基于RGB-D图像的同时定位与建图研究

发布时间：2020-10-29 19:58

　　 近年来,同时定位与建图(Simultaneously Localization and Mapping,SLAM)是一备受青睐的研究问题,是智能机器人在未知环境中实现自主导航的关键性问题。SLAM通过处理传感器信息,达到同时构建环境地图和实时定位的目的。由于RGB-D相机相比以往SLAM中常用的传感器具有明显的优点,如可以同时获取彩色图像和深度图像、测量精度高、采集速度快、价格低廉、体积小等,RGB-D SLAM逐渐成为国内外学者研究的热门问题。RGB-D SLAM方法步骤:首先根据彩色图像进行特征提取和匹配;其次使用获得的特征匹配点对结合深度信息进行初始位姿预估;再次对位姿变换进行精确预估;最后进行图优化,通过闭环检测纠正相机位姿。目前RGB-D SLAM中存在如下问题:RGB-D数据中包含噪声和冗余;相机位姿变换矩阵估计精度不高;特征匹配的精度不高;特征提取的计算代价高。针对以上问题,本文主要做了三个工作,具体如下:(1)针对RGB-D相机数据中含有噪声和冗余的问题,本文对点云滤波方法进行改进。针对估计的相机位姿变换矩阵精度不高的问题,本文采用迭代最近点(Iteratively Closet Point,ICP)算法进行位姿优化,提高变换矩阵的精度。同时,以ICP算法的收敛程度作为依据,判断是否使用位姿优化的矩阵作为相机位姿变换矩阵。RGB-D SLAM方法中同时使用点云滤波方法和位姿优化算法,在不增加计算代价的前提下,该方法能够有效提高RGB-D SLAM的精度。(2)针对RGB-D SLAM中存在的特征匹配精度不高的问题,本文在特征匹配时引入深度信息,改进特征匹配算法。同时,在RGB-D SLAM方法中使用精度更高的位姿优化算法,即正态分布变换(Normal Distribution Transform,NDT)算法。以上两种算法结合,从而进一步提高RGB-D SLAM的精度。(3)本文使用实时性更高的特征提取算法—AKAZE(Accerated-KAZE)算法,同时,对RGB-D数据对应的点云数据使用改进的点云滤波方法,在保证系统定位精度的前提下,提高RGB-D SLAM系统的实时性。本文在国际公开的数据集上验证以上这三种RGB-D SLAM方法的性能,给出了特征提取和匹配、点云滤波、点云拼接相关实验结果,对RGB-D SLAM方法从实时性和准确性两个方面进行了评估,且对实验结果进行了分析,最后,本文给出了研究工作总结,同时提出一些尚待研究的问题。
【学位单位】：中国科学技术大学
【学位级别】：硕士
【学位年份】：2017
【中图分类】：TP391.41
【文章目录】：
摘要
ABSTRACT
第1章 绪论
    1.1 研究背景及意义
    1.2 SLAM分类
        1.2.1 基于激光雷达的SLAM
        1.2.2 单目视觉SLAM
        1.2.3 双目立体视觉SLAM
        1.2.4 全景视觉SLAM
        1.2.5 RGB-D SLAM的提出
    1.3 RGB-D SLAM的国内外研究现状及分析
        1.3.1 国外研究现状
        1.3.2 国内研究现状
        1.3.3 现状分析
    1.4 本文主要工作和结构安排
        1.4.1 本文主要工作
        1.4.2 本文创新点
        1.4.3 本文结构安排
第2章 RGB-D传感器及仿真实验平台
    2.1 RGB-D传感器
        2.1.1 RGB-D传感器简介
        2.1.2 Kinect深度测量原理
        2.1.3 Kinect的RGB图像成像原理
    2.2 相机标定方法
    2.3 仿真实验平台
    2.4 本章小结
第3章 基于RGB-D图像的具有滤波处理和位姿优化的同时定位与建图
    3.1 概述
    3.2 RGB-D SLAM系统框架
        3.2.1 数据预处理
        3.2.2 特征提取
        3.2.3 滤波方法
        3.2.4 特征匹配
        3.2.5 初始运动估计
        3.2.6 位姿优化
        3.2.7 关键帧筛选
        3.2.8 图优化
    3.3 仿真实验结果及算法评估
        3.3.1 特征提取和匹配结果
        3.3.2 滤波实验结果
        3.3.3 算法评估
    3.4 本章小结
第4章 基于深度信息特征匹配算法的RGB-D SLAM
    4.1 概述
    4.2 基于深度信息的特征匹配算法
        4.2.1 算法原理
        4.2.2 NDT算法
    4.3 仿真实验结果及算法评估
        4.3.1 特征匹配实验结果
        4.3.2 点云拼接实验结果
        4.3.3 算法评估
    4.4 本章小结
第5章 基于特征提取和分段滤波的快速RGB-D SLAM
    5.1 概述
    5.2 特征提取和匹配算法
        5.2.1 AKAZE算法
        5.2.2 Brute Force算法
    5.3 仿真实验结果及算法评估
        5.3.1 特征提取与匹配
        5.3.2 算法评估
    5.4 本章小结
第6章 总结及展望
    6.1 论文的主要工作及研究成果
    6.2 研究展望
参考文献
致谢
在读期间发表的学术论文与取得的其他研究成果

【参考文献】

相关期刊论文 前10条

1 马跃龙;赵勇;曹雪峰;;一种基于单目SLAM的无人机序列图像拼接方法[J];系统仿真学报;2016年10期

2 王开宇;;基于全景视觉机器人的改进UKF-SLAM算法研究[J];科技资讯;2016年17期

3 刘雅彬;陈万米;;融合激光与视觉信息的自主移动机器人的SLAM研究[J];工业控制计算机;2015年09期

4 冯亦东;孙跃;;基于SURF特征提取和FLANN搜索的图像匹配算法[J];图学学报;2015年04期

5 胡衡;梁岚珍;;基于SURF特征的单目视觉SLAM方法研究[J];新疆大学学报(自然科学版);2015年03期

6 黎丽;谢伟;魏书传;汪杨;;中国制造2025[J];金融经济;2015年13期

7 郭国防;;大力发展智能制造,打造装备制造业新引擎[J];广东经济;2015年05期

8 闵华松;杨杰;;融合IMU的RGBD-SLAM算法改进研究[J];计算机工程与设计;2015年01期

9 张毅;汪龙峰;余佳航;;基于深度信息的移动机器人室内环境三维地图创建[J];计算机应用;2014年12期

10 赵海;陈星池;王家亮;曾若凡;;基于四轴飞行器的单目视觉避障算法[J];光学精密工程;2014年08期

本文编号：2861378