WiFi信号辅助视觉SLAM的方法研究

发布时间：2021-11-11 10:17

　　经典的室内定位技术主要依靠WiFi信号、电磁、红外线等无线信号来构建位置指纹数据库,从而实现室内定位。然而对于未知环境,位置指纹定位技术并不能实现自身位置感知。随着移动机器人的技术越来越成熟、应用越来越广泛,机器人领域中有关未知、复杂环境中同时定位与建图（SLAM）相关问题的研究也愈发重要。SLAM技术的一个关键问题就是闭环检测。由于机器人传感器的累计误差使得地图逐渐偏离正确轨迹,因此本文在综合分析了一些相对成熟的SLAM定位方法的同时,针对闭环检测问题提出了利用WiFi信号辅助视觉SLAM的方法,论文主要研究了以下几个方面。首先,提出WiFi信号辅助闭环检测的方法。由于利用词袋模型进行场景识别容易受环境变化、光线变化、障碍物位置变化等因素的影响,因此本文利用WiFi信号强度序列来标识场景图片。利用WiFi信号的时间和空间一致性,将新的场景图像与地图中现有场景图像进行相似度比较,获得闭环候选集合,并依据图像之间的欧几里得距离是否小于给定阈值,来完成场景识别,从而判断是否发生闭环。其次,提出利用三边定位对机器人运行轨迹建图的方法。机器人运行过程中监听WiFi信号强度变化,利用比值法进行三... 

【文章来源】：燕山大学河北省

【文章页数】：61 页

【学位级别】：硕士

【部分图文】：

闭环检测示例

ORB特征点

- 9 -图 2-2 视觉词典生成流程图提取相互独立的视觉词汇，为节省存储空间以及提高运点。所有特征的描述子分布在特征空间。每一帧图像都些向量代表了图像中局部不变的特征点。需求将特征分为 K 类，对特征空间进行 K-means++聚类实际应用中,图片数量非常庞大,导致关键点的数量同分类,方便以后的图片查找,相似度的计算,词袋模型采划分的 K 个子空间继续利用 K-means++进行聚类。次过程(3)直至产生根节点。


本文编号：3488681