基于ORB-SLAM2的移动机器人室内自主导航系统设计
发布时间：2020-12-25 04:18
同时定位与建图（Simultaneous Location and Mapping,SLAM）技术是移动机器人导航定位领域的重要课题。基于视觉SLAM的导航定位系统相比于激光SLAM具有成本低廉、数据信息丰富等优点,近几年来越来越多的高校与企业加入到该领域的研究。在取得了一定进展的同时,纯视觉SLAM导航定位系统落地仍存在着很多问题。因此本文应用深度相机提出了基于ORB-SLAM2的导航系统设计并进行仿真实验验证,主要的研究内容如下:（1）验证ORB特征点在视觉SLAM领域优于SURF、SIFT等特征点,其在经过误匹配剔除算法筛选后具有良好的匹配精度。（2）针对稀疏点云地图在导航任务中存在空间占据信息不足的问题,本文提出了基于ORB-SLAM2的稠密地图构建与优化算法。首先基于RGB-D SLAMV2系统的稠密建图架构,在ORB-SLAM2系统中增加了稠密建图模块;然后对改进后的ORB-SLAM2系统与RGB-D SLAMV2系统（根据内容1结果,选用ORB特征点）进行了稠密建图对比和定位精度对比实验。最后针对稠密点云地图存在外点过多、轮廓模糊等问题,提出了三层点云滤波算法对稠密地图进...
【文章来源】：杭州电子科技大学浙江省
【文章页数】：74 页
【学位级别】：硕士
【部分图文】：
SLAM应用场景SLAM中文翻译为同时定位与建图
进行识别和姿态解算。以AprilTag[4]为例，将电子标签贴至使用环境中，使用视觉检测识别标签。为保证实时性，将电子标签定义为正方形的区域，这个区域比周围亮度更低，最简便有效的方法就是取黑白两色，如下图1.2所示。这样做的主要优点是尽可能多的检测出所有可能的电子标签，但同时也会带来误检太多的问题。为剔除误检，使用后续的编码可以对野值进行剔除，选定最高匹配的便签。计算当前相机和电子标签纸的坐标变换关系，电子标签在地图中的位置是提前已经设定好的，从而反推出当前相机在地图中的位置来完成定位功能。图1.2AprilTag示意图近年来基于SLAM的技术逐渐成熟，渐渐地取代了上述两种方法的地位。尤其是激光SLAM现在已经占领了绝大多数的AGV室内导航，即使在室外也有较好的鲁棒性。当前比较主流的激光雷达SLAM系统有：CartographerSLAM[5]，LOAMSLAM[6]。由于SLAM技术无需对当前环境做任何的改动，对环境适应性较强，随着SLAM技术的发展，以摄像头为传感器的视觉SLAM逐渐进入人类的视线。视觉传感器价格低廉，几十到几千不等，非常具有市场，且视觉信息丰富，在定位导航的同时甚至可以用来检测、识别、避障等等，相比激光雷达传感器具有更大的可能性。在未来视觉SLAM一定会成为室内导航的主流技术之一。视觉SLAM技术核心关键在于前端视觉里程计的相机位姿估计和后端的位姿优化，这两部分是当前SLAM系统不可或缺的。前端视觉里程计提供相机位姿的初始估计，当前主流的方法有特征点和直接法[7]。其根据提取用于匹配的特征点的方法进行区分，前者在纹理环境中更具优势，精度高，但是计算量大；后者在低纹理场景中仍然能工作，但是其对光照变化敏感。后端位姿优化也分为两大主要派系，其一是基于滤波器[8]的方法，在传统SLAM系统
杭州电子科技大学硕士学位论文8本文的主要工作如下图1.3所示。其中蓝色框中的稠密建图和稠密地图优化模块在第三章中介绍，灰色框中的八叉树地图生成和地图复用模块在第四章中介绍。在第五章中对整个导航系统进行设计与仿真实验，同时进行相关对比实验（图中红色箭头）。图1.3导航系统设计图第一章主要内容为：首先介绍了室内导航的几种主流方案和视觉SLAM在当前导航方案中的优势和价值所在。随后介绍了视觉SLAM的研究现状，最后提出了视觉SLAM在导航定位领域落地存在的困难，针对第三点难点，确定了本文的主要研究内容。第二章主要内容为：对视觉里程计相关知识进行介绍。1.介绍了相机模型；2.推导了世界坐标系、相机坐标系、像素坐标系之间的转换关系；3.介绍了ORB特征点提娶描述子计算和特征点匹配；4.介绍了两种姿态解算的方法：对极几何和PnP算法。第三章主要内容为：首先对比分析了ORB-SLAM2和RGB-DSLAMV2的系统结构和异同点；然后基于RGB-DSLAMV2稠密建图架构提出了ORB-SLAM2稠密建图算法；最后为提升上一步得到的稠密点云地图的质量，提出了一种三层滤波优化算法；第四章主要内容为：1.分析稠密点云地图在导航任务中存在的弊端，提出使用八叉树地图代替点云地图用于导航的思路；2.提出ORB-SLAM2离线特征地图的保存与加载，并通过二进制格式替代文本格式保存地图信息，来降低地图的存储量和提高读取速度。第五章主要内容为：对三四章的内容进行实验验证，并完成纯SLAM导航系统的设计与验证。1.验证ORB特征点在SLAM系统中的优势和减少误匹配算法的有效性；2.基于TUM数据集验证了改进后的ORB-SLAM2系统的稠密建图效果和位姿估计精度均优于RGB-DSLAMV2系统；3.验证稠密点云滤波算法有效性（减少12％的储存量、提升点云地图读取速
本文编号：2936944
【文章来源】：杭州电子科技大学浙江省
【文章页数】：74 页
【学位级别】：硕士
【部分图文】：
SLAM应用场景SLAM中文翻译为同时定位与建图
进行识别和姿态解算。以AprilTag[4]为例，将电子标签贴至使用环境中，使用视觉检测识别标签。为保证实时性，将电子标签定义为正方形的区域，这个区域比周围亮度更低，最简便有效的方法就是取黑白两色，如下图1.2所示。这样做的主要优点是尽可能多的检测出所有可能的电子标签，但同时也会带来误检太多的问题。为剔除误检，使用后续的编码可以对野值进行剔除，选定最高匹配的便签。计算当前相机和电子标签纸的坐标变换关系，电子标签在地图中的位置是提前已经设定好的，从而反推出当前相机在地图中的位置来完成定位功能。图1.2AprilTag示意图近年来基于SLAM的技术逐渐成熟，渐渐地取代了上述两种方法的地位。尤其是激光SLAM现在已经占领了绝大多数的AGV室内导航，即使在室外也有较好的鲁棒性。当前比较主流的激光雷达SLAM系统有：CartographerSLAM[5]，LOAMSLAM[6]。由于SLAM技术无需对当前环境做任何的改动，对环境适应性较强，随着SLAM技术的发展，以摄像头为传感器的视觉SLAM逐渐进入人类的视线。视觉传感器价格低廉，几十到几千不等，非常具有市场，且视觉信息丰富，在定位导航的同时甚至可以用来检测、识别、避障等等，相比激光雷达传感器具有更大的可能性。在未来视觉SLAM一定会成为室内导航的主流技术之一。视觉SLAM技术核心关键在于前端视觉里程计的相机位姿估计和后端的位姿优化，这两部分是当前SLAM系统不可或缺的。前端视觉里程计提供相机位姿的初始估计，当前主流的方法有特征点和直接法[7]。其根据提取用于匹配的特征点的方法进行区分，前者在纹理环境中更具优势，精度高，但是计算量大；后者在低纹理场景中仍然能工作，但是其对光照变化敏感。后端位姿优化也分为两大主要派系，其一是基于滤波器[8]的方法，在传统SLAM系统
杭州电子科技大学硕士学位论文8本文的主要工作如下图1.3所示。其中蓝色框中的稠密建图和稠密地图优化模块在第三章中介绍，灰色框中的八叉树地图生成和地图复用模块在第四章中介绍。在第五章中对整个导航系统进行设计与仿真实验，同时进行相关对比实验（图中红色箭头）。图1.3导航系统设计图第一章主要内容为：首先介绍了室内导航的几种主流方案和视觉SLAM在当前导航方案中的优势和价值所在。随后介绍了视觉SLAM的研究现状，最后提出了视觉SLAM在导航定位领域落地存在的困难，针对第三点难点，确定了本文的主要研究内容。第二章主要内容为：对视觉里程计相关知识进行介绍。1.介绍了相机模型；2.推导了世界坐标系、相机坐标系、像素坐标系之间的转换关系；3.介绍了ORB特征点提娶描述子计算和特征点匹配；4.介绍了两种姿态解算的方法：对极几何和PnP算法。第三章主要内容为：首先对比分析了ORB-SLAM2和RGB-DSLAMV2的系统结构和异同点；然后基于RGB-DSLAMV2稠密建图架构提出了ORB-SLAM2稠密建图算法；最后为提升上一步得到的稠密点云地图的质量，提出了一种三层滤波优化算法；第四章主要内容为：1.分析稠密点云地图在导航任务中存在的弊端，提出使用八叉树地图代替点云地图用于导航的思路；2.提出ORB-SLAM2离线特征地图的保存与加载，并通过二进制格式替代文本格式保存地图信息，来降低地图的存储量和提高读取速度。第五章主要内容为：对三四章的内容进行实验验证，并完成纯SLAM导航系统的设计与验证。1.验证ORB特征点在SLAM系统中的优势和减少误匹配算法的有效性；2.基于TUM数据集验证了改进后的ORB-SLAM2系统的稠密建图效果和位姿估计精度均优于RGB-DSLAMV2系统；3.验证稠密点云滤波算法有效性（减少12％的储存量、提升点云地图读取速
本文编号：2936944
本文链接：https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/2936944.html
