隨著智能移動機(jī)器人在人們生活中的廣泛應(yīng)用,機(jī)器人的自主導(dǎo)航能力不斷提高。而實(shí)現(xiàn)機(jī)器人自主導(dǎo)航的關(guān)鍵技術(shù)就是同時定位與地圖創(chuàng)建,即SLAM技術(shù)。以微軟研發(fā)的Kinect為代表的深度相機(jī),不僅能夠獲取所處環(huán)境的彩色圖像,同時還能獲取彩色圖對應(yīng)的深度信息,加快了數(shù)據(jù)處理過程�；谏疃认鄼C(jī)的SLAM研究是機(jī)器人自主導(dǎo)航領(lǐng)域的一個重點(diǎn)研究方向。本文針對傳統(tǒng)RGB-D SLAM方法存在的相鄰圖像幀之間,特征點(diǎn)匹配錯誤率高、效率低、誤匹配去除效果不好、相機(jī)估計(jì)軌跡與真實(shí)軌跡之間誤差大等問題,在原RGB-D SLAM基礎(chǔ)上進(jìn)行改進(jìn),提出一種準(zhǔn)確性、實(shí)時性和魯棒性較好的RGB-D SLAM方法。本文具體的研究內(nèi)容如下:首先,對ORB特征提取算法進(jìn)行研究,針對ORB算法特征點(diǎn)特征匹配精度不高、還需計(jì)算描述子方向等問題,提出一種改進(jìn)的ORB算法,并采用光照不同、旋轉(zhuǎn)角度不同、尺度不同和光照、尺度、旋轉(zhuǎn)均不同的四組圖像,對改進(jìn)的ORB算法進(jìn)行仿真實(shí)驗(yàn),實(shí)驗(yàn)證明改進(jìn)的ORB算法相比于原算法正確匹配率提高了5%到15%,耗時降低了50%,提升了圖像幀間匹配的速度,滿足實(shí)時性和準(zhǔn)確性的要求。其次,針對RANSAC算... 

【文章來源】：燕山大學(xué)河北省

【文章頁數(shù)】：67 頁

【學(xué)位級別】：碩士

【部分圖文】：

掃地機(jī)器人和無人駕駛汽車移動機(jī)器人自主探索所處環(huán)境，需要解決一個關(guān)鍵問題：根據(jù)自身傳感器信息

燕山大學(xué)工程碩士學(xué)位論文8積求解，ORB算法將原始圖像分解成8層不同的尺度圖像，其中圖像的初始比例因子為1.2，公式如下。x,y,,()=G(xyL)I(,,xy)(2-1)其中，初始圖象表示為(,)，圖像提取的特征點(diǎn)表示為(,)，原始圖像經(jīng)過不同的高斯函數(shù)(,,)，處理得到每層尺度圖像(,,)。式中高斯核函數(shù)為：222221,(),2xyxyGe+=(2-2)上式中標(biāo)準(zhǔn)差σ代表圖像的不同的尺度信息，值越大表示圖像的模糊程度越大，ORB算法為保證特征點(diǎn)的尺度信息，對原始圖像進(jìn)行模糊處理得到不同尺度的8層圖像。(2)特征點(diǎn)提取圖像特征點(diǎn)表示圖像中灰度值變化大的點(diǎn)，比如較低灰度值區(qū)域中高灰度值的點(diǎn)，或者圖像中物體的邊緣點(diǎn)。FAST算法根據(jù)圖像點(diǎn)的灰度值進(jìn)行特征點(diǎn)提齲以候選點(diǎn)為中心，將其周邊半徑為3像素的區(qū)域內(nèi)的16個像素點(diǎn)和候選點(diǎn)的灰度值進(jìn)行比較，以此來提取特征點(diǎn)。如圖2-2所示。圖2-2FAST特征點(diǎn)提取示意圖由圖可知，候選點(diǎn)圓周上16個點(diǎn)，只要16個點(diǎn)中有n個點(diǎn)的像素值同時大于或同時小于候選點(diǎn)的像素值，就可以判定候選點(diǎn)為特征點(diǎn)，一般只要滿足有9個點(diǎn)即可。FAST算法為了加快特征點(diǎn)提取的速度，首先判斷垂直方向上1、9兩個點(diǎn)的像素值于候選點(diǎn)的關(guān)系，如果同時滿足像素值大于候選點(diǎn)或者同時小于候選點(diǎn)，那么在判斷水平方向上的5和13兩個點(diǎn)的像素值與候選點(diǎn)的關(guān)系，在這四個點(diǎn)中至多有兩個點(diǎn)滿足上述條件，那么此候選點(diǎn)不是特征點(diǎn)，四個點(diǎn)中有至少3個點(diǎn)滿足上

第2章改進(jìn)的ORB特征提取算法13由上述步驟可以得到描述子，滿足尺度不變性、光照不變性和旋轉(zhuǎn)不變性。當(dāng)前后兩幀圖像提取應(yīng)用改進(jìn)的ORB算法提取得到特征點(diǎn)和描述子之后，根據(jù)描述子之間的歐幾里得距離進(jìn)行特征點(diǎn)匹配。設(shè)K維空間的定義域?yàn)镽，值域?yàn)镈，E是K維空間的采樣點(diǎn)集合，d為目標(biāo)向量，那么距離d最近的點(diǎn)n滿足：nE,|dn||dn|(2-18)式中|dn|=√∑()2，、是向量d和n的第i維元素。2.3實(shí)驗(yàn)仿真與分析為了驗(yàn)證本文提出的改進(jìn)算法的實(shí)時性和可行性，將不同角度變換、不同尺度、不同光照強(qiáng)度和包含光照、旋轉(zhuǎn)、尺度的復(fù)雜圖像應(yīng)用改進(jìn)前后ORB算法進(jìn)行特征匹配，對實(shí)驗(yàn)結(jié)果進(jìn)行對比分析。為保證實(shí)驗(yàn)結(jié)果真實(shí)可信，采用德國慕尼黑理工大學(xué)提供的TUM標(biāo)準(zhǔn)數(shù)據(jù)集中的圖片，圖像庫中包含各種變換圖像，統(tǒng)一圖像大小為680×480像素。圖2-4尺度不同的圖像原ORB算法匹配結(jié)果圖圖2-5尺度不同的圖像改進(jìn)ORB算法匹配結(jié)果圖


本文編號：2974327