基于Kinect的RGB-D SLAM及其在云机器人下的应用
发布时间：2021-05-18 17:11
机器人在未知环境中的即时定位与地图构建（Simultaneous Localization and Mapping,SLAM）是移动机器人导航领域中的重要研究课题之一。随着RGB-D传感器技术的发展,如Kinect传感器等,以其高性能且价格低的优势得到了机器人领域中广大科研人员的青睐,针对RGB-D SLAM的研究也成为SLAM领域中比较火热的研究课题之一。针对RGB-D SLAM中存在的一些缺点和不足,如速度慢、计算任务复杂、数据庞大等,本文对原RGB-D SLAM算法的前端部分和后端部分进行了详细地分析,并对其多个关键环节进行了改进。然后在改进算法的基础上,将RGB-D SLAM与云机器人相结合,将RGB-D SLAM算法的后端过程卸载到云端执行,从而克服了传统SLAM过程计算复杂、速度过慢以及实时性差等缺点。具体研究内容如下:首先对RGB-D SLAM算法的每个环节进行了描述,并分析了算法中存在的缺点和不足,根据这些问题,本文针对特征检测与描述符提取、运动变换优化以及位姿图优化这三个环节给出了详尽的改进方法:针对BRISK算法不再使用尺度空间金字塔来构建尺度空间,而是利用像素点深...
【文章来源】：华东交通大学江西省
【文章页数】：77 页
【学位级别】：硕士
【文章目录】：
摘要
abstract
第一章 绪论
1.1 课题研究背景及研究意义
1.2 国内外研究现状
1.2.1 云机器人技术研究现状
1.2.2 RGB-DSLAM研究现状
1.3 本文主要内容及结构安排
第二章 Kinect平台及数据获取
2.1 Kinect传感器简介
2.2 Kinect数据获取原理
2.2.1 Kinect深度图像获取原理
2.2.2 Kinect环境信息的获取
2.3 Kinect摄像机标定
2.3.1 引言
2.3.2 Kinect摄像机标定原理
2.3.3 Kinect摄像机的标定
第三章 基于Kinect的RGB-DSLAM方法研究
3.1 SLAM问题描述及系统建模
3.1.1 SLAM问题描述
3.1.2 SLAM概率模型
3.1.3 移动机器人运动模型
3.2 RGB-DSLAM算法整体流程
3.3 RGB-DSLAM算法前端
3.3.1 特征检测与描述符提取
3.3.2 特征匹配
3.3.3 运动估计变换
3.3.4 运动变换优化过程
3.4 RGB-DSLAM算法后端
3.4.1 位姿图的初始化
3.4.2 闭环检测
3.4.3 位姿图的优化
第四章 针对原始RGB-DSLAM算法的改进
4.1 原RGB-DSLAM算法存在的不足
4.2 改进BRISK的特征检测与描述符提取
4.2.1 对BRISK算法改进的整体描述
4.2.2 特征检测
4.2.3 尺度因子的计算
4.2.4 特征点的总体模式主方向的确定
4.2.5 实验结果对比及分析
4.3 基于ICP与粒子滤波相结合的运动变换优化
4.3.1 粒子滤波建议分布的选择
4.3.2 抽样过程的改良
4.3.3 重采样过程
4.3.4 具体实现过程
4.3.5 实验结果及分析
4.4 基于HOG-Man的位姿图优化
4.4.1 HOG-Man多层次位姿图的构建
4.4.2 线性流形
4.4.3 实验结果及分析
4.5 整体算法的改进效果
第五章 结合云机器人的RGB-DSLAM的设计与实现
5.1 相关技术介绍
5.1.1 云平台概述
5.1.2 机器人操作系统
5.2 基于云机器人的RGB-DSLAM的设计与实现
5.2.1 需求分析
5.2.2 系统架构的设计与实现
5.2.3 ROS节点的设计与实现
5.3 云端地图数据的存储和共享
5.3.1 地图的存储
5.3.2 地图的共享
5.4 实验结果与分析
5.4.1 整体实验效果对比
5.4.2 性能对比
5.4.3 占用带宽分析
第六章 总结与展望
6.1 全文总结
6.2 工作展望
参考文献
个人简历 在读期间发表的学术论文
致谢
【参考文献】：
期刊论文
[1]张正友标定法在DIC位移测量中的应用[J]. 单宝华,霍晓洋,刘洋. 实验室研究与探索. 2016(02)
[2]基于显著场景Bayesian Surprise的移动机器人自然路标检测[J]. 钱堃,马旭东,戴先中,房芳,杨鸿. 模式识别与人工智能. 2013(06)
[3]视觉导航特征点匹配及误匹配剔除算法[J]. 徐超,沈晓蓉,罗宇锋,范耀祖. 计算机仿真. 2010(04)
[4]基于主动环形闭合约束的移动机器人分层同时定位和地图创建[J]. 黄庆成,洪炳熔,厉茂海,罗荣华. 计算机研究与发展. 2007(04)
硕士论文
[1]基于Kinect的视觉同步定位与建图研究[D]. 徐冬云.哈尔滨工业大学 2016
[2]Kinect深度相机标定算法研究[D]. 李雅娜.西安电子科技大学 2014
本文编号：3194177
【文章来源】：华东交通大学江西省
【文章页数】：77 页
【学位级别】：硕士
【文章目录】：
摘要
abstract
第一章 绪论
1.1 课题研究背景及研究意义
1.2 国内外研究现状
1.2.1 云机器人技术研究现状
1.2.2 RGB-DSLAM研究现状
1.3 本文主要内容及结构安排
第二章 Kinect平台及数据获取
2.1 Kinect传感器简介
2.2 Kinect数据获取原理
2.2.1 Kinect深度图像获取原理
2.2.2 Kinect环境信息的获取
2.3 Kinect摄像机标定
2.3.1 引言
2.3.2 Kinect摄像机标定原理
2.3.3 Kinect摄像机的标定
第三章 基于Kinect的RGB-DSLAM方法研究
3.1 SLAM问题描述及系统建模
3.1.1 SLAM问题描述
3.1.2 SLAM概率模型
3.1.3 移动机器人运动模型
3.2 RGB-DSLAM算法整体流程
3.3 RGB-DSLAM算法前端
3.3.1 特征检测与描述符提取
3.3.2 特征匹配
3.3.3 运动估计变换
3.3.4 运动变换优化过程
3.4 RGB-DSLAM算法后端
3.4.1 位姿图的初始化
3.4.2 闭环检测
3.4.3 位姿图的优化
第四章 针对原始RGB-DSLAM算法的改进
4.1 原RGB-DSLAM算法存在的不足
4.2 改进BRISK的特征检测与描述符提取
4.2.1 对BRISK算法改进的整体描述
4.2.2 特征检测
4.2.3 尺度因子的计算
4.2.4 特征点的总体模式主方向的确定
4.2.5 实验结果对比及分析
4.3 基于ICP与粒子滤波相结合的运动变换优化
4.3.1 粒子滤波建议分布的选择
4.3.2 抽样过程的改良
4.3.3 重采样过程
4.3.4 具体实现过程
4.3.5 实验结果及分析
4.4 基于HOG-Man的位姿图优化
4.4.1 HOG-Man多层次位姿图的构建
4.4.2 线性流形
4.4.3 实验结果及分析
4.5 整体算法的改进效果
第五章 结合云机器人的RGB-DSLAM的设计与实现
5.1 相关技术介绍
5.1.1 云平台概述
5.1.2 机器人操作系统
5.2 基于云机器人的RGB-DSLAM的设计与实现
5.2.1 需求分析
5.2.2 系统架构的设计与实现
5.2.3 ROS节点的设计与实现
5.3 云端地图数据的存储和共享
5.3.1 地图的存储
5.3.2 地图的共享
5.4 实验结果与分析
5.4.1 整体实验效果对比
5.4.2 性能对比
5.4.3 占用带宽分析
第六章 总结与展望
6.1 全文总结
6.2 工作展望
参考文献
个人简历 在读期间发表的学术论文
致谢
【参考文献】：
期刊论文
[1]张正友标定法在DIC位移测量中的应用[J]. 单宝华,霍晓洋,刘洋. 实验室研究与探索. 2016(02)
[2]基于显著场景Bayesian Surprise的移动机器人自然路标检测[J]. 钱堃,马旭东,戴先中,房芳,杨鸿. 模式识别与人工智能. 2013(06)
[3]视觉导航特征点匹配及误匹配剔除算法[J]. 徐超,沈晓蓉,罗宇锋,范耀祖. 计算机仿真. 2010(04)
[4]基于主动环形闭合约束的移动机器人分层同时定位和地图创建[J]. 黄庆成,洪炳熔,厉茂海,罗荣华. 计算机研究与发展. 2007(04)
硕士论文
[1]基于Kinect的视觉同步定位与建图研究[D]. 徐冬云.哈尔滨工业大学 2016
[2]Kinect深度相机标定算法研究[D]. 李雅娜.西安电子科技大学 2014
本文编号：3194177
本文链接：https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/3194177.html
