(dǎo)航,首先需要確定自身位置,即實現(xiàn)定位功能。常用的室內(nèi)定位導(dǎo)航技術(shù)有激光、慣性導(dǎo)航系統(tǒng)、紅外和WLAN等。但是由于定位精度和成本等問題,這些室內(nèi)導(dǎo)航技術(shù)并不能被廣泛應(yīng)用。視覺里程計是基于相機的光學(xué)定位技術(shù),通過圖像特征信息來推算出機器人的位姿;它價格低廉、信息量豐富。其中,基于RGB-D相機的視覺里程計,由于相機采集速度快,測量精度高,且同時可以獲得彩色信息和深度信息等優(yōu)點,己逐漸成為國內(nèi)外學(xué)者研究的熱點。但是,目前基于RGB-D相機的視覺里程計仍然存在如下問題:如通過相機獲取的深度數(shù)據(jù)存在噪聲和離群點;場景分布較為集中的情況下,特征提取與匹配的精度不高,相機的位姿變換矩陣精度估計不足;系統(tǒng)計算量大,運行速度慢,易造成跟蹤丟失等。針對以上問題,本文做出了如下相關(guān)研究。首先,對RGB-D相機的成像模型進(jìn)行研究,完成彩色攝像頭和深度攝像頭的內(nèi)外參數(shù)標(biāo)定,生成三維點云;同時針對RGB-D相機在獲取場景信息中的深度數(shù)據(jù)存在的噪聲和離群點問題,選用高斯濾波、中值濾波、雙邊濾波進(jìn)行實驗對比,以均方誤差、峰值性噪比以及濾波時間作為評價性能指標(biāo),選取綜合性能較好的雙邊濾... 

【文章來源】：安徽工程大學(xué)安徽省

【文章頁數(shù)】：63 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖１－１移動機器人應(yīng)用??

（ｃ）無人機噴灑農(nóng)藥?（ｄ）潛龍三號深海探測??圖１－１移動機器人應(yīng)用??１．２視覺里程計分類??在視覺定位中，常用的方法有基于相機類型進(jìn)行分類。如圖１．２?（ａ）所示的??單目相機〔ｍｏｎｏｃｕｌａｒ?ｃａｍｅｒａｓ）、圖?１．２?Ｃｂ）所亦的立體相機（ｓｔｅｒｅｏ?ｃａｍｅｒａｓ），??圖１．２?（ｃ）所示的ＲＧＢ－Ｄ相機。利用處理圖像特征信息方法進(jìn)行分類，如特征??法和直接法。還有根據(jù)減少實際漂移的方法，分為濾波法和非線性法。這些方法??都己廣泛的應(yīng)用于視覺里程計的設(shè)計ｔ１４－１６］。以下將具體介紹以相機分類的三種視??覺里程計類型的研宄成果。??１．２．１單目視覺里程計??單目視覺系統(tǒng)主要應(yīng)用于平面視覺，它是通過一臺相機完成對目標(biāo)的測量。??基于單目視覺里程計系統(tǒng)定位的方法，主要是利用前后不同時刻得到的兩幅圖像??進(jìn)行位姿估計，從而獲得移動機器人運動時的實時位姿。從１９８０年視覺里程計??的概念被提出

?（ｂ）立體相機?（ｃ）?ＲＧＢ－Ｄ相機??圖１－２視覺傳感器??１．３?ＲＧＢ－Ｄ視覺里程計國內(nèi)外研究現(xiàn)狀及分析??１．３．１國外研究現(xiàn)狀??早期Ｐｅｔｅｒ?Ｈｅｎｒｙ等人提出了基于ＲＧＢ－Ｄ相機的ＳＬＡＭ算法［３８］。主要利用??ＳＩＦＴ算法對相鄰兩幀的ＲＧＢ圖像進(jìn)行了特征檢測和描述子計算。并運用深度圖??像數(shù)據(jù)，得到三維特征點對之間的信息。對進(jìn)行三維特征點對進(jìn)行配準(zhǔn)時，運用??隨機米樣一致性（Ｒａｎｄｏｍ?Ｓａｍｐｌｅ?Ｃｏｎｓｅｎｓｕｓ，ＲＡＮＳＡＣ）方法，求出相關(guān)的變??換矩陣。最后，使用迭代最近點（Ｉｔｅｒａｔｉｖｅ?Ｃｌｏｓｅｓｔ?Ｐｏｉｎｔ，ＩＣＰ）方法完成對機器人位??姿運動變換的優(yōu)化。但是由于ＳＩＦＴ算法特征描述子維度過長，使特征匹配消耗??大量時間，算法的實時性很難保證。后來，Ｐｅｔｅｒ?Ｈｅｎｒｙ等又改進(jìn)之前所提的算法。??為了解決ＳＩＦＴ方法速度較慢的缺點，采用ＦＡＳＴ方法對特征進(jìn)行提取。而描述??子主要采用Ｃａｌｏｎｄｅｒ方法計算。同時對ＩＣＰ優(yōu)化設(shè)置條件，滿足匹配結(jié)果中包??含的匹配點對數(shù)目較少或者當(dāng)特征匹配失敗時才進(jìn)行優(yōu)化。??后來Ｎｉｋｏｌａｓ?Ｅｎｇｅｌｈａｒｄ等人開發(fā)出一套基于手持ｋｉｎｅｃｔ相機的ＲＧＢ－Ｄ??ＳＬＡＭ系統(tǒng)。它采用ＳＵＲＦ算法完成特征提取。在加入深度圖像中的信息后


本文編號：3596167