基于ROS的室内视觉SLAM算法研究

发布时间：2021-10-23 02:35

　　近些年来,随着人工智能技术的高速发展,移动机器人在社会生活的各个领域内得到了广泛的应用。自主移动是移动机器人在各行各业中应用推广的重要发展需求,而同时定位与地图构建（SLAM）是实现移动机器人在未知环境下自主移动的关键技术。本文主要对室内环境下移动机器人的视觉SLAM算法进行研究。针对传统视觉SLAM方法中存在的效率低和误差大等问题,本文分别对其前端和后端进行了研究,并作出改进,得到一种准确性和实时性较好的室内视觉SLAM方法。首先,在研究了机器人操作平台（ROS）的基础知识和视觉SLAM的整体框架的基础上,完成了基于ROS的视觉SLAM实验平台的搭建,接着研究了Kinect相机的成像模型和相机标定方法,并在ROS环境中利用Open CV对彩色摄像头和深度摄像头的内参数和外参数进行标定,从而使相机采集到的RGB图像和深度图像对齐。其次,对视觉SLAM的前端的三个环节:特征提取、特征匹配、运动估计进行了研究。针对运动估计环节中,因像素深度数据缺失导致传统的ICP算法不能准确求解相机位姿的问题,提出混合使用迭代最近点（ICP）和高效的n点透视（EPn P）算法来进行运动估计,进一步提高了位... 

【文章来源】：长春理工大学吉林省

【文章页数】：71 页

【学位级别】：硕士

【部分图文】：

各类应用

常见

第1章绪论2是指搭载特定的传感器，在没有环境先验信息的情况下，在运动过程中对自身进行定位和对周围环境建模的过程。按其搭载的传感器来分，SLAM主要可以分为激光SLAM（LidarSLAM）和视觉SLAM（VisualSLAM）。相较于视觉SLAM，激光SLAM起步早，在理论上相对比较成熟，落地产品也更为丰富。基于激光雷达的SLAM采用2D或3D激光雷达（或称为单线或多线激光雷达），由于2D激光的数据可读性差、3D激光的体积大，因此室内机器人（如扫地机器人等），一般使用2D激光雷达；无人驾驶领域，一般使用3D激光雷达。常见的激光雷达如图1.2所示。(a)(b)图1.2激光雷达(a)2D激光雷达；(b)3D激光雷达（16/32/64线）由于激光雷达的测量误差会随测量距离增大而增大，因此随着移动机器人应用场景复杂度的提高，激光雷达难以满足实际应用的需求。并且激光雷达价格昂贵，市场价格大多在几万到几十万之间，不利于大范围的推广使用。而视觉传感器体积孝价格低且信息采集丰富，因而视觉SLAM成为了目前研究的一个主流方向。视觉SLAM主要分为三大类：单目SLAM、双目（或多目）SLAM、RGB-DSLAM。视觉SLAM常用的三类传感器如图1.4所示。(a)(b)(c)图1.3常见的视觉传感器(a)单目相机；(b)双目相机；(c)RGB-D相机

【参考文献】：
期刊论文
[1]视觉SLAM综述[J]. 权美香,朴松昊,李国.  智能系统学报. 2016(06)
[2]基于RGB-D数据的实时SLAM算法[J]. 付梦印,吕宪伟,刘彤,杨毅,李星河,李玉.  机器人. 2015(06)
[3]融合IMU的RGBD-SLAM算法改进研究[J]. 闵华松,杨杰.  计算机工程与设计. 2015(01)
[4]一种改进的KinectFusion三维重构算法[J]. 朱笑笑,曹其新,杨扬,陈培华.  机器人. 2014(02)
[5]基于立体视觉的球形机器人定位方法[J]. 叶平,李自亮,孙汉旭.  控制与决策. 2013(04)
[6]无人机视觉SLAM算法及仿真[J]. 王希彬,赵国荣,寇昆湖.  红外与激光工程. 2012(06)
[7]基于单目视觉的SLAM算法研究[J]. 温丰,柴晓杰,朱智平,董小明,邹伟,原魁.  系统科学与数学. 2010(06)



本文编号：3452306