基于Kinect的同时定位与建图技术研究

发布时间：2023-05-19 04:59

　　同时定位与建图(simultaneous localization and mapping,简称SLAM)技术一直是机器人和计算机视觉的研究热点,被广泛应用到无人驾驶,家用机器人等领域。以视觉传感器为核心的视觉SLAM技术,通过单目相机、双目相机或RGBD相机等视觉传感器感知周围环境,根据图像信息获取场景特征并估计自身位置,同时建立不同类型的环境地图。通过将视觉传感器安装在到移动机器人或者智能小车上,便于机器人进行陌生环境探索和开发,在智能驾驶、国防、救援、服务等领域都有越来越广泛的应用。本文以实现陌生环境条件下移动机器人环境感知、自身定位、场景重建为研究目标,将整个视觉SLAM系统分为视觉里程计,后端优化与回环检测三个模块。在视觉SLAM前端方案中,搭建基于Kinect的视觉SLAM算法研究平台,构建基于特征的视觉里程计算法,分析Kinect深度图像修复和ORB特征提取方法,通过特征提取和匹配估计相机位姿,此外重点分析基于图优化的后端优化算法,并提出基于深度学习的回环检测算法。在环境多变的复杂条件下,相比于卡尔曼滤波、扩展卡尔曼滤波等优化算法,基于图优化的算法具有更好的全局精度。回环...

【文章页数】：69 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 视觉SLAM主要研究方法
    1.3 国内外视觉SLAM的发展现状
    1.4 课题主要研究内容
第2章 基于Kinect的视觉里程计
    2.1 基于Kinect的视觉SLAM算法平台
        2.1.1 Kobuki移动底座
        2.1.2 Kinect传感器
        2.1.3 深度图像修复
        2.1.4 ROS系统
    2.2 基于特征的视觉里程计
        2.2.1 特征点的提取与匹配
        2.2.2 运动估计模型
    2.3 本章小结
第3章 基于图优化的SLAM后端算法
    3.1 卡尔曼滤波算法原理
    3.2 非线性优化算法
        3.2.1 SLAM模型
        3.2.2 非线性最小二乘求解方法
    3.3 基于图优化的后端优化模型
        3.3.1 光束平差法
        3.3.2 位姿图模型
    3.4 同时定位与地图创建实验
    3.5 本章小结
第4章 基于卷积网络特征的回环检测算法
    4.1 回环检测算法的发展
    4.2 基于卷积网络的回环检测算法
        4.2.1 获取图像的卷积网络特征图
        4.2.2 特征图分析
    4.3 算法验证实验
        4.3.1 地点识别数据集
        4.3.2 实验评估
    4.4 本章小结
第5章 总结与展望
    5.1 工作总结
    5.2 未来工作展望
参考文献
发表论文和参加科研情况说明
致谢



本文编号：3819702