基于双目视觉惯导的SLAM算法研究

发布时间：2022-01-20 11:22

　　移动机器人在未知环境下的自主导航是实现机器人智能化的关键技术之一,而定位构图（Simultaneous Localization and Mapping,SLAM）是移动机器人进行自主导航的核心。针对传统的视觉SLAM在相邻帧之间重叠区域太少、相机移动过快、图像模糊等情况下,会导致定位系统出现特征点丢失、定位精度较低,且单目SLAM存在初始化的尺度问题和追踪的尺度漂移等问题,本文重点研究了基于双目视觉惯导的SLAM算法。首先,针对传统的光流无法提供可靠的初始估计点以及特征匹配准确率不高等问题,提出了融合双目和惯性测量单元（Inertial Measurement Unit IMU）信息的特征匹配方法。使用IMU的测量信息将待跟踪点进行旋转,并将旋转之后的点作为光流的初始估计点,提高初始特征点的可信性。为了得到准确的特征匹配,在光流跟踪的基础上使用双目相机的基线约束以及环形匹配对特征点进行了筛选和剔除,并在每次筛选完之后提取新的特征点,以保证每次进行光流跟踪都有足够的特征点。实验结果表明,加入IMU和双目信息之后,在光流跟踪上所需时间更短,并且特征匹配的准确率更高。其次,针对相机在快速运... 

【文章来源】：燕山大学河北省

【文章页数】：79 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
第1章 绪论
    1.1 课题研究背景及意义
    1.2 国内外研究现状分析
        1.2.1 视觉SLAM研究现状
        1.2.2 视觉惯性导航SLAM研究现状
        1.2.3 稠密地图构建研究现状
    1.3 课题来源和研究内容
第2章 视觉惯导信息处理与特征匹配
    2.1 引言
    2.2 摄像机成像模型
        2.2.1 投影模型
        2.2.2 畸变模型
        2.2.3 双目相机模型
    2.3 IMU信息预处理
        2.3.1 IMU运动学模型
        2.3.2 IMU预积分
    2.4 相机和IMU的标定
        2.4.1 相机标定
        2.4.2 相机IMU联合标定
    2.5 融合IMU和双目信息的特征匹配
        2.5.1 特征提取与特征匹配
        2.5.2 实验研究
    2.6 本章小结
第3章 视觉惯导SLAM
    3.1 引言
    3.2 系统初始化
        3.2.1 陀螺仪漂移的初始化
        3.2.2 速度和重力向量的初始化
    3.3 非线性优化
        3.3.1 误差项构建
    3.4 实验研究
        3.4.1 使用Euroc数据集进行定位构图
        3.4.2 使用optor惯性相机定位构图
    3.5 本章小结
第4章 基于双目视觉的稠密地图构建
    4.1 引言
    4.2 深度融合
        4.2.1 双目立体匹配SGBM
        4.2.2 深度滤波器
        4.2.3 TSDF算法
    4.3 实验研究
    4.4 本章小结
结论
参考文献
攻读硕士学位期间承担的科研任务与主要成果
致谢


【参考文献】：
期刊论文
[1]鲁棒的非线性优化的立体视觉-惯导SLAM[J]. 林辉灿,吕强,王国胜,卫恒,梁冰.  机器人. 2018(06)
[2]MEMS-IMU随机误差的Allan方差分析[J]. 厉宽宽,陈允芳,程敏,王云鹏.  全球定位系统. 2016(06)
[3]基于图优化的同时定位与地图创建综述[J]. 梁明杰,闵华清,罗荣华.  机器人. 2013(04)
[4]基于特征光流的角点匹配快速算法[J]. 杨常清,王孝通,李博,金良安.  光电工程. 2006(04)



本文编号：3598732