基于深度相机的三维SLAM算法研究

发布时间：2022-07-29 12:07

　　针对复杂环境中的移动机器人,利用自身所携带的视觉传感器获取机器人所在环境的三维空间模型和机器人的运动轨迹,这是视觉即时定位与地图构建（Simultaneous localization and mapping,SLAM）所要完成的工作,也是实现移动机器人任务规划、导航和控制等自主运动的前提之一。RGB-D SLAM算法主要由前端和优化后端两部分组成,本文针对移动机器人同时定位与地图构建中存在的累积误差问题,将图优化方法应用于前端和后端优化中,以提高移动机器人位姿估计和建图的准确性。本文的主要工作和成果如下:1.针对SLAM实时性的要求,本文采用ORB（Oriented FAST and Rotated BRIEF）算法对图像进行特征点检测与描述,并采用基于随机抽样一致性（RANSAC）算法的特征匹配算法进行特征匹配,来剔除其中的误匹配,得到正确匹配结果。这样不仅提高了图像特征提取与描述的速度,而且提高了特征匹配的准确率。2.针对SLAM前端中移动机器人位姿的准确求解问题,本文提出了EPNP（An Accurate O（n）Solution to the PnP Problem）结合图优... 

【文章页数】：76 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
第1章 绪论
    1.1 课题背景和研究意义
    1.2 国内外研究现状
        1.2.1 视觉SLAM前端研究现状
        1.2.2 视觉SLAM回环检测研究现状
        1.2.3 视觉SLAM后端优化研究现状
        1.2.4 视觉SLAM整体方案研究现状
    1.3 本文主要工作
第2章 基于深度相机的实验平台设计
    2.1 引言
    2.2 Xtion PRO LIVE视觉平台
    2.3 Xtion PRO LIVE图像获取
    2.4 Xtion PRO LIVE视觉标定
        2.4.1 摄像机标定坐标系
        2.4.2 摄像机内参矩阵
        2.4.3 标定实验
    2.5 本章小结
第3章 基于图优化的视觉SLAM前端
    3.1 引言
    3.2 图像特征提取
        3.2.1 SIFT特征
        3.2.2 SURF特征
        3.2.3 ORB特征
    3.3 特征匹配
    3.4 位姿估计
        3.4.1 EPnP
        3.4.2 基于图优化的相机位姿优化
    3.5 提取关键帧
    3.6 本章小结
第4章 基于视觉词袋模型的回环检测
    4.1 引言
    4.2 回环检测简介
    4.3 回环检测方法概述
    4.4 二值化图像特征
    4.5 视觉词袋模型
    4.6 视觉词典
        4.6.1 构建词典树
        4.6.2 关键帧相似度计算
    4.7 图像数据库
        4.7.1 数据库查询
        4.7.2 匹配分组
        4.7.3 时间一致性检测
        4.7.4 几何一致性检测
    4.8 本章小结
第5章 基于图优化的SLAM后端优化
    5.1 引言
    5.2 基于EKF的SLAM后端优化
    5.3 图优化与G2O简介
    5.4 位姿图优化
    5.5 本章小结
第6章 实验设计与分析
    6.1 引言
    6.2 实验平台介绍
    6.3 实验算法设计
    6.4 实验结果与分析
    6.5 本章小结
第7章 总结与展望
    7.1 研究工作总结
    7.2 展望
参考文献
致谢
攻读学位期间参加的科研项目和成果


【参考文献】：
期刊论文
[1]基于深度学习的视觉SLAM综述[J]. 赵洋,刘国良,田国会,罗勇,王梓任,张威,李军伟.  机器人. 2017(06)
[2]移动机器人的同步自定位与地图创建研究进展[J]. 陈卫东,张飞.  控制理论与应用. 2005(03)



本文编号：3666437