室内环境下深度相机V-SLAM关键问题及方法研究
发布时间：2021-02-25 19:43
经济社会的不断进步,使得与人类生活密切相关的室内机器人行业飞速发展。作为机器人领域核心问题,SLAM（同步定位与建图）技术受到了学者们广泛关注。而在室内环境所采用的深度相机传感器,以价格和功能兼顾等优势,让深度相机V-SLAM（视觉SLAM）技术问题成为研究热点。为了解决深度相机V-SLAM现有技术存在的一些问题,本文对深度相机数据采集和深度图像修复、关键帧提取及回环检测、V-SLAM稠密建图与优化等关键问题及方法展开了研究,并将其应用于实际室内场景,对本文所研究的技术方法进行了实验分析与验证。本文的主要工作如下:（1）针对深度相机传感器模型和数据采集的问题,本文设计了一种适用于Kinect v1的图像数据采集方法。首先,阐述了深度相机Kinect v1的针孔相机模型,对相机空间点的坐标转换和数学建模进行论述,引出相机的标定参数,并使用张氏标定法（棋盘法）对Kinect v1进行了标定。随后,对图像在计算机图形学中的表示进行了详细说明,在Windows平台上利用Kinect开发包和MATLAB图像处理工具,完成了室内环境的V-SLAM数据采集与转换。（2）针对V-SLAM输入数据的噪声...
【文章来源】：武汉科技大学湖北省
【文章页数】：82 页
【学位级别】：硕士
【部分图文】：
室内环境下的移动机器人由机器人使用的传感器类型，可将SLAM进行划分：基于声纳的SLAM、
武汉科技大学硕士学位论文2以，深度相机以其价格低廉、数据处理高效等优点引发了众多研究者的兴趣，也使得深度相机V-SLAM在室内移动机器人上有较大应用前景[6-9]。然而，尽管深度传感器的出现，引领了SLAM问题研究进入新的篇章[10-11]，但同时应该看到，当前基于深度相机V-SLAM的研究仍然存在诸多问题，例如，深度相机的原始成像研究，深度图的噪声去除问题，以及SLAM前端处理过程中如何更加高效地提取特征与匹配特征；再如后端模块，需要解决的累积误差和位姿漂移[12]的回环检测问题；由于SLAM应用层面[13]的需求，系统通常需要建立环境的稠密地图。如何设计V-SLAM的环境建图及其优化处理等技术方法等，这些都是目前迫切所需要解决的问题。本文针对室内环境下深度相机V-SLAM展开课题研究，本课题的研究属于应用基础性研究，课题的研究工作既可为提高室内移动机器人智能化水平和执行任效率提供关键技术支持，也可为后续基于深度相机V-SLAM的研究积累理论基础和实践经验。1.2深度相机V-SLAM问题研究概况本节首先对V-SLAM问题的基本算法流程作简单梳理和总结；接着，对深度相机V-SLAM课题的国内外研究现状进行介绍和概括，对一些优秀典型的算法和案例也进行代表性列举；随后，结合室内环境下深度相机V-SLAM研究目的，对其关键问题及方法进行分析归纳，并确定整个课题任务的研究思路。1.2.1基本算法流程V-SLAM技术的目标，是通过机器人所携带视觉传感器摄入的图像，对自身所处的位置进行定位，同时，对周围的环境情况进行描述（地图构建）。长期以来，经过研究人员的研究工作，V-SLAM系统框架已经比较成型和确立，如图1.2所示。图1.2V-SLAM系统框架如图1.2所示，经典的V-SLAM系统分为以下模块：（1）传感器（相机）
武汉科技大学硕士学位论文4图1.3深度相机V-SLAM算法流程首先，通过深度相机进行图像采集，得到环境的彩色图像和深度图像。然后，V-SLAM前端模块对图像特征提取和匹配，依据相机参数计算出图像帧的位姿变化。后端模块，对计算出的位姿结果进行优化，提取关键帧[15]，并且通过回环检测进一步减小全局误差。最后，建图模块则对后端优化数据进行处理融合，最终以特定的地图形式展现对周围环境的描述。1.2.2国内外研究现状近年来，华硕XtionProLive、微软Kinect、乐视LetvProXtion等深度相机传感器的出现，为SLAM的研究提出了新的课题和方向，也使得基于深度相机的V-SLAM的技术不断发展[16-18]。Henry[19]等人于2012年首次提出RGB-D相机（深度相机）的SLAM方法，他使用Kinectv1进行室内环境建图，采用了SIFT特征[20]和ICP[21]算法求解V-SLAM问题，但是由于室内光线等问题，深度图会出现空洞而影响建图效果。同年，在此工作基础上，Hu[22]等人提出了一种鲁棒的深度相机V-SLAM算法，采用联合深度相机和单目相机的BA优化，克服了Henry等人方法对图像深度信息要足够多的弊端。2014年，德国慕尼黑工业大学（TUM）的Endres[23]等，提出了当时最先进的深度相机V-SLAM系统RGB-DSLAMv2，它的传感器使用深度相机，系统特征提取采用了图像的SIFT特征，配准环节使用RANSAC来消除错误的匹配，对匹配率有一定提高。然而，该方法特征提取较为费时，且要保证RANSAC的去除效果，需要预先去除大多数错误的匹配，如图1.4所示。Mur-Artal和Tardós在2017年完成的ORB-SLAM2[24]
【参考文献】：
期刊论文
[1]智能驾驶车载激光雷达关键技术与应用算法[J]. 陈晓冬,张佳琛,庞伟凇,艾大航,汪毅,蔡怀宇. 光电工程. 2019(07)
[2]一种去除椒盐噪声的自适应模糊中值滤波算法[J]. 万丰丰,周国民,周晓. 浙江大学学报(理学版). 2019(04)
[3]一种基于改进TF-IDF的SLAM回环检测算法[J]. 董蕊芳,柳长安,杨国田. 东南大学学报(自然科学版). 2019(02)
[4]基于像素滤波和中值滤波的深度图像修复方法[J]. 刘继忠,吴文虎,程承,王光辉,曾成. 光电子·激光. 2018(05)
[5]基于Kinect传感器和ORB特征的视觉SLAM算法设计与实现[J]. 许芬,王振. 计算机工程与科学. 2018(05)
[6]基于关键帧的视觉惯性SLAM闭环检测算法[J]. 张玉龙,张国山. 计算机科学与探索. 2018(11)
[7]一种基于深度相机的机器人室内导航点云地图生成方法[J]. 马跃龙,曹雪峰,万刚,李登峰. 测绘工程. 2018(03)
[8]基于改进闭环检测算法的视觉同时定位与地图构建[J]. 胡章芳,鲍合章,陈旭,范霆铠,赵立明. 计算机应用. 2018(03)
[9]RGB-D SLAM综述[J]. 王旒军,陈家斌,余欢,朱汇申. 导航定位与授时. 2017(06)
[10]Fast Iterative Closest Point-Simultaneous Localization and Mapping（ICP-SLAM） with Rough Alignment and Narrowing-Scale Nearby Searching[J]. 梁滨,张金艺,唐笛恺. Journal of Donghua University（English Edition）. 2017(04)
博士论文
[1]基于视觉的多机器人协作SLAM研究[D]. 苑全德.哈尔滨工业大学 2016
硕士论文
[1]基于RGB-D相机的SLAM技术研究[D]. 李彤.大连理工大学 2019
[2]基于关键帧的RGB-D SLAM技术研究与实现[D]. 佘倩.电子科技大学 2019
[3]基于深度相机的移动机器人SLAM算法研究[D]. 洪亮.中国科学院大学(中国科学院光电技术研究所) 2018
[4]室内移动机器人RGB-D SLAM算法研究[D]. 张米令.哈尔滨工业大学 2018
[5]基于RGB-D图像的同时定位与建图研究[D]. 王婵.中国科学技术大学 2017
[6]基于RGB-D图像的即时定位与构图（SLAM）研究[D]. 徐奥.华中科技大学 2017
[7]基于RGB-D图像的SLAM问题关键技术研究[D]. 王剑楠.南京航空航天大学 2017
[8]室内服务机器人的三维地图构建与导航研究[D]. 熊枭.华中科技大学 2016
[9]基于SLAM的移动室内三维激光扫描研究[D]. 陈萍.中国地质大学(北京) 2016
[10]基于3D激光点云的无人车城市环境SLAM问题研究[D]. 李玉.北京理工大学 2016
本文编号：3051485
【文章来源】：武汉科技大学湖北省
【文章页数】：82 页
【学位级别】：硕士
【部分图文】：
室内环境下的移动机器人由机器人使用的传感器类型，可将SLAM进行划分：基于声纳的SLAM、
武汉科技大学硕士学位论文2以，深度相机以其价格低廉、数据处理高效等优点引发了众多研究者的兴趣，也使得深度相机V-SLAM在室内移动机器人上有较大应用前景[6-9]。然而，尽管深度传感器的出现，引领了SLAM问题研究进入新的篇章[10-11]，但同时应该看到，当前基于深度相机V-SLAM的研究仍然存在诸多问题，例如，深度相机的原始成像研究，深度图的噪声去除问题，以及SLAM前端处理过程中如何更加高效地提取特征与匹配特征；再如后端模块，需要解决的累积误差和位姿漂移[12]的回环检测问题；由于SLAM应用层面[13]的需求，系统通常需要建立环境的稠密地图。如何设计V-SLAM的环境建图及其优化处理等技术方法等，这些都是目前迫切所需要解决的问题。本文针对室内环境下深度相机V-SLAM展开课题研究，本课题的研究属于应用基础性研究，课题的研究工作既可为提高室内移动机器人智能化水平和执行任效率提供关键技术支持，也可为后续基于深度相机V-SLAM的研究积累理论基础和实践经验。1.2深度相机V-SLAM问题研究概况本节首先对V-SLAM问题的基本算法流程作简单梳理和总结；接着，对深度相机V-SLAM课题的国内外研究现状进行介绍和概括，对一些优秀典型的算法和案例也进行代表性列举；随后，结合室内环境下深度相机V-SLAM研究目的，对其关键问题及方法进行分析归纳，并确定整个课题任务的研究思路。1.2.1基本算法流程V-SLAM技术的目标，是通过机器人所携带视觉传感器摄入的图像，对自身所处的位置进行定位，同时，对周围的环境情况进行描述（地图构建）。长期以来，经过研究人员的研究工作，V-SLAM系统框架已经比较成型和确立，如图1.2所示。图1.2V-SLAM系统框架如图1.2所示，经典的V-SLAM系统分为以下模块：（1）传感器（相机）
武汉科技大学硕士学位论文4图1.3深度相机V-SLAM算法流程首先，通过深度相机进行图像采集，得到环境的彩色图像和深度图像。然后，V-SLAM前端模块对图像特征提取和匹配，依据相机参数计算出图像帧的位姿变化。后端模块，对计算出的位姿结果进行优化，提取关键帧[15]，并且通过回环检测进一步减小全局误差。最后，建图模块则对后端优化数据进行处理融合，最终以特定的地图形式展现对周围环境的描述。1.2.2国内外研究现状近年来，华硕XtionProLive、微软Kinect、乐视LetvProXtion等深度相机传感器的出现，为SLAM的研究提出了新的课题和方向，也使得基于深度相机的V-SLAM的技术不断发展[16-18]。Henry[19]等人于2012年首次提出RGB-D相机（深度相机）的SLAM方法，他使用Kinectv1进行室内环境建图，采用了SIFT特征[20]和ICP[21]算法求解V-SLAM问题，但是由于室内光线等问题，深度图会出现空洞而影响建图效果。同年，在此工作基础上，Hu[22]等人提出了一种鲁棒的深度相机V-SLAM算法，采用联合深度相机和单目相机的BA优化，克服了Henry等人方法对图像深度信息要足够多的弊端。2014年，德国慕尼黑工业大学（TUM）的Endres[23]等，提出了当时最先进的深度相机V-SLAM系统RGB-DSLAMv2，它的传感器使用深度相机，系统特征提取采用了图像的SIFT特征，配准环节使用RANSAC来消除错误的匹配，对匹配率有一定提高。然而，该方法特征提取较为费时，且要保证RANSAC的去除效果，需要预先去除大多数错误的匹配，如图1.4所示。Mur-Artal和Tardós在2017年完成的ORB-SLAM2[24]
【参考文献】：
期刊论文
[1]智能驾驶车载激光雷达关键技术与应用算法[J]. 陈晓冬,张佳琛,庞伟凇,艾大航,汪毅,蔡怀宇. 光电工程. 2019(07)
[2]一种去除椒盐噪声的自适应模糊中值滤波算法[J]. 万丰丰,周国民,周晓. 浙江大学学报(理学版). 2019(04)
[3]一种基于改进TF-IDF的SLAM回环检测算法[J]. 董蕊芳,柳长安,杨国田. 东南大学学报(自然科学版). 2019(02)
[4]基于像素滤波和中值滤波的深度图像修复方法[J]. 刘继忠,吴文虎,程承,王光辉,曾成. 光电子·激光. 2018(05)
[5]基于Kinect传感器和ORB特征的视觉SLAM算法设计与实现[J]. 许芬,王振. 计算机工程与科学. 2018(05)
[6]基于关键帧的视觉惯性SLAM闭环检测算法[J]. 张玉龙,张国山. 计算机科学与探索. 2018(11)
[7]一种基于深度相机的机器人室内导航点云地图生成方法[J]. 马跃龙,曹雪峰,万刚,李登峰. 测绘工程. 2018(03)
[8]基于改进闭环检测算法的视觉同时定位与地图构建[J]. 胡章芳,鲍合章,陈旭,范霆铠,赵立明. 计算机应用. 2018(03)
[9]RGB-D SLAM综述[J]. 王旒军,陈家斌,余欢,朱汇申. 导航定位与授时. 2017(06)
[10]Fast Iterative Closest Point-Simultaneous Localization and Mapping（ICP-SLAM） with Rough Alignment and Narrowing-Scale Nearby Searching[J]. 梁滨,张金艺,唐笛恺. Journal of Donghua University（English Edition）. 2017(04)
博士论文
[1]基于视觉的多机器人协作SLAM研究[D]. 苑全德.哈尔滨工业大学 2016
硕士论文
[1]基于RGB-D相机的SLAM技术研究[D]. 李彤.大连理工大学 2019
[2]基于关键帧的RGB-D SLAM技术研究与实现[D]. 佘倩.电子科技大学 2019
[3]基于深度相机的移动机器人SLAM算法研究[D]. 洪亮.中国科学院大学(中国科学院光电技术研究所) 2018
[4]室内移动机器人RGB-D SLAM算法研究[D]. 张米令.哈尔滨工业大学 2018
[5]基于RGB-D图像的同时定位与建图研究[D]. 王婵.中国科学技术大学 2017
[6]基于RGB-D图像的即时定位与构图（SLAM）研究[D]. 徐奥.华中科技大学 2017
[7]基于RGB-D图像的SLAM问题关键技术研究[D]. 王剑楠.南京航空航天大学 2017
[8]室内服务机器人的三维地图构建与导航研究[D]. 熊枭.华中科技大学 2016
[9]基于SLAM的移动室内三维激光扫描研究[D]. 陈萍.中国地质大学(北京) 2016
[10]基于3D激光点云的无人车城市环境SLAM问题研究[D]. 李玉.北京理工大学 2016
本文编号：3051485
本文链接：https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/3051485.html
