基于激光视觉信息的AGV即时定位与地图构建方法研究

发布时间：2020-08-14 07:57

【摘要】：随着人工智能水平的不断提高,智能移动AGV(Auto Guided Vehicle)得到了日益广泛的应用。即时定位与地图构建技术(Simultaneous Localization And Mapping,SLAM)是实现AGV智能化导航的关键。SLAM技术根据传感器的不同可分为激光SLAM和视觉SLAM,两种方法互有优劣。为研究两者的使用范围,本文研究基于激光与视觉信息的SLAM方法,并搭建AGV原理样机进行实验。研究建立AGV的运动与观测模型。首先研究基于贝叶斯滤波的SLAM问题,根据SLAM中的运动模型,推导基于里程计信息的AGV二轮差速运动学方程;根据SLAM中的观测模型,研究建立基于激光雷达与深度相机传感器的AGV观测方程。在此基础上采集激光视觉信息并对相机进行内参数标定。开展基于激光信息的SLAM方法研究。根据传统基于扩展卡尔曼滤波与粒子滤波的FastSLAM方法的不足,提出一种改进的RBPF-SLAM方法。具体针对FastSALM中“建议分布”选择问题,引入激光观测信息,将粒子集中在高概率区间内;针对AGV里程计运动模型的误差,采用帧间匹配方法计算运动变换;使用权值优化方法改进原有重采样以缓解粒子耗散问题;针对特征地图可视化程度低的特点,使用占用栅格地图构建方法构建地图。仿真结果表明改进RBPF-SLAM方法的有效性。开展基于视觉信息的SLAM方法研究。研究视觉里程计中特征提取匹配、位姿估计和优化部分,使用暴力匹配方法进行初始匹配并采用随即一致性采样方法剔除误匹配点,根据匹配结果使用EPnP方法求解位姿,构建最小化重投影误差模型并使用光束法平差。针对视觉里程计的不足,提出一种后端优化方法,引入全局位姿图优化模型,构建最小化误差公式并使用g2o求解;使用词袋模型建立视觉字典,并在字典中采用Kmeans++方法聚类形成k-d树结构;针对点云地图空间大、难以利用的不足,使用八叉树地图构建方法构建稠密地图。TUM数据集的仿真结果证明后端优化方法的定位精度与建图效果要好于视觉里程计。基于上述研究,针对实际AGV的需求搭建AGV原理性样机,分析系统间的通讯机制,以ROS为标准化系统平台,分别使用激光雷达与深度相机开发搭建SLAM系统,并在不同的环境下进行实验。结果表明本文提出SLAM方法的有效性,可为AGV的SLAM方案选型与快速开发提供依据。
【学位授予单位】：哈尔滨工业大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：TP212;TN958.98;TP23
【图文】：

地图,激光,激光雷达,优化模型

建图优化模型，并使用 LM 最小二乘法求解最优估计位姿。Konolig构造了稀疏图优化模型并使用稀疏 Cholesky 法求解，以提高原始 LM度。Kummerle 等人[26]针对上述优化图模型的求解问题提出了一种通法 g2o，并提供了开源的算法包。Hess 等人[27]则提出了回环检测的概间匹配的方法循环迭代优化子图，并对子图与子图进行优化以减小而言之，经过高斯滤波及粒子滤波理论的不断发展，基于激光 SLA加深，在面对大尺度、有回环的环境应用中取得了一定的成果。激光 SLAM 应用现状 SLAM 技术的应用较广泛，典型的如 google 的无人驾驶汽车，如图 1车顶上装载激光雷达，底盘上装有IMU装置，结合GPS系统与激光S精确的实现即时定位于建图的功能。之外，家用的扫地机器人也广泛使用激光 SLAM 方法，如图 1-2(b)所作模式为无地图、随机移动式的，随后转向为固定移动模式，当有避障，随着 SLAM 技术的发展，扫地机器人配备激光雷达，可以实图并清扫，效果要明显好于之前的工作模式。

应用现状,视觉

进行了最小化平差，其使用了一种新的关键帧机制，即提出一种基于熵的相计算方法检测回环，最后使用 g2o 通用图优化方法优化位姿图。Mur-Artal[40目 ORB-SLAM 的基础上，亦提出基于双目视觉的 ORB-SLAM2 方法，其使小化光束法平差的方法以代替 ICP、光流法等优化方法。Endres[41]提出了一种 RGBD 相机的 3D 建图方法，其包括特征提取、最小化光束法平差、位姿图和地图构建等步骤。近期 Gomez-Ojeda 等人[42]提出了一种基于点线特征的M 方法，提取使用线条像素特征，具有较好的精度和实时性。总而言之，目视觉 SLAM 研究集中于光流法及特征法、后端优化和回环检测等方法，与此亦集中于提高算法的实时性、鲁棒性。(2)视觉 SLAM 应用现状由于视觉 SLAM 研究的不断推进，外加上相机的成本较激光雷达低，视觉M 技术将是未来主流的 SLAM 方法。虽然视觉 SLAM 发展较晚，其在智能移备的应用较激光雷达少，主要应用于无人机的实时定位导航、军事勘察中的地图构建中，在巡检机器人中亦有较好的应用。除此之外，其在 AR 技术中的物体实时构建亦有旷阔的应用前景。

马尔可夫过程

第 2 章 AGV 系统模型建立过程是理想化的情形，由于外部环境、AGV 结的噪声会对定位与建图精度产生较大影响，为表性，因而需要使用概率公式对噪声误差进行描述是一个马尔可夫过程，由图 2-2 所示。假定离GV 的状态迁移依赖 t-1 时刻的状态和控制量tu 刻的状态和控制量t+1u ； z 表示激光雷达、相机等征地图。

【相似文献】