教育机器人室内视觉惯性里程计研究

发布时间：2020-10-31 16:49

　　 同时定位与建图(SLAM)自出现以来,一直就是机器人领域和计算机视觉领域研究的热点。单目摄像机以其低廉的价格,采集到的蕴含着周围场景丰富信息的图像,一直吸引着SLAM研究者的注意力。然而通过单目相机解算位姿和恢复环境场景结构在遇到遮挡、快速运动、纹理稀疏区域、纹理相似局域时不能很好的工作,而且单目视觉还存在饱受诟病的尺度问题。IMU是一种内感受型传感器,可以感知机器人或载体本身的运动。由于存在传感器测量误差,无论是纯惯性导航还是纯视觉解决方案,单纯依靠递归操作都不可避免地会导致累积误差。低精度的IMU由于随机游走的噪声的存在,IMU递推结果会在短时间内很快变得误差较大。将内感受型传感器与外感受型传感器融合是我们实现不同传感器之间优势互补的一个方案。IMU与相机正是这样一套内外结合的传感器融合方案。这两种传感器都可以估计载体的相对位姿,将其融合可以有效的抑制累积误差。此外,因为是不同种类的传感器,信息来源不同,这使得IMU的偏移在融合中可以被观测到,并在后端(优化)中被有效的估计。单眼视觉中缺乏绝对尺度的问题也可以通过引入惯性信息来解决。本文设计了一种视觉惯性里程计,将视觉信息与惯性信息融合,恢复了位姿的绝对尺度,实现了机器人位姿的准确估计。在视觉处理部分,我们讨论并实践了通过提取ORB特征,进行特征匹配后,基于多视图几何原理来估计相机位姿,恢复地图点深度;标定了 Kinect V2相机,展示了标定前后效果的变化。在惯性传感器处理部分,详细推导了 IMU预积分过程以用于视觉惯性信息的融合。我们讨论了后端非线性优化方法与基于滤波的方法的优劣势,并最终选择非线性优化方法,设计了视觉惯性信息融合方程,以实现视觉惯性信息的融合。最后,我们基于视觉惯性信息能量融合方程,采用图优化的方案进行了实验。对实验结果的分析表明,我们设计的视觉里程计达到了我们的预期目标,能够有效的恢复场景尺度并估计位姿。本文所研究技术将为教育机器人在室内场景中进行其他更高层次的应用,如自动充电等,提供基础。
【学位单位】：华中师范大学
【学位级别】：硕士
【学位年份】：2019
【中图分类】：TP242;G434
【部分图文】：

ＬｏｃａｌｉｚａｔｉｏｎａｎｄＭａｐｐｉｎｇ），即“同时定位与地图构建”。它是指搭载特定传感器的主??体，在没有环境先验信息的情况下，于运动过程中建立环境的模型，同时估计自己??的运动［１］。ＳＬＡＭ过程如图１．１所示。??２?＿点?Ａ???观＿模型?Ａ???涵難?．ｚ，’?／丨??图１．１?ＳＬＡＭ过程??当机器人处在一个陌生的、没有先验的环境中，我们希望知道机器人自身的位??置和它周围的环境是怎样的。??１??

ＬｏｃａｌｉｚａｔｉｏｎａｎｄＭａｐｐｉｎｇ），即“同时定位与地图构建”。它是指搭载特定传感器的主??体，在没有环境先验信息的情况下，于运动过程中建立环境的模型，同时估计自己??的运动［１］。ＳＬＡＭ过程如图１．１所示。??２?＿点?Ａ???观＿模型?Ａ???涵難?．ｚ，’?／丨??图１．１?ＳＬＡＭ过程??当机器人处在一个陌生的、没有先验的环境中，我们希望知道机器人自身的位??置和它周围的环境是怎样的。??１??

?＼?＾Ａ．??图１．２利用ＳＬＡＭ技术构建的地图的种类和应用??在现在的ＳＬＡＭ方案中，不同的传感器的选择会带来不同的方案。目前，比较??常用的传感器有激光雷达、摄像机、惯性传感单元ＯＭＵ）等等。基于激光雷达的??定位精度高，速度快，但是高精度的激光雷达一般价格比较昂贵［２］。相机有单目相??机、双目相机、ＲＧＢ－Ｄ相机（如Ｋｉｎｅｃｔ），现在还有事件相机（Ｅｖｅｎｔｃａｍｅｒａ）等。??相机作为一种外感受型传感器，能够拍摄高分辨率的图像，而图像能够提供周围环??境的丰富信息。利用这些信息，机器人可以感知周围环境，建立周围的环境的模型，??２??
【相似文献】

相关期刊论文 前10条

1 黄金滔;;多功能自行车里程计[J];电子技术;1987年02期

2 张友;;汽车电子里程表[J];汽车技术;1989年11期

3 李尚培;;给自行车做一个“里程计”[J];农村青少年科学探究;2012年04期

4 彭天博;王恒升;曾斌;;增强室内视觉里程计实用性的方法[J];模式识别与人工智能;2017年03期

5 李红;郭大群;;RFID技术在里程计时型比赛上的应用[J];物联网技术;2014年08期

6 肖烜;王清哲;程远;付梦印;刘彤;;捷联惯导系统/里程计高精度紧组合导航算法[J];兵工学报;2012年04期

7 纪文涛;张浩;罗强力;魏宗康;;惯性/里程计组合导航技术在管道定位中的应用[J];导航与控制;2015年05期

8 徐峰;;超简洁自行车里程计[J];电子制作;1997年03期

9 高云峰;李伟超;李建辉;;室内移动机器人视觉里程计研究[J];传感器与微系统;2012年02期

10 欧阳柳;徐进;龚小谨;刘济林;;基于不确定性分析的视觉里程计优化[J];浙江大学学报(工学版);2012年09期

相关博士学位论文 前7条

1 吴荻;基于立体视觉里程计的地下铲运机定位技术研究[D];北京科技大学;2019年

2 王延东;多位姿信息融合的双目视觉惯性里程计研究[D];中国科学院大学(中国科学院长春光学精密机械与物理研究所);2019年

3 江燕华;车辆运动特性约束的智能车辆视觉里程计系统研究[D];北京理工大学;2014年

4 康轶非;不依赖GPS定位理论及方法研究[D];北京交通大学;2015年

5 李增科;多源传感器增强的精密单点定位与惯性测量组合导航系统[D];中国矿业大学;2015年

6 蒋如意;视觉辅助驾驶系统多维度道路建模及车辆定位优化[D];上海交通大学;2012年

7 张亚;视觉里程计辅助的INS/GPS组合导航系统研究[D];哈尔滨工程大学;2015年

相关硕士学位论文 前10条

1 陈军;基于视觉—惯性—激光融合感的实时6DOF定位与3D环境建模研究[D];北京交通大学;2019年

2 唐尚华;基于单目视觉与轮式里程计融合的移动机器人定位控制系统研究[D];电子科技大学;2019年

3 李泰;教育机器人室内视觉惯性里程计研究[D];华中师范大学;2019年

4 章弘;基于稀疏特征点云配准的RGB-D相机视觉里程计研究[D];上海交通大学;2018年

5 陈晗;基于端到端半监督生成对抗网络的视觉里程计[D];厦门大学;2018年

6 夏亮;移动机器人的单目视觉里程计方法研究[D];北京建筑大学;2019年

7 万旭东;四旋翼飞行器滤波法视觉惯导里程计的研究[D];浙江大学;2019年

8 唐宇;基于低成本MEMS的SINS/视觉里程计组合导航系统研究[D];哈尔滨工程大学;2019年

9 丁伟豪;室内移动机器人的定位与跟踪研究[D];哈尔滨工程大学;2019年

10 贾哲;基于光流跟踪和特征匹配的视觉里程计研究[D];天津理工大学;2019年

本文编号：2864222