智能机器人的同步定位研究

发布时间：2020-08-31 13:28

　　同步定位是同步定位与地图构建技术(Simultaneous Localization and Mapping,SLAM)中的重要部分,是智能机器人实现自主行动判断、实时定位导航和地图构建所需要的关键技术,同时也是智能机器人技术向更高层次发展的重要基础。智能机器人进行同步定位的基本原理是,通过获取周围环境的信息来实时确定自身在周围环境下的相对位置。根据智能机器人在室内复杂环境下的同步定位要求,本文在传统视觉SLAM基础上,结合深度学习技术进行智能机器人的同步定位研究。本论文内容安排如下:1.研究了视觉信息的获取方式和处理方法。首先,介绍各种视觉传感器并比较了它们的优缺点,根据比较结果选择了深度相机作为视觉信息的获取设备。然后,对深度相机进行建模,构建物体与图像之间的映射关系。随后,介绍了几种图像特征,通过比较选择了计算复杂度低且鲁棒性好的ORB(Oriented FAST and Rotated BRIEF)特征。最后,利用ORB特征对实验图像进行特征提取与匹配。2.研究了机器人搭载相机的运动模型和相机位姿的估计方法。首先,对智能机器人的运动过程进行分析并建立相应的相机运动模型。然后,依据运动模型对相机的位姿估计进行研究,具体方法为利用在不同相机位姿下深度相机拍摄的图像及其对应的深度信息,得到不同相机位姿下所提取的图像特征点的坐标信息,并根据匹配到的特征点的几何关系,估计出相机的位姿变化。最后,介绍了线性估计和非线性估计两种相机位姿估计方法,通过实验对比选择了计算复杂度低的线性估计作为位姿估计方法。3.针对传统视觉SLAM会因动目标特征的干扰而产生显著的相机位姿估计误差这一问题,提出了基于行人检测的位姿估计优化方法来减小估计误差。首先,设计了基于卷积神经网络的行人检测网络模型并对网络模型进行训练,利用训练好的网络模型进行行人检测与定位算法设计。然后,对相机位姿估计方法进行改进,具体方法为在进行特征提取时先剔除属于行人图像区域的特征点,再进行特征匹配和相机位姿估计。随后,通过实验对上述算法进行验证,从而证实该方法的可行性和有效性。最后,根据智能机器人的具体运动情况并基于计算复杂度低、估计精度高的要求,利用本文的理论和算法进行SLAM前端设计,并对设计的前端进行仿真测试。
【学位单位】：西安电子科技大学
【学位级别】：硕士
【学位年份】：2019
【中图分类】：TP242.6
【部分图文】：

示意图,智能机器人,示意图,机器人技术

合判断路面状况。(a) “机遇号”探测器 (b) 菲亚特-克莱斯勒 Pacifica图1.1 智能机器人示意图中国从上世纪 70 年代开始进行机器人技术的研究，到了 80 年代相继成立了一些相关的组织和机构，在国家“863”计划中对机器人的发展目标进行了详细的规划[3]。到了 90 年代一些国产机器人被研制出来。到了 21 世纪后，在“十五”期间，国家对机器人发展计划做出了调整，从一般的机器人技术研发向自动化方向发展，“十一五”期间，国家重点开展了对机器人共性技术的研究。“十二五”期间，重点关注机器人产业链的发展。“十三五”期间，专注机器人的顶层设计。中国最近发布的《中国制造 2025》把机器人技术作为重点项目，并出台了相关的机器人产业发展规划。在这种政策环境下

示意图,智能机器人,示意图

智能机器人的技术越来越先进，越来越成熟。(a) “潜龙二号” (b) “玉兔二号”图1.2 国产智能机器人示意图1.3 同步定位与地图构建技术的研究现状与发展智能机器人要实现自主移动功能，必须了解自己所处的位置和周围环境，这涉及到同步定位、目标识别、地图构建、路径规划等一系列关键问题，而 SLAM 技术是解决这些问题的重要技术之一。SLAM 技术是指移动机器人搭载一些传感器，在没有得知周围环境信息的前提下，在运动的同时逐步建立周围感知的环境模型，并估计自己的位置与运动[4][5][6]。SLAM 自 1986 年被提出以来，一直是机器人技术领域里的热点研究内容。关于SLAM 技术，A.J.Davison 的单目 SLAM 研究较为经典，同时 Davison 也是视觉 SLAM领域里的领军人物

示意图,相机,示意图,摄像头

度不确定性。因为这些缺点，所以有些 SLAM 系统使用双目相机和深度相机来进行研究。图2.1 单目相机示意图2.2.2 双目相机双目相机由两个摄像头组成，如图 2.2(a)所示，使用两个摄像头进行视觉 SLAM系统设计的称为双目 SLAM，这两个相机的参数相同，在同一个方向和一个水平垂直位置上，并且有一定的距离，该距离称作基线，如同人类的眼睛一样，左右眼有一定的距离，基线通常越大越好。因为两个摄像头之间存在一定的距离，所以当两个摄像头拍摄同一个物体时，在照片上的位置会存在差异，左边摄像头拍摄到的物体会稍微偏右，右边摄像头拍摄到的物体会有稍微偏左。根据这些偏差就能计算出物体到摄像头的距离。但其中的关键问题是让计算机知道两个摄像头拍摄到的物体是否为同一个物体

【相似文献】