融合视觉信息的激光SLAM闭环检测
发布时间：2021-02-03 16:12
同步定位与地图构建（Simultaneous Localization and Mapping,SLAM）是机器人与自动驾驶领域中一大重要关键技术,具有非常广泛的应用前景与使用价值。由于视觉传感器和激光传感器的特点和优势,这两项关键技术成为了近几年来的研究热点。本文首先分别研究了基于视觉和基于激光的两种建图技术的基本理论和方法,分析了这两种方法的优缺点。相关研究表明,激光雷达在点的三维信息等测量数据方面较为准确,所以激光SLAM能很好地反映周围环境信息。激光SLAM的建图结果在小型环境中相当不错,但是到了大型环境中,累计误差变成了阻碍建图准确度的一个重要因素,并且激光SLAM没有有效的闭环检测方法来减小该累计误差。相反,视觉SLAM获取的图片中有很丰富的信息量,能够很好地完成场景识别,但是此类方法相比激光建图准确性还有待提高。本文提出了一种融合视觉信息的基于激光SLAM的来同时检测和纠正闭环的方法,能够较好地解决激光SLAM闭环检测这个问题。特别地,本文介绍了一种用于检测和维护视觉关键帧的视觉词袋技术,以将机器人的估计的姿态与分割好的激光点云联系起来。本文的方法可以借助视觉闭环检测的快...
【文章来源】：国防科技大学湖南省 211工程院校 985工程院校
【文章页数】：63 页
【学位级别】：硕士
【部分图文】：
智能机器人在当今常用的环境感知传感器主要有视
国防科技大学研究生院硕士学位论文第3页没有很好的检测方法，而且计算量极大，从而可能导致闭环检测失败,而视觉SLAM能获取到图片中丰富的颜色信息和物体信息，更适用于进行特征点的检测和匹配，从而完成闭环检测。而且视觉SLAM即使在没有估计出机器人位姿的情况下，也能利用图像帧之间的颜色信息和特征点信息完成图像匹配，进而完成闭环检测，而且该类方法已有许多成熟的快速的实现方法，成功率比较高，不过该类方法的前提是必须有图片帧的输入，对于激光SLAM的点云数据不适用。图1.2利用激光传感器所建地图因此，本课题拟实现一个基于视觉信息的包含闭环检测的激光SLAM系统，以利用视觉信息检测闭环并添加约束为主线，将视觉SLAM的闭环检测模块和激光SLAM相融合，针对大规模室外场景实现实时的闭环检测系统，同时提高建图的精准度以及系统的鲁棒性。该课题尝试通过视觉信息，使激光装载的机器人能识别之前到过的地方，计算此时真实的位姿，从而和之前估计的位姿进行比较，最后利用这个差值作为约束条件，优化全局的地图。1.2相关研究工作由于其优良的特性，基于三维激光雷达的SLAM方法在自主定位，路线规划和自主导航等方面起着越来越关键的作用，接下来，本节将从激光SLAM的研究现状和激光SLAM的闭环检测两个方面介绍国内外研究进展。1.2.1激光SLAM的研究现状首先需要介绍的是本文所改进系统的基础：LOAM激光SLAM系统。LOAM系统是由ZhangJi等人提出的[4]，并且还进一步开发了该系统，产生了后来更多的得到优化的项目[5][6][7]。该系统利用计算点云之间特征匹配的方法，能有效地对点云进行预处理，计算机器人的位姿，以及实时地构建激光点云地图。在LOAM的
国防科技大学研究生院硕士学位论文第10页这里的尺度空间函数可以使用高斯金字塔来表示，同时为了减小图像平滑处理后的不利影响，同时提高边缘检测的准确性，他们利用拉普拉斯滤波进行二次微分并生成LoG算子：2LoGIx,y,Gx,y,*Ix,y（2.4）这里中的高斯函数前方的变量拉普拉斯算子，计算方式如（3.5）所示：22222xy（2.5）在此之前，1994年提出的高斯差分函数DoG算子与LoG算子，极为相似，并且效率更高，式（3.6）和（3.7）为DoG算子的计算公式：Dx,y,Lx,y,kLx,y,（2.6）Dx,y,Gx,y,kGx,y,*Ix,y（2.7）在计算过程中如果对高斯金字塔中每组中相邻的上下两层图像做减法，可以得到高斯差分图像，如图2.1所示，同时并对其进行关键点检测。图2.1高斯函数的差分图像为了让图像特征满足旋转不变性的条件，本文使用局部信息可以为每个关键点指定一个基准方向，这样通过图像梯度的方法，同时并用直方图可以进行统计并计算这个关键点的方向。最后一步，最后为了描述子的提取，本文经过前面三步的计算处理，每个关键点已经各自的具体位置、各个尺度和方向的信息，然后
【参考文献】：
期刊论文
[1]基于激光扫描匹配的移动机器人相对定位技术研究[J]. 钱晓明,张浩,王晓勇,武星. 农业机械学报. 2016(03)
[2]基于图优化的同时定位与地图创建综述[J]. 梁明杰,闵华清,罗荣华. 机器人. 2013(04)
[3]复杂环境下多机器人协作构建地图的方法[J]. 潘薇,蔡自兴,陈白帆. 四川大学学报(工程科学版). 2010(01)
[4]大规模环境下基于激光雷达的机器人SLAM算法[J]. 武二永,项志宇,沈敏一,刘济林. 浙江大学学报(工学版). 2007(12)
[5]多机器人系统的研究现状[J]. 熊举峰,谭冠政,盘辉. 计算机工程与应用. 2005(30)
硕士论文
[1]三维重建中的点云拼接算法研究[D]. 王程远.中北大学 2017
[2]单目摄像头实时视觉定位[D]. 徐宁.上海交通大学 2008
本文编号：3016797
【文章来源】：国防科技大学湖南省 211工程院校 985工程院校
【文章页数】：63 页
【学位级别】：硕士
【部分图文】：
智能机器人在当今常用的环境感知传感器主要有视
国防科技大学研究生院硕士学位论文第3页没有很好的检测方法，而且计算量极大，从而可能导致闭环检测失败,而视觉SLAM能获取到图片中丰富的颜色信息和物体信息，更适用于进行特征点的检测和匹配，从而完成闭环检测。而且视觉SLAM即使在没有估计出机器人位姿的情况下，也能利用图像帧之间的颜色信息和特征点信息完成图像匹配，进而完成闭环检测，而且该类方法已有许多成熟的快速的实现方法，成功率比较高，不过该类方法的前提是必须有图片帧的输入，对于激光SLAM的点云数据不适用。图1.2利用激光传感器所建地图因此，本课题拟实现一个基于视觉信息的包含闭环检测的激光SLAM系统，以利用视觉信息检测闭环并添加约束为主线，将视觉SLAM的闭环检测模块和激光SLAM相融合，针对大规模室外场景实现实时的闭环检测系统，同时提高建图的精准度以及系统的鲁棒性。该课题尝试通过视觉信息，使激光装载的机器人能识别之前到过的地方，计算此时真实的位姿，从而和之前估计的位姿进行比较，最后利用这个差值作为约束条件，优化全局的地图。1.2相关研究工作由于其优良的特性，基于三维激光雷达的SLAM方法在自主定位，路线规划和自主导航等方面起着越来越关键的作用，接下来，本节将从激光SLAM的研究现状和激光SLAM的闭环检测两个方面介绍国内外研究进展。1.2.1激光SLAM的研究现状首先需要介绍的是本文所改进系统的基础：LOAM激光SLAM系统。LOAM系统是由ZhangJi等人提出的[4]，并且还进一步开发了该系统，产生了后来更多的得到优化的项目[5][6][7]。该系统利用计算点云之间特征匹配的方法，能有效地对点云进行预处理，计算机器人的位姿，以及实时地构建激光点云地图。在LOAM的
国防科技大学研究生院硕士学位论文第10页这里的尺度空间函数可以使用高斯金字塔来表示，同时为了减小图像平滑处理后的不利影响，同时提高边缘检测的准确性，他们利用拉普拉斯滤波进行二次微分并生成LoG算子：2LoGIx,y,Gx,y,*Ix,y（2.4）这里中的高斯函数前方的变量拉普拉斯算子，计算方式如（3.5）所示：22222xy（2.5）在此之前，1994年提出的高斯差分函数DoG算子与LoG算子，极为相似，并且效率更高，式（3.6）和（3.7）为DoG算子的计算公式：Dx,y,Lx,y,kLx,y,（2.6）Dx,y,Gx,y,kGx,y,*Ix,y（2.7）在计算过程中如果对高斯金字塔中每组中相邻的上下两层图像做减法，可以得到高斯差分图像，如图2.1所示，同时并对其进行关键点检测。图2.1高斯函数的差分图像为了让图像特征满足旋转不变性的条件，本文使用局部信息可以为每个关键点指定一个基准方向，这样通过图像梯度的方法，同时并用直方图可以进行统计并计算这个关键点的方向。最后一步，最后为了描述子的提取，本文经过前面三步的计算处理，每个关键点已经各自的具体位置、各个尺度和方向的信息，然后
【参考文献】：
期刊论文
[1]基于激光扫描匹配的移动机器人相对定位技术研究[J]. 钱晓明,张浩,王晓勇,武星. 农业机械学报. 2016(03)
[2]基于图优化的同时定位与地图创建综述[J]. 梁明杰,闵华清,罗荣华. 机器人. 2013(04)
[3]复杂环境下多机器人协作构建地图的方法[J]. 潘薇,蔡自兴,陈白帆. 四川大学学报(工程科学版). 2010(01)
[4]大规模环境下基于激光雷达的机器人SLAM算法[J]. 武二永,项志宇,沈敏一,刘济林. 浙江大学学报(工学版). 2007(12)
[5]多机器人系统的研究现状[J]. 熊举峰,谭冠政,盘辉. 计算机工程与应用. 2005(30)
硕士论文
[1]三维重建中的点云拼接算法研究[D]. 王程远.中北大学 2017
[2]单目摄像头实时视觉定位[D]. 徐宁.上海交通大学 2008
本文编号：3016797
本文链接：https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/3016797.html
