短期和长期动态环境下的机器人同时定位与地图构建

发布时间：2021-09-22 19:52

　　近年来随着人工智能的快速发展,机器人领域也逐渐融入到我们日常生活中,使我们的生活更加便利,其中移动机器人的发展离不开一项关键的技术:同时定位与地图构建（SLAM）。现有的SLAM技术大部分都是结合视觉来实现,当前视觉SLAM技术是基于一个重要的假设:机器人所处的环境是静态的。但是机器人运行所处的实际环境是动态的,这种动态环境可分为两种情况:一种是机器人运行环境中存在高动态物体,如行人、车辆等,由于环境变化时间较短,可称为短期动态环境,高动态物体的存在会影响机器人自身的定位算法;另一种是机器人运行环境发生光照、视角等变化,由于环境变化时间较长,可称为长期动态环境,环境中光照、视角的变化会影响机器人的回环检测算法。本文通过结合深度学习在处理图像上的优势,设计了一个能适应动态环境的视觉SLAM算法,采用目前主流的视觉SLAM框架,将系统分为三个部分:跟踪线程、建图线程、回环检测线程。在跟踪线程中,本文提取图像ORB特征点进行匹配,实现机器人运动中的位姿估计和优化。在建图线程中,本文将机器人感兴趣的特征点投影到地图中,构建与环境更加一致的地图。在回环检测线程中,本文通过判断图像相似度来检测机器... 

【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】：68 页

【学位级别】：硕士

【部分图文】：

高动态行人较多的场景

同一位置

特征点法和直

【参考文献】：
期刊论文
[1]图像Harris特征点提取算法的研究[J]. 魏佳.  电脑知识与技术. 2010(32)



本文编号：3404289