基于单目视觉的移动机器人同时定位与地图构建研究

发布时间：2021-01-02 18:50

　　同时定位与地图构建又称为SLAM,是移动机器人自主导航、增强现实、虚拟现实等热门领域中的核心技术。SLAM要解决的技术问题是如何并行地计算确定运动物体的姿态和构建周围环境地图信息。摄像头获取信息丰富,在学术界和工业界被广泛深入地研究和采用。在单目视觉SLAM中,主要存在特征点的匹配精度普遍不高,关键帧选取计算方法不准确,前后端优化算法误差较大,整体算法不能满足实时性要求的问题。本文将主要研究SLAM运行过程中特征点和关键帧的选取方法,改进前后端优化算法以及解决SLAM实时性的问题。研究这些关键步骤对提升SLAM的定位精度具有重大的理论指导意义,是SLAM精确性和实时性的重要保证。本文的主要研究内容如下:（1）在前端方案设计中研究了主流特征点的提取步骤、特性、匹配原理;论述了位姿空间点估计方法、单目相机初始化方法;采用一种关键帧的选择策略,保证了图像帧内容的丰富性和有效性,降低了计算量,同时也保证了不会在SLAM过程中跟踪失败;采用基于ORB词袋模型的回环检测方法,快速帮助确定了回环出现的位置,避免了由于累积误差带来的错误估计,极大地提高了SLAM的定位建图精度;最后给出了单目视觉SLA... 

【文章来源】：安徽理工大学安徽省

【文章页数】：85 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
1 绪论
    1.1 研究背景及意义
    1.2 研究现状
        1.2.1 特征点法
        1.2.2 直接法
        1.2.3 SLAM算法研究现状
    1.3 研究内容与章节安排
        1.3.1 研究内容
        1.3.2 章节安排
2 视觉前端流程设计
    2.1 特征点提取
        2.1.1 SIFT特征
        2.1.2 SURF特征
        2.1.3 ORB特征
    2.2 特征点匹配
    2.3 位姿和空间点位置估计
        2.3.1 2D-2D位姿估计
        2.3.2 特征点空间坐标估计
        2.3.3 3D-2D相机位姿估计
    2.4 单目相机初始化
    2.5 关键帧选择策略
    2.6 基于ORB词袋的回环检测
    2.7 本章小结
3 后端优化算法设计
    3.1 基于滤波器的优化方法
        3.1.1 卡尔曼滤波
        3.1.2 扩展卡尔曼滤波
    3.2 图优化
        3.2.1 最小二乘问题描述
        3.2.2 非线性最小二乘问题求解
        3.2.3 BA与图优化问题建模
    3.3 本文采用的优化方法
    3.4 本章小结
4 实验与分析
    4.1 单目视觉SLAM关键步骤与结果分析
        4.1.1 特征点提取和分析
        4.1.2 关键帧选取与闭环检测
        4.1.3 后端优化算法
        4.1.4 定位精度分析
    4.2 无线传感网络下的SLAM定位建图
    4.3 本章小结
5 总结与展望
    5.1 总结
    5.2 展望
参考文献
致谢
作者简介及读研期间主要科研成果


【参考文献】：
期刊论文
[1]基于ROS的云机器人系统设计与实现[J]. 邓畅.  上海工程技术大学学报. 2018(04)
[2]基于ROS的室内机器人导航技术研究[J]. 刘海平,战强.  机械制造与自动化. 2018(06)
[3]基于ROS平台的移动机器人运动分析与仿真[J]. 张玉林,陈勇林.  机器人技术与应用. 2018(05)
[4]基于SIFT的图像匹配技术研究[J]. 董平,林强,刘志伟,林嘉宇.  数字技术与应用. 2015(02)

硕士论文
[1]基于单目视觉的同时定位与稀疏地图构建的研究与实现[D]. 吴勇.中国科学技术大学 2017
[2]基于g2o的SLAM后端优化算法研究[D]. 张彦珍.西安电子科技大学 2014



本文编号：2953445