基于SLAM技术的重入自定位研究

发布时间：2021-03-13 03:30

　　重定位作为移动机器人走向自主化进程中不可缺少的一部分,已经受到广泛的关注。但当前重定位技术仍存在可靠性差、速度慢、无法很好地应对动态环境等挑战性问题。为了解决这些问题,本文主要研究移动机器人的重入自定位技术,在现有的激光SLAM（simultaneous localization and mapping）技术基础上提出了两种重定位方法。首先提出了一种基于特征的重定位方法。该方法首先借助现有的SLAM技术构建栅格地图。其次提取栅格地图中的直线,计算直线的交点获取可靠的关键点。然后改进了LBP（local binary pattern）特征描述符对关键点进行特征描述,用于后续减少错误匹配。接着通过几何匹配的方法计算多组关键点对,对每组关键点对使用随机抽样一致性算法求出模糊位姿。最后在每个模糊位姿上将局部地图点云与全局地图匹配获得位姿估计及对应的评价值,选择评价最高的位姿作为最终的位姿。该方案应对动态环境有较高的可靠性,仅在移动机器人控制器上即可完成重定位,适用性高。其次提出了一种基于神经网络的重定位方法。该方案首先使用采集的激光数据与位姿训练重定位模型。然后通过模型直接得出一个模糊位姿,在... 

【文章来源】：杭州电子科技大学浙江省

【文章页数】：71 页

【学位级别】：硕士

【部分图文】：

各类

前后端架构

SLAM因子图


本文编号：3079498