室内环境视觉SLAM系统的设计与实现

发布时间：2023-04-16 09:06

　　同时定位与建图(Simultaneous Location and Mapping,SLAM)技术是智能机器人实现自主导航的核心技术。SLAM系统的构建一般都是依赖于机器人自身的传感器,本文主要研究室内环境的SLAM解决方案,成熟的方案是利用激光雷达作为系统的主传感器进行环境信息采集。但是,激光雷达具有价格昂贵、体积大等缺点,不适用于小型、低成本的机器人系统。近几年,随着各种价格低廉、性能高的视觉传感器的问世,基于视觉传感器的SLAM技术解决方案受到研究者的广泛关注。其中,RGB-D视觉传感器由于可以同时获取环境的彩色图像和深度图像,非常适合作为SLAM系统的主传感器,所以基于RGB-D视觉传感器的RGB-D SLAM是目前机器人领域最受关注的研究方向。本文也是基于RGB-D视觉传感器构建一个面向室内环境、精确度高的、满足一定实时性的SLAM系统,主要工作如下:1)通过研究现代智能机器人体系架构,了解SLAM系统在整个机器人系统中起到的作用,完成需求分析,并根据需求分析,进行RGB-D SLAM系统整体框架设计和模块功能设计;2)研究相机的成像模型,基于Kinect相机实现数据采集功能...

【文章页数】：73 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第一章 绪论
    1.1 课题背景及意义
    1.2 国内外发展历程和现状分析
        1.2.1 SLAM国内外发展历程
        1.2.2 SLAM问题研究现状分析
    1.3 本文研究内容
第二章 相关技术
    2.1 Kinect相机概述
        2.1.1 Kinect相机硬件结构
        2.1.2 Kinect相机软件开发框架
    2.2 SLAM数学模型
    2.3 三维空间的刚体运动
    2.4 相机成像模型
    2.5 ORB特征提取算法
    2.6 图优化模型
    2.7 小结
第三章 需求分析和系统架构设计
    3.1 需求分析
    3.2 系统设计
        3.2.1 系统整体设计
        3.2.2 系统功能模块设计
    3.3 小结
第四章 系统详细设计与实现
    4.1 数据采集功能实现和相机标定实验
        4.1.1 数据采集功能实现
        4.1.2 Kinect相机标定实验
    4.2 前端视觉里程计实现
        4.2.1 特征提取算法对比实验
        4.2.2 改进的ORB算法
        4.2.3 特征匹配
        4.2.4 运动估计和优化
    4.3 后端实现
        4.3.1 关键帧提取
        4.3.2 回环检测
        4.3.3 位姿图构建与求解
        4.3.4 点云地图生成
    4.4 小结
第五章 系统测试与分析
    5.1 实验环境搭建
    5.2 精度测试
        5.2.1 Viusal Odometry节点精度测试
        5.2.2 BackEnd节点精度测试
        5.2.3 系统精度测试
    5.3 真实场景测试
    5.4 小结
第六章 总结与展望
    6.1 全文总结
    6.2 研究展望
致谢
参考文献



本文编号：3791236