基于视觉的室内移动机器人定位与建图研究

发布时间：2021-05-16 10:48

　　移动机器人完成对未知环境的感知是迈向智能化的关键一步,也是机器人领域的研究热点和难点。同步定位与地图构建（Simultaneously Localization and Mapping）这一技术能够有效解决移动机器人实现环境感知这一关键问题。随着计算机视觉和传感器技术的发展,视觉SLAM得到了人们的广泛关注。目前的视觉SLAM方案仍存在精确度差,易受动态物体干扰的问题,从而影响系统的运行效果。因此,本文基于视觉的室内移动机器人定位与建图研究具有重要的理论意义和实际应用价值。本文主要研究内容如下:（1）针对深度相机由于随机噪声和距离限制所产生的深度图像部分缺失的问题,提出了基于高斯滤波和多帧几何信息方法的深度图修复策略。该策略通过高斯滤波对原始深度图像预处理,并结合相邻几帧间同一特征点的深度信息,从而达到修复深度图像中的图像缺失部分的目的。（2）针对以室内移动行人为主的动态干扰源,本文基于特征点法和YOLO目标检测算法提出了一种面向动态环境下的视觉SLAM系统。通过训练深度卷积网络模型实现单幅RGB图像的室内行人目标检测,并剔除检测框范围内的特征点,保证了位姿估计的准确性,排除了室内移动... 

【文章来源】：北京化工大学北京市 211工程院校 教育部直属院校

【文章页数】：79 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
第一章 绪论
    1.1 课题的研究背景和意义
    1.2 国内外研究现状
        1.2.1 基于特征点法的视觉SLAM
        1.2.2 基于直接法的视觉SLAM
        1.2.3 目标检测算法研究历史与现状
    1.3 本文主要研究内容和章节安排
第二章 SLAM相关理论基础
    2.1 SLAM数学模型
    2.2 视觉SLAM基本框架
    2.3 位姿表示
        2.3.1 旋转表示
        2.3.2 李群李代数
    2.4 本章小结
第三章 Kinect相机及深度图像修复
    3.1 相机模型
        3.1.1 针孔相机模型
        3.1.2 相机畸变模型
    3.2 Kinect深度相机
        3.2.1 张正友标定方法
        3.2.2 标定实验及结果
    3.3 基于高斯滤波和多帧几何信息的深度图像修复
        3.3.1 深度图像预处理
        3.3.2 多帧约束的深度信息融合
        3.3.3 实验结果
    3.4 本章小结
第四章 基于特征点法和YOLO算法的视觉SLAM研究
    4.1 特征点提取算法
        4.1.1 SIFT特征提取算法
        4.1.2 SURF特征提取算法
        4.1.3 ORB特征提取算法
        4.1.4 特征提取算法对比实验
    4.2 特征点匹配算法
    4.3 对极几何约束位姿估计
    4.4 基于YOLO目标检测的视觉SLAM前端
        4.4.1 基于YOLO的目标检测算法
        4.4.2 YOLO v3训练结果
        4.4.3 动态物体特征点剔除
    4.5 视觉SLAM后端优化及回环检测
        4.5.1 后端优化
        4.5.2 回环检测
    4.6 本章小结
第五章 实验设计与结果分析
    5.1 系统环境与软件依赖
    5.2 硬件平台与ROS消息通信
    5.3 公开数据集实验
        5.3.1 评价标准
        5.3.2 实验结果与分析
    5.4 真实场景定位实验
    5.5 本章小结
第六章 结论与展望
    6.1 结论
    6.2 展望
参考文献
致谢
研究成果及发表的学术论文
作者及导师简介
硕士研究生学位论文答辩委员会决议书


【参考文献】：
期刊论文
[1]机器人的发展:中国与国际的比较[J]. 罗连发,储梦洁,刘俊俊.  宏观质量研究. 2019(03)
[2]基于改进ORB算法的移动机器人视觉SLAM方法研究[J]. 成怡,佟晓宇.  电子技术应用. 2019(01)
[3]日本最新机器人研发计划及其发展战略[J]. 甄子健,刘进长.  机器人技术与应用. 2016(05)
[4]基于RGB-D传感器的3D室内环境地图实时创建[J]. 朱笑笑,曹其新,杨扬,陈培华.  计算机工程与设计. 2014(01)
[5]利用二维DLT及光束法平差进行数字摄像机标定[J]. 张永军,张祖勋,张剑清.  武汉大学学报(信息科学版). 2002(06)
[6]摄像机自标定的线性理论与算法[J]. 吴福朝,胡占义.  计算机学报. 2001(11)



本文编号：3189555