基于ORB特征匹配的视觉SLAM研究
发布时间：2021-01-04 10:56
近年来,随着人工智能技术与机器人制造技术的快速提升,移动机器人逐渐应用到生产与生活的各个方面,它们越来越智能化的功能与服务不仅大大减轻了人们的劳动量,还极大地丰富了人们的生活。智能移动机器人作为一个可自动执行各种任务的移动平台,自主定位与导航是最基础的、最核心的功能之一。当移动机器人进入新的环境时,首要的任务就是感知周围环境,避开障碍物并做出相应的路径规划,而解决这些问题需要的就是即时定位与地图构建技术,即SLAM（Simultaneous Localization and Mapping）。早期机器人定位与导航的实现主要依靠激光雷达、惯性测量单元（IMU）、距离传感器等,而随着计算机视觉的发展,相机以其廉价耐用、低功率、体积小、可提供大量丰富的纹理与色彩信息等特点在SLAM领域得到广泛应用。与此同时,以微软Kinect V1为代表的深度相机凭借其高性价比、可直接获取深度等优点把视觉SLAM的研究推向了新的高度。本文基于ORB特征点,结合最新SLAM方案中的一些优势算法与模块,构建了一套以RGB-D传感器为基础的即时定位与地图构建系统。本研究的主要理论基础和工作成果如下:首先,介绍了视...
【文章来源】：广东工业大学广东省
【文章页数】：82 页
【学位级别】：硕士
【部分图文】：
世界上第一台移动机器人ShakeyFigure1-1Theworld'sfirstmobilerobotShakey
图 1-3 SLAM 的主要研究方法Figure 1-3 The main research method of SLAMSLAM 是一种综合多种理论与方法的自主定位与导航的研究与实现方法，如图1-3，按照传感器的划分，移动机器人自主定位与导航的任务主要依靠 GPS[8]、惯性测量单元（IMU）[9]、声纳、激光雷达、相机等传感器来完成，如图 1-4 所示的多种可实现定位与导航的传感器。其中，GPS 信号容易受到地理环境与其它信号的干扰，不能用于室内或水下以及地下各种环境中；超声波[10]定位成本低，但采集速度慢，测量范围小，精度比较低。激光雷达[11]测距范围大，但其价格昂贵。相机作为光学成像器件，不仅体积小、功耗小，可实时获得清晰地图像信息。其中，RGB-D 深度相机同时拥有相机和红外线两种传感器，能采集空间数据生成 RGB-D 图像，而且价格也比较低廉，受到了广大视觉 SLAM[12]研究者的青睐。按照传感器才记得信息和输入划分，SLAM 方法可分为基于地标的 SLAM 研究方法和基于外观的 SLAM 研究方法，基于外观的 SLAM 研究方法[13]是利用传感器在周围未经人为设置路标的环
第二章 视觉 SLAM 基本框架与相机模型第二章 视觉 SLAM 基本框架与相机模型 视觉 SLAM 基本框架目前，针对视觉 SLAM 的研究越来越多，但一般将视觉 SLAM 系统分端两个部分，其中前端包括相机获取图像、视觉里程计[40]，而后端包括、回环检测以及构建地图。它们组成 SLAM 系统的流程如图 2-1。
【参考文献】：
期刊论文
[1]移动机器人SLAM关键问题和解决方法综述[J]. 杨雪梦,姚敏茹,曹凯. 计算机系统应用. 2018(07)
[2]工业机器人运动学与轨迹规划仿真[J]. 唐新星,王平,范大川. 重型机械. 2018(02)
[3]激光雷达SLAM技术及其在无人车中的应用研究进展[J]. 李晨曦,张军,靳欣宇,李广敬,李强. 北京联合大学学报. 2017(04)
[4]机器人智能碰撞传感器的设计与仿真[J]. 林义忠,黄冰鹏,李盛,覃尚活,姚建余. 传感器与微系统. 2017(10)
[5]基于图优化的移动机器人视觉SLAM[J]. 张毅,沙建松. 智能系统学报. 2018(02)
[6]基于光束平差法的双目视觉里程计研究[J]. 罗杨宇,刘宏林. 控制与决策. 2016(11)
[7]人机交互新模式,VR/AR/MR产业开始形成[J]. 郝英好. 新型工业化. 2016(08)
[8]循迹机器人控制系统设计[J]. 罗儒,张文莉,于婷. 现代机械. 2015(04)
[9]融合全局和局部特征的图像特征提取方法[J]. 张雅清,刘忠宝. 华侨大学学报(自然科学版). 2015(04)
[10]面向Kinect RGB-D图像的目标尺寸测量方法[J]. 赵超,张章. 工业控制计算机. 2014(10)
博士论文
[1]基于视觉的机器人同时定位与地图构建[D]. 武二永.浙江大学 2007
硕士论文
[1]移动机器人全景vSLAM研究[D]. 许俊勇.上海交通大学 2008
本文编号：2956648
【文章来源】：广东工业大学广东省
【文章页数】：82 页
【学位级别】：硕士
【部分图文】：
世界上第一台移动机器人ShakeyFigure1-1Theworld'sfirstmobilerobotShakey
图 1-3 SLAM 的主要研究方法Figure 1-3 The main research method of SLAMSLAM 是一种综合多种理论与方法的自主定位与导航的研究与实现方法，如图1-3，按照传感器的划分，移动机器人自主定位与导航的任务主要依靠 GPS[8]、惯性测量单元（IMU）[9]、声纳、激光雷达、相机等传感器来完成，如图 1-4 所示的多种可实现定位与导航的传感器。其中，GPS 信号容易受到地理环境与其它信号的干扰，不能用于室内或水下以及地下各种环境中；超声波[10]定位成本低，但采集速度慢，测量范围小，精度比较低。激光雷达[11]测距范围大，但其价格昂贵。相机作为光学成像器件，不仅体积小、功耗小，可实时获得清晰地图像信息。其中，RGB-D 深度相机同时拥有相机和红外线两种传感器，能采集空间数据生成 RGB-D 图像，而且价格也比较低廉，受到了广大视觉 SLAM[12]研究者的青睐。按照传感器才记得信息和输入划分，SLAM 方法可分为基于地标的 SLAM 研究方法和基于外观的 SLAM 研究方法，基于外观的 SLAM 研究方法[13]是利用传感器在周围未经人为设置路标的环
第二章 视觉 SLAM 基本框架与相机模型第二章 视觉 SLAM 基本框架与相机模型 视觉 SLAM 基本框架目前，针对视觉 SLAM 的研究越来越多，但一般将视觉 SLAM 系统分端两个部分，其中前端包括相机获取图像、视觉里程计[40]，而后端包括、回环检测以及构建地图。它们组成 SLAM 系统的流程如图 2-1。
【参考文献】：
期刊论文
[1]移动机器人SLAM关键问题和解决方法综述[J]. 杨雪梦,姚敏茹,曹凯. 计算机系统应用. 2018(07)
[2]工业机器人运动学与轨迹规划仿真[J]. 唐新星,王平,范大川. 重型机械. 2018(02)
[3]激光雷达SLAM技术及其在无人车中的应用研究进展[J]. 李晨曦,张军,靳欣宇,李广敬,李强. 北京联合大学学报. 2017(04)
[4]机器人智能碰撞传感器的设计与仿真[J]. 林义忠,黄冰鹏,李盛,覃尚活,姚建余. 传感器与微系统. 2017(10)
[5]基于图优化的移动机器人视觉SLAM[J]. 张毅,沙建松. 智能系统学报. 2018(02)
[6]基于光束平差法的双目视觉里程计研究[J]. 罗杨宇,刘宏林. 控制与决策. 2016(11)
[7]人机交互新模式,VR/AR/MR产业开始形成[J]. 郝英好. 新型工业化. 2016(08)
[8]循迹机器人控制系统设计[J]. 罗儒,张文莉,于婷. 现代机械. 2015(04)
[9]融合全局和局部特征的图像特征提取方法[J]. 张雅清,刘忠宝. 华侨大学学报(自然科学版). 2015(04)
[10]面向Kinect RGB-D图像的目标尺寸测量方法[J]. 赵超,张章. 工业控制计算机. 2014(10)
博士论文
[1]基于视觉的机器人同时定位与地图构建[D]. 武二永.浙江大学 2007
硕士论文
[1]移动机器人全景vSLAM研究[D]. 许俊勇.上海交通大学 2008
本文编号：2956648
本文链接：https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/2956648.html
