移动机器人视觉—惯性组合定位及建图算法研究
发布时间：2022-07-13 21:25
实时定位与建图技术（Simultaneous Localization And Mapping,SLAM）,是当下机器人执行导航避障任务时的基础技术,可以利用传感器数据建立世界坐标系,获取机器人在世界坐标系下运动的实时位姿估计并建立场景地图。论文的主要工作如下:首先,本文研究了基于单目相机、惯性测量单元的紧耦合组合定位系统的基本算法流程及数学原理,给出了传感器测量模型及残差模型的推导过程及物理意义。根据两种传感器的数学模型与位姿估计,建立优化目标函数,得到优化后的系统位姿估计及加速度计偏差、陀螺仪偏差。其次,研究了单目稠密建图算法的基本原理,给出了通过四叉树结构选择像素点的过程,给出了算法涉及的核心公式及公式的物理意义。根据对算法原理的研究,加入图像处理模块,设计了基于单目-惯性传感器的组合定位及建图系统VIO-SLAM,完成了系统的实时定位及八叉树占用地图的构建。再次,本文在Euroc数据集下对多种组合定位算法及改进算法VIO-SLAM进行了算法测评,给出了算法测评和数据集建图结果,测评结果显示改进后的算法在定位精度、建图稠密程度上都有提升。最后,利用小觅相机深度版进行了真实场景下的...
【文章页数】：63 页
【学位级别】：硕士
【文章目录】：
摘要
ABSTRACT
第一章 绪论
1.1 课题背景及研究的目的和意义
1.2 定位技术及相关理论的发展概述
1.2.1 国外发展情况
1.2.2 国内发展情况
1.3 建图技术及相关理论的发展概述
1.3.1 国外发展情况
1.3.2 国内研究情况
1.4 本文的主要研究内容
第二章 视觉-惯性紧耦合组合定位系统
2.1 引言
2.2 坐标系及符号定义
2.3 算法原理
2.3.1 测量值预处理
2.3.2 初始化
2.3.3 视觉-惯性里程计及重定位
2.3.4 全局图优化
2.3.5 定位丢失后处理
2.4 本章小结
第三章 单目稠密建图与改进算法
3.1 引言
3.2 单目深度图像获取
3.2.1 坐标系及符号定义
3.2.2 算法原理
3.3 八叉树地图构建
3.4 改进算法
3.4.1 改进部分综述
3.4.2 改进算法原理
3.4.3 改进算法效果
3.5 本章小结
第四章 仿真实验
4.1 引言
4.2 硬件软件配置
4.3 数据集测试
4.3.1 改进效果
4.3.2 性能指标
4.3.3 深度图像及四叉树像素选取
4.3.4 建图结果对比
4.4 本章小结
第五章 实物实验
5.1 引言
5.2 传感器参数
5.3 实验
5.3.1 室内定位实验
5.3.2 室内建图实验
5.3.3 室外建图实验
5.3.4 深度图与四叉树
5.4 未来展望
5.5 本章小结
结论
参考文献
致谢
【参考文献】：
期刊论文
[1]基于卡尔曼滤波的动态轨迹预测算法[J]. 乔少杰,韩楠,朱新文,舒红平,郑皎凌,元昌安. 电子学报. 2018(02)
[2]改进的单目视觉实时定位与测图方法[J]. 李帅鑫,李广云,周阳林,李明磊,王力. 仪器仪表学报. 2017(11)
[3]基于视觉的同时定位与地图构建的研究进展[J]. 陈常,朱华,由韶泽. 计算机应用研究. 2018(03)
[4]面向大尺度场景的单目同时定位与地图构建[J]. 刘浩敏,章国锋,鲍虎军. 中国科学:信息科学. 2016(12)
[5]基于激光测距与双目视觉信息融合的移动机器人SLAM研究[J]. 杜钊君,吴怀宇. 计算机测量与控制. 2013(01)
[6]基于Harris角点检测的立体视觉里程计[J]. 彭勃,周文晖,刘济林. 兵工学报. 2007(12)
[7]一种面向移动机器人的光流场计算方法[J]. 胡庭波,吴涛,贺汉根. 计算机工程与应用. 2006(19)
硕士论文
[1]基于视觉的四轴飞行器自主避障系统的研究与实现[D]. 闫晓东.电子科技大学 2018
[2]立体视觉惯性信息紧耦合自主机器人定位研究[D]. 郭永祥.北京交通大学 2018
[3]多传感器融合的室内移动机器人定位[D]. 李东轩.浙江大学 2018
[4]基于图优化的单目视觉SLAM技术研究[D]. 王丽佳.华中科技大学 2016
[5]自然环境中基于图优化的单目视觉SLAM的研究[D]. 郑顺凯.北京交通大学 2016
[6]基于单目视觉的四旋翼无人机位姿估计与控制[D]. 宋昱慧.哈尔滨工业大学 2016
[7]面向模糊图像的鲁棒双目视觉里程计研究[D]. 刘溪溪.浙江大学 2014
[8]立体视觉里程计关键技术与应用研究[D]. 彭勃.浙江大学 2008
本文编号：3660794
【文章页数】：63 页
【学位级别】：硕士
【文章目录】：
摘要
ABSTRACT
第一章 绪论
1.1 课题背景及研究的目的和意义
1.2 定位技术及相关理论的发展概述
1.2.1 国外发展情况
1.2.2 国内发展情况
1.3 建图技术及相关理论的发展概述
1.3.1 国外发展情况
1.3.2 国内研究情况
1.4 本文的主要研究内容
第二章 视觉-惯性紧耦合组合定位系统
2.1 引言
2.2 坐标系及符号定义
2.3 算法原理
2.3.1 测量值预处理
2.3.2 初始化
2.3.3 视觉-惯性里程计及重定位
2.3.4 全局图优化
2.3.5 定位丢失后处理
2.4 本章小结
第三章 单目稠密建图与改进算法
3.1 引言
3.2 单目深度图像获取
3.2.1 坐标系及符号定义
3.2.2 算法原理
3.3 八叉树地图构建
3.4 改进算法
3.4.1 改进部分综述
3.4.2 改进算法原理
3.4.3 改进算法效果
3.5 本章小结
第四章 仿真实验
4.1 引言
4.2 硬件软件配置
4.3 数据集测试
4.3.1 改进效果
4.3.2 性能指标
4.3.3 深度图像及四叉树像素选取
4.3.4 建图结果对比
4.4 本章小结
第五章 实物实验
5.1 引言
5.2 传感器参数
5.3 实验
5.3.1 室内定位实验
5.3.2 室内建图实验
5.3.3 室外建图实验
5.3.4 深度图与四叉树
5.4 未来展望
5.5 本章小结
结论
参考文献
致谢
【参考文献】：
期刊论文
[1]基于卡尔曼滤波的动态轨迹预测算法[J]. 乔少杰,韩楠,朱新文,舒红平,郑皎凌,元昌安. 电子学报. 2018(02)
[2]改进的单目视觉实时定位与测图方法[J]. 李帅鑫,李广云,周阳林,李明磊,王力. 仪器仪表学报. 2017(11)
[3]基于视觉的同时定位与地图构建的研究进展[J]. 陈常,朱华,由韶泽. 计算机应用研究. 2018(03)
[4]面向大尺度场景的单目同时定位与地图构建[J]. 刘浩敏,章国锋,鲍虎军. 中国科学:信息科学. 2016(12)
[5]基于激光测距与双目视觉信息融合的移动机器人SLAM研究[J]. 杜钊君,吴怀宇. 计算机测量与控制. 2013(01)
[6]基于Harris角点检测的立体视觉里程计[J]. 彭勃,周文晖,刘济林. 兵工学报. 2007(12)
[7]一种面向移动机器人的光流场计算方法[J]. 胡庭波,吴涛,贺汉根. 计算机工程与应用. 2006(19)
硕士论文
[1]基于视觉的四轴飞行器自主避障系统的研究与实现[D]. 闫晓东.电子科技大学 2018
[2]立体视觉惯性信息紧耦合自主机器人定位研究[D]. 郭永祥.北京交通大学 2018
[3]多传感器融合的室内移动机器人定位[D]. 李东轩.浙江大学 2018
[4]基于图优化的单目视觉SLAM技术研究[D]. 王丽佳.华中科技大学 2016
[5]自然环境中基于图优化的单目视觉SLAM的研究[D]. 郑顺凯.北京交通大学 2016
[6]基于单目视觉的四旋翼无人机位姿估计与控制[D]. 宋昱慧.哈尔滨工业大学 2016
[7]面向模糊图像的鲁棒双目视觉里程计研究[D]. 刘溪溪.浙江大学 2014
[8]立体视觉里程计关键技术与应用研究[D]. 彭勃.浙江大学 2008
本文编号：3660794
本文链接：https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/3660794.html
