基于Kinect和视觉词典的三维SLAM算法研究

发布时间：2017-10-14 06:15

  本文关键词：基于Kinect和视觉词典的三维SLAM算法研究

  更多相关文章： 三维SLAM 闭环检测 视觉词典 图形处理器 通用迭代最近点算法 增量平滑和建图

【摘要】：随着移动机器人的逐步普及与发展,机器人技术被誉为21世纪极具发展潜力的十大领域之一,然而作为机器人的关键技术之一的同时定位与地图创建(Simultaneous Localization and Mapping, SLAM)技术的研究具有很大的挑战性。传统解决SLAM问题,一般采用卡尔曼滤波或者粒子滤波等滤波器方法,但这种方法存在误差积累的问题,并不适用于大规模地图的创建。随着SLAM的研究的深入,近年来出现的基于图优化理论的SLAM技术能很好的解决大规模建图时的误差积累问题。但是图优化SLAM在计算传感器位姿、闭环检测以及图优化框架等研究上仍存在很多问题。基于这个现状,本文在采用Kinect等RGB-D传感器的基础上提出了一种基于视觉词典(bag-of-visual words, BVW)的三维SLAM算法,提高了整体算法的鲁棒性。首先,本文仔细分析了常用特征的原理和优缺点,及针对室内场景下的特征选取原则。最终本文采用基于GPU加速的SURF特征,提高了特征提取速度和极端场景的鲁棒性。在图像特征匹配上,本文提出了一种多策略组合的匹配算法,相对于传统的基于随机抽样一致性(Random Sample Consensus, RANSAC)的匹配算法,通过原理简单的交叉匹配和k近邻(k-Nearest Neighbor, kNN)匹配算法有效缩小了RANSAC匹配算法的初始匹配点对,提高了匹配的速度。在计算相机位姿时,常规的透视N点法(Perspective N Point, PnP)较依赖最终的特征匹配点对。而迭代最近点算法(Iterative Closet Point, ICP)算法收敛较慢,容易陷入局部最小值。本文提出一种基于随机抽样一致性的奇异值分解算法和通用迭代最近点算法(Generalized-ICP,G-ICP)的组合算法计算相机位姿。由于同时利用了图像特征和点云,提高了在极端场景下位姿计算的鲁棒性。相比于图优化SLAM中常用的基于随机检测和KD树(K-Dimensional Tree, KD-Tree)的闭环检测算法,本文提出了一种基于树结构的视觉词典的闭环检测算法,具备较高的检测效率。最后利用增量平滑和建图图优化算法(incremental Smoothing and Mapping, iSAM)得出机器人最终的姿态。多组实验的测试表明了本文所提出算法的有效性。
【关键词】：三维SLAM 闭环检测 视觉词典 图形处理器 通用迭代最近点算法 增量平滑和建图
【学位授予单位】：浙江大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP391.41;TP242
【目录】：

• 致谢5-6
• 摘要6-7
• ABSTRACT7-11
• 第一章 绪论11-23
• 1.1 研究背景及意义11-15
• 1.2 研究现状15-21
• 1.2.1 姿态计算的方法研究18-19
• 1.2.2 闭环检测算法的研究19-20
• 1.2.3 图优化理论方面的研究20-21
• 1.3 论文整体结构21-23
• 第二章 RGB-D传感器介绍及数据获取23-33
• 2.1 Kinect传感器介绍23-27
• 2.1.1 Kinect硬件结构23-25
• 2.1.2 Kinect成像原理25-27
• 2.2 数据采集27-33
• 2.2.1 数据采集与预处理28-29
• 2.2.2 相机标定29-33
• 第三章 特征匹配33-47
• 3.1 特征选取33-39
• 3.1.1 PFH特征33-34
• 3.1.2 SIFT特征34-36
• 3.1.3 SURF特征36-39
• 3.2 特征匹配39-41
• 3.3 姿态计算41-47
• 第四章 基于BVW的闭环检测和丢失恢复47-59
• 4.1 闭环检测目前存在的难题47
• 4.2 闭环检测的作用47-51
• 4.3 基于分层树结构的BVW闭环检测算法51-57
• 4.4 丢失恢复57-59
• 第五章 图优化求解SLAM算法59-69
• 5.1 SLAM的公式化表述59-60
• 5.2 基于卡尔曼滤波的SLAM求解方法60-61
• 5.3 基于粒子滤波的SLAM问题求解方法61-62
• 5.4 基于图优化理论的SLAM问题求解方法62-69
• 第六章 实验设计及结果69-81
• 6.1 系统组成69-70
• 6.2 软件依赖70-71
• 6.3 实验设计以及实验结果71-79
• 6.4 实验分析79-81
• 第七章 结论81-83
• 参考文献83-87
• 作者简介87
• 作者攻读硕士期间完成的科研成果87

【相似文献】

中国期刊全文数据库 前10条

1 ;Line-feature-based SLAM Algorithm[J];自动化学报;2006年01期

2 郭剑辉;赵春霞;陆建峰;康亮;;Rao-Blackwellised粒子滤波SLAM的一致性研究[J];系统仿真学报;2008年23期

3 郭剑辉;赵春霞;石杏喜;;一种改进的联合相容SLAM数据关联方法[J];仪器仪表学报;2008年11期

4 郭剑辉;赵春霞;康亮;;SLAM问题中特征相关性研究[J];系统仿真学报;2008年06期

5 Mansour Moniri;Claude C.Chibelushi;;A Sensor-based SLAM Algorithm for Camera Tracking in Virtual Studio[J];International Journal of Automation & Computing;2008年02期

6 季秀才;郑志强;张辉;;SLAM问题中机器人定位误差分析与控制[J];自动化学报;2008年03期

7 郭剑辉;赵春霞;;一种新的粒子滤波SLAM算法[J];计算机研究与发展;2008年05期

8 周武;赵春霞;;一种改进的边缘粒子滤波SLAM方法[J];华中科技大学学报(自然科学版);2008年S1期

9 丁帅华;陈雄;韩建达;;基于局部子图匹配的SLAM方法[J];机器人;2009年04期

10 陈家乾;何衍;蒋静坪;;添加约束的EKF-SLAM算法[J];科技通报;2009年04期

中国重要会议论文全文数据库 前10条

1 ;An SLAM algorithm based on improved UKF[A];第24届中国控制与决策会议论文集[C];2012年

2 Adizul Ahmad;Shoudong Huang;Jianguo Jack Wang;Gamini Dissanayake;;A New State Vector for Range-Only SLAM[A];Proceedings of the 2011 Chinese Control and Decision Conference（CCDC）[C];2011年

3 ;A Hybrid SLAM method for service robots in Indoor Environment[A];中国自动化学会控制理论专业委员会B卷[C];2011年

4 Bo He;Tao Zhang;Guijie Liu;;A New SLAM Algorithm Particle Filter-based for Autonomous Underwater Vehicle[A];proceedings of 2010 3rd International Conference on Computer and Electrical Engineering (ICCEE 2010 no.1)[C];2012年

5 ;AUV SLAM and Closed Loop Research in Large Scale Environment[A];2011年全国通信安全学术会议论文集[C];2011年

6 温丰;柴晓杰;朱智平;董小明;邹伟;原魁;;基于新型人工路标系统的视觉SLAM算法研究[A];第二十九届中国控制会议论文集[C];2010年

7 王宇韬;方勇纯;;鲁棒单目视觉SLAM系统研究[A];中国自动化学会控制理论专业委员会C卷[C];2011年

8 李海洋;李洪波;林颖;刘贺平;杨东方;;基于Kinect的SLAM方法[A];2013年中国智能自动化学术会议论文集（第五分册）[C];2013年

9 Jiantong Cheng;Jonghyuk Kim;Zhenyu Jiang;Weihua Zhang;;Tightly Coupled SLAM/GNSS for Land Vehicle Navigation[A];第五届中国卫星导航学术年会论文集-S9 组合导航与导航新方法[C];2014年

10 ;Simultaneous Localization and Map Building Using Constrained State Estimate Algorithm[A];第二十七届中国控制会议论文集[C];2008年

中国重要报纸全文数据库 前1条

1 肖征荣;好软件少不了它们[N];电脑报;2003年

中国博士学位论文全文数据库 前6条

1 赵一路;人机交互环境下的主动SLAM及相关问题研究[D];复旦大学;2013年

2 王道斌;基于天空偏振光的SLAM方法的研究[D];中国科学技术大学;2014年

3 林睿;基于图像特征点的移动机器人立体视觉SLAM研究[D];哈尔滨工业大学;2011年

4 游弋;SLE相关候选基因FCRL3，SLAM的SNP分析及其功能研究[D];第三军医大学;2008年

5 吴叶斌;基于全景视觉的移动机器人SLAM方法研究[D];哈尔滨工程大学;2011年

6 陈晨;基于Sigma点滤波的移动机器人同时定位与地图创建算法的研究[D];北京交通大学;2013年

中国硕士学位论文全文数据库 前10条

1 熊斯睿;基于立体全景视觉的移动机器人3D SLAM研究[D];哈尔滨工业大学;2015年

2 王淮卿;基于互联网与SLAM的移动机器人系统研究[D];哈尔滨工业大学;2015年

3 李贵亚;基于立体视觉的机器人SLAM算法研究[D];哈尔滨工业大学;2015年

4 薛永胜;变电站巡检机器人SLAM算法及其应用研究[D];西南科技大学;2015年

5 赵亮;水下机器人视觉SLAM方法中的图像特征点提取技术研究[D];电子科技大学;2014年

6 胡衡;基于单目视觉的SLAM方法研究[D];新疆大学;2015年

7 黄志明;动态稀疏环境下移动机器人SLAM问题研究[D];北京化工大学;2015年

8 赵新哲;基于改进粒子滤波的分布式SLAM算法研究[D];北京工业大学;2015年

9 李洪臣;单目视觉移动机器人SLAM方法建模与仿真分析[D];电子科技大学;2014年

10 丁洁琼;基于RGB-D的SLAM算法研究[D];西安电子科技大学;2014年

，

本文编号：1029454