本文關鍵詞：移動機器人三維面特征地圖創(chuàng)建關鍵技術研究

  更多相關文章： 三維面特征地圖創(chuàng)建 圖像分割 閉環(huán)檢測 地圖優(yōu)化

【摘要】：針對室內外環(huán)境存在大量平面特征這一特點,而且點特征容易受光照等因素的影響,比如當光線偏暗時或在光滑的墻面上,局部的點特征有時不足甚至不出現(xiàn)。針對以上問題,提出基于平面特征的三維地圖創(chuàng)建的方法。根據配準結果,為了減少誤差,提出了基于平面特征匹配的閉環(huán)檢測方法,檢測到閉環(huán)后,對地圖實行全局優(yōu)化。主要工作如下：首先,在Ubuntu下,搭建好地圖創(chuàng)建的平臺,軟件平臺包括一些視覺庫:PCL,OpenCV,ROS等,硬件平臺包括Kinect相機與相機的搭載平臺Pioneer第二代。其次,對獲取的點云數據進行平面檢測,采用了基于PCA的區(qū)域增長法進行三維平面分割。先通過PCA(主成分分析法)進行法向量估計,求取了具有相同法向量方向的點云擬合成局部平面,當局部平面滿足法向量夾角和到坐標原點的距離的約束條件后,再通過區(qū)域增長法進行局部平面合并,實現(xiàn)三維點云的平面分割,提取出平面特征。在分割的基礎上引入了完整平面片,利用完整平面片包含了圖像幀所具有的豐富信息,選擇三對兩兩互不平行的平面片代替圖像幀來進行配準。通過三個約束關系,找到兩幀圖像中的完整平面片的對應關系,計算幀間的位姿關系(旋轉矩陣和平移矩陣),實現(xiàn)圖像配準。但是由于圖像配準中存在累計誤差,使地圖存在漂移,故需要進一步優(yōu)化地圖。針對以上問題,本文結合實際情況,提出先用歐式距離找到當前幀的鄰域,然后對鄰域范圍內的幀創(chuàng)新性地采用基于平面特征匹配的閉環(huán)檢測方法。存儲先采集的圖像幀的平面特征,提取后面采集圖像幀的平面特征,并與之前所有幀的平面特征匹配。滿足設定的三個閾值條件后,即認為匹配成功,檢測到了閉環(huán)。檢測到閉環(huán)后,在閉環(huán)中利用梯度下降(SGD,Stochastic Gradient Descent)的方法對地圖進行優(yōu)化。更新當前幀,通過實驗結果,可以看出,地圖的顯示效果明顯有所改善。
【關鍵詞】：三維面特征地圖創(chuàng)建 圖像分割 閉環(huán)檢測 地圖優(yōu)化
【學位授予單位】：湖南大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：TP242
【目錄】：

• 摘要5-6
• Abstract6-10
• 第1章 緒論10-15
• 1.1 論文的研究背景及意義10-11
• 1.2 機器人地圖創(chuàng)建發(fā)展以及研究現(xiàn)狀11-13
• 1.3 本文研究內容與結構安排13-15
• 1.3.1 研究內容13-14
• 1.3.2 論文結構安排14-15
• 第2章 三維地圖創(chuàng)建研發(fā)平臺及數據預處理15-23
• 2.1 移動機器人硬件平臺15
• 2.1.1 Pioneer移動機器人整體實驗平臺15
• 2.2 三維視覺信息獲取裝置15-17
• 2.2.1 Kinect的結構組成15-16
• 2.2.2 Kinect for SDK介紹16-17
• 2.2.3 Kinect工作原理17
• 2.3 三維地圖創(chuàng)建的軟件平臺17-19
• 2.3.1 點云庫PCL17-18
• 2.3.2 計算機視覺庫OpenCV18-19
• 2.3.3 機器人操作系統(tǒng)ROS19
• 2.4 點云數據獲取19-20
• 2.5 數據預處理20-22
• 2.5.1 噪聲分析20-21
• 2.5.2 點云數據去噪處理21-22
• 2.6 本章小結22-23
• 第3章 三維點云平面分割23-34
• 3.1 三維點云平面特征提取的關鍵技術23-24
• 3.2 基于PCA的區(qū)域增長三維分割法24-31
• 3.2.1 平面檢測的總體方案24-25
• 3.2.2 平面模型定義25-26
• 3.2.3 基于PCA的三維點云法向量估計26-29
• 3.2.4 基于區(qū)域增長的分割方法29-31
• 3.3 實驗結果31-33
• 3.6 小結33-34
• 第4章 基于平面特征配準的關鍵技術研究34-52
• 4.1 基于ICP算法的三維點云配準34-38
• 4.1.1 ICP算法原理35-36
• 4.1.2 ICP算法特性分析以及各種改進36-38
• 4.2 基于平面特征的三維點云配準38-46
• 4.2.1 平面特征匹配整體方案38-39
• 4.2.2 平面片面積計算39-42
• 4.2.3 基于平面特征配準42-45
• 4.2.4 基于平面特征配準的三維運動求解45-46
• 4.3 配準實驗結果分析46-50
• 4.4 小結50-52
• 第5章 閉環(huán)檢測及優(yōu)化52-66
• 5.1 閉環(huán)檢測52-58
• 5.1.1 閉環(huán)檢測定義52-53
• 5.1.2 閉環(huán)檢測的關鍵問題53
• 5.1.3 閉環(huán)檢測的方法現(xiàn)狀53-54
• 5.1.4 本文閉環(huán)檢測方案54-58
• 5.1.5 閉環(huán)檢測結果58
• 5.2 全局優(yōu)化58-65
• 5.2.1 圖優(yōu)化方法概述58-60
• 5.2.2 基于梯度下降法的圖優(yōu)化60-62
• 5.2.3 優(yōu)化結果62-65
• 5.3 小結65-66
• 總結與展望66-68
• 參考文獻68-73
• 附錄A 攻讀學位期間發(fā)表的學術論文73-74
• 致謝74

，

本文編號：847830