多机器人定位与稀疏点云地图融合的关键技术研究

发布时间：2023-06-08 18:14

　　近年来,移动机器人在智能制造与物流系统中得到了快速发展,其中机器人在未知环境下的同时定位与建图(SLAM,Simultaneous Localization and Mapping)的技术被大量应用和关注。基于单机器人的SLAM技术已经发展的比较成熟,并且当前主要的研究都集中在对单机器人SLAM算法的性能优化上面,对于多机器人的SLAM研究相对较少,本文针对多机器人SLAM中的机器人相对位姿确定和稀疏点云地图融合做了初步研究和实验验证。相比于单机器人SLAM,多机器人SLAM系统具有更高的效率,能够处理更大的任务量和更高的鲁棒性。在诸多优势的同时多机器人SLAM系统也面临着比单机器人S LAM更多的问题。首先在陌生环境下,机器人之间的相对位置无法确定,机器人之间的联系无法直接建立,导致多机器人建立的地图无法有效地融合建立全局统一地图。其次单目SLAM中多机器人建立的地图具有尺度不一致性,多机器人地图融合对估计的旋转误差较为敏感,如何提高地图的拼接精度是一个难点。针对以上问题,本文以ORB-Slam算法作为实现基础,设计了基于ROS的多机器人SLAM系统。针对多机器人相对定位与稀疏点云地...

【文章页数】：73 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 国内外现状与分析
    1.3 主要研究内容及章节安排
第2章 Slam算法理论基础
    2.1 引言
    2.2 SLAM问题基本原理
    2.3 相机模型
        2.3.1 小孔成像模型
        2.3.2 摄像头畸变
        2.3.3 双目和RGB-D相机模型
    2.4 基于视觉的SLAM算法原理
        2.4.1 前端视觉里程计
        2.4.2 后端数据处理
        2.4.3 闭环检测和优化
    2.5 本章小结
第3章 多机器人协同Slam
    3.1 引言
    3.2 多机器人通信
    3.3 机器人视觉前端
    3.4 机器人后端
    3.5 场景识别
    3.6 回环优化
    3.7 多机器人定位与地图融合
    3.8 本章小结
第4章 实验与结果分析
    4.1 引言
    4.2 实验平台的搭建
        4.2.1 移动机器人硬件平台
        4.2.2 移动机器人软件平台
    4.3 实验结果及分析
        4.3.1 相机标定
        4.3.2 图像特征提取与匹配
        4.3.3 单机器人建图
        4.3.4 相似场景检测
        4.3.5 机器人相对定位
        4.3.6 地图融合
    4.4 本章小结
第5章 总结与展望
    5.1 总结
    5.2 展望
参考文献
指导教师对研究生学位论文的学术评语
学位论文答辩委员会决议书
致谢
攻读硕士学位期间的研究成果



本文编号：3832246