结合轮速传感器的紧耦合单目视觉惯性SLAM

发布时间：2021-03-24 00:51

　　视觉SLAM方法广泛应用于复杂环境的自主定位与建图。但将相机作为唯一传感器,难以应对弱光、弱纹理、快速运动。将相机结合IMU进行视觉惯性SLAM,能显著提升鲁棒性,并将单目视觉SLAM尺度不可观变为弱可观。地面移动机器人经常处于匀速运动或纯旋转状态,此时单目视觉惯性SLAM缺少加速度激励,无法观测尺度,将造成严重的定位误差。对于地面移动机器人,引入轮速传感器,可解决上述尺度弱可观问题,并提高在异常情况下的定位鲁棒性。本文提出了一种使用单目视觉、惯性测量与轮速测量的多传感器融合SLAM算法,以紧耦合方式融合各传感器测量,使用非线性优化方法最大化后验概率以求解最优状态估计,并具备回环检测与后端优化能力。在算法的设计与实现过程中,主要研究成果包括:基于力矩控制的麦克纳姆轮移动底盘控制算法,可利用运动约束误差估计轮速测量可信度;针对地面全向移动底盘的底盘-IMU内外参标定,无需辅助装置;融合轮速与IMU角速度的轮式里程计预积分,可避免重复积分;基于轮式里程计与IMU的状态初始化;底盘异常状态主动检测算法,可主动隔离错误的底盘速度测量。在房间尺度场景、楼层尺度场景以及车轮打滑、碰撞、绑架、视觉丢... 

【文章来源】：华中科技大学湖北省 211工程院校 985工程院校 教育部直属院校

【文章页数】：128 页

【学位级别】：硕士

【部分图文】：

人类的自我感知与机器人多传感器融合感知如图1-1所示，对于机器人，相机承担着眼睛的作用，IMU承担着耳蜗的作用，

中 科 技 大 学 硕 士 学 位2机器人系统设计与运动控制航、环境感知以及人机协作的需求，本章。机器人采用视觉方案进行环境感知，使装配双 7 自由度机械臂以便进行人机协同

图 2-6 麦克纳姆轮受力分析转动的，麦克纳姆轮只能向地面提供辊时，车轮受到切向的力 ，车体结构地面的作用力为二者合力 ，方向为正方形，分析底盘在一定电机转矩下的辊子车轮


本文编号：3096731