基于激光视觉惯性耦合的SLAM系统研究
发布时间：2021-08-12 08:35
随着当今时代智能化水平的不断发展,智能载体的对自主导航能力的要求逐渐提高,SLAM（即时定位与建图）作为导航定位中的核心关键技术得到了研究学者们的密切关注。多传感器的融合应用能够弥补单个传感器的局限不足,适应复杂的环境变化,如IMU的高频输出可以处理过激运动,相机的特征跟踪可以克服IMU的漂移,激光点云可以提供高精度长距离的深度信息等。本文将结合IMU、双目相机和激光雷达的优势,研究搭建基于视觉惯性激光耦合的SLAM算法。本文的主要研究工作概述如下:1.设计出一套基于多传感器融合的SLAM系统框架,针对不同传感器分别建立了IMU观测模型、双目相机投影模型和激光雷达扫描模型。针对一般SLAM问题建立了数学模型,并通用化其状态方程形式,用非线性优化的方式代替传统滤波法,解决SLAM中非线性最小二乘问题。2.研究了SLAM系统框架中各传感器的前端数据处理过程。研究了IMU预积分理论的的中值积分表达形式,建立误差状态表达式,推导了增量方程的雅可比矩阵形式用于后端迭代优化;研究了双目相机的SFM算法流程,通过特征点提取与光流跟踪,关键帧选取策略,EPn P位姿恢复算法和三角测量路标点深度恢复算法...
【文章来源】：哈尔滨工业大学黑龙江省 211工程院校 985工程院校
【文章页数】：79 页
【学位级别】：硕士
【部分图文】：
SLAM技术的实际应用
呕?透怕驶?魅说认喙乩砺壑?叮?婕傲煊?极其广泛。目前主流的开源方案大都是基于激光或相机传感器，结合滤波或优化的理论实现的SLAM框架。激光SLAM通过使用激光雷达光学传感器，提供周围环境的距离信息。激光雷达通常基于飞行时间法（TimeofFlight，TOF）[4]测距原理，通过记录发射光线从发出到反射回来所需要的时间差来计算出物体的距离，由于激光雷达精度高、测量范围远、抗干扰性强且原理简单，被广泛用于机器人的定位和避障。但同时由于设备成本较高，无法普及大众市常a)Velodyne激光雷达b)robosense激光雷达图1-2激光雷达相关产品
哈尔滨工业大学工程硕士学位论文-3-由于激光雷达的价格昂贵，研究人员开始寻求新的传感器设备，体积小巧且廉价的相机被用来代替双眼实现SLAM中的定位与建图，相机传感器相较于激光雷达能充分利用环境物体的颜色和纹理信息，在解决SLAM问题上有着独特的优势，从而使得以VSLAM（视觉SLAM）为框架的系统逐渐发展且壮大起来，成为解决SLAM问题的一条独特分支。VSLAM系统实质就是通过一组图像序列来解决三维重建（StructureFromMotion，SFM）[5]问题，涉及到多视图几何以及非线性优化问题。视觉相机种类繁多，各有优劣，单目相机由于仅有一个摄像头，体积小巧且成本较低，可以作为视觉SLAM的基础入门传感器，但单个摄像头存在尺度不确定性，故而需要进行初始化标定过程；双目相机通过事先标定好的外参可以得到绝对尺度信息，再利用三角测量得到物体深度信息；RGB-D深度相机采用结构光或者TOF法直接得到物体的距离信息，但红外结构光容易受到外界光源干扰。a)单目相机b)小觅双目相机c)Kinect深度相机图1-3相机相关产品经典SLAM主要包括四大部分：前端里程计、后端非线性优化、回环检测和建图[6]。如图1-4所示，传感器传入的数据，经过前端里程计处理，得到初步的含误差的位姿信息；后端通过滤波或非线性优化方法得到优化后的位姿信息；回环检测判断主体是否到达之前位置，从而建立反馈回路，将SLAM系统变成闭环系统，使得系统误差保持在可控范围内，并建立全局一致的轨迹；最终根据计算轨迹和检测得到的路标点，建立全局一致的完整地图。图1-4SLAM框架经典流程图无论是基于传统的惯性编码器或GNSS卫星导航方案，还是当前主流的激光SLAM和VSLAM方案，都受限于单一传感器的硬件局限，在特殊场景下无
本文编号：3337988
【文章来源】：哈尔滨工业大学黑龙江省 211工程院校 985工程院校
【文章页数】：79 页
【学位级别】：硕士
【部分图文】：
SLAM技术的实际应用
呕?透怕驶?魅说认喙乩砺壑?叮?婕傲煊?极其广泛。目前主流的开源方案大都是基于激光或相机传感器，结合滤波或优化的理论实现的SLAM框架。激光SLAM通过使用激光雷达光学传感器，提供周围环境的距离信息。激光雷达通常基于飞行时间法（TimeofFlight，TOF）[4]测距原理，通过记录发射光线从发出到反射回来所需要的时间差来计算出物体的距离，由于激光雷达精度高、测量范围远、抗干扰性强且原理简单，被广泛用于机器人的定位和避障。但同时由于设备成本较高，无法普及大众市常a)Velodyne激光雷达b)robosense激光雷达图1-2激光雷达相关产品
哈尔滨工业大学工程硕士学位论文-3-由于激光雷达的价格昂贵，研究人员开始寻求新的传感器设备，体积小巧且廉价的相机被用来代替双眼实现SLAM中的定位与建图，相机传感器相较于激光雷达能充分利用环境物体的颜色和纹理信息，在解决SLAM问题上有着独特的优势，从而使得以VSLAM（视觉SLAM）为框架的系统逐渐发展且壮大起来，成为解决SLAM问题的一条独特分支。VSLAM系统实质就是通过一组图像序列来解决三维重建（StructureFromMotion，SFM）[5]问题，涉及到多视图几何以及非线性优化问题。视觉相机种类繁多，各有优劣，单目相机由于仅有一个摄像头，体积小巧且成本较低，可以作为视觉SLAM的基础入门传感器，但单个摄像头存在尺度不确定性，故而需要进行初始化标定过程；双目相机通过事先标定好的外参可以得到绝对尺度信息，再利用三角测量得到物体深度信息；RGB-D深度相机采用结构光或者TOF法直接得到物体的距离信息，但红外结构光容易受到外界光源干扰。a)单目相机b)小觅双目相机c)Kinect深度相机图1-3相机相关产品经典SLAM主要包括四大部分：前端里程计、后端非线性优化、回环检测和建图[6]。如图1-4所示，传感器传入的数据，经过前端里程计处理，得到初步的含误差的位姿信息；后端通过滤波或非线性优化方法得到优化后的位姿信息；回环检测判断主体是否到达之前位置，从而建立反馈回路，将SLAM系统变成闭环系统，使得系统误差保持在可控范围内，并建立全局一致的轨迹；最终根据计算轨迹和检测得到的路标点，建立全局一致的完整地图。图1-4SLAM框架经典流程图无论是基于传统的惯性编码器或GNSS卫星导航方案，还是当前主流的激光SLAM和VSLAM方案，都受限于单一传感器的硬件局限，在特殊场景下无
本文编号：3337988
本文链接：https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/3337988.html
