在計算機視覺創(chuàng)立之初,人們就期盼著有朝一日計算機能夠像人一樣,通過雙眼去觀察世界,理解周圍的事物,探索未知的環(huán)境,完成導航的任務。隨著人工智能和機器學習技術的迅速發(fā)展,移動機器人視覺同時定位與地圖構建(simultaneous localization and mapping,SLAM)與室內(nèi)導航已經(jīng)成為了機器人研究領域的重點研究方向。因此,本文研究基于Kinect的移動機器人視覺SLAM與室內(nèi)導航研究具有重要的理論意義和實際應用價值。本文的主要工作如下:首先,對移動機器人研究現(xiàn)狀、導航技術及常用傳感器展開研究,選擇機器人操作系統(tǒng)(Robot Operating System,ROS)為系統(tǒng)軟件平臺,Kinect相機作為環(huán)境信息獲取設備,完成了基于Kinect的移動機器人視覺SLAM與室內(nèi)導航方案的設計。其次,針對迭代最近點(Iterative Closest Points,ICP)算法存在易陷入局部最優(yōu)、匹配誤差大等問題,提出了一種新的歐氏距離和角度閾值雙重限制方法完成點云的精確匹配;為消除視覺SLAM中產(chǎn)生的累積誤差,改進了回環(huán)檢測中相似性得分函數(shù),減小感知歧義,提高閉環(huán)的識別率;在...

【文章頁數(shù)】：86 頁

【學位級別】：碩士

【部分圖文】：

圖2.4經(jīng)典的視覺SLAM框架

圖2.4經(jīng)典的視覺SLAM框架里程計程計主要解決的是根據(jù)相機獲取的相鄰圖像來估計相機的運圖像之間的相機運動，因此視覺里程計一旦估算出當前時刻和后面的圖像序列有任何信息關聯(lián)，且視覺里程計只是估計鄰兩幀之間的運動估計一定存在誤差。如果忽略誤差的影響內(nèi)環(huán)境獲取到的圖像序列“串聯(lián)....

圖2.5累積誤差與回環(huán)檢測的校正結(jié)果

環(huán)檢測亦被稱為閉環(huán)檢測，和后端優(yōu)化共同處理前端的噪聲，是一識別自身曾到過地方的能力，其實質(zhì)是檢測觀測數(shù)據(jù)之間的相似性AM系統(tǒng)中，移動機器人在室內(nèi)環(huán)境中構建地圖，通常會重復經(jīng)過同言之，機器人要建立完整的地圖，一定會形成回環(huán)。機器人從一個繞室內(nèi)行走一圈又回到起始位置，回環(huán)檢測做的就....

圖2.6不同地圖表現(xiàn)形式

16c.稠密地圖d.拓撲地圖圖2.6不同地圖表現(xiàn)形式.3.2移動服務機器人路徑規(guī)劃技術1.柵格法柵格法是通過在二維空間下的很多規(guī)模相同的柵格來描述機器人運行環(huán)境個障礙物在柵格地圖內(nèi)都占據(jù)一定的面積，設為iP，通過設置柵格閾值cP將物區(qū)域與自由區(qū)域進行區(qū)分[43]....

圖2.7地圖柵格化

{01icicPPiPPCV<≥=表示為自由區(qū)域，1表示為障礙區(qū)域行簡化，生成的地圖既簡潔，又能正地圖環(huán)境，會直接影響尋找路徑的速圖的精度，這可能會導致不能正確規(guī)劃其重要。

本文編號：4021959