基于多传感器融合的机器人定位研究与应用
发布时间：2021-02-13 01:05
随着室内机器人应用的逐步深入,机器人自主导航能力已成为限制室内机器人服务能力提高的瓶颈之一,其中定位是实现机器人自主导航的基础和依据,是制约室内机器人广泛应用的核心技术之一。由于单传感器定位难以保证机器人在各种室内环境中长期稳定工作,融合多个传感器数据的定位方式得到了越来越多的研究与应用。本文在分析单传感器定位基础上,提出了一种融合单目视觉、IMU和轮式里程计传感器的定位算法。首先分别研究了单目视觉定位和IMU定位相关理论,论述了单目ORB-SLAM算法,为多传感器融合奠定理论基础,并通过相关实验分析得出单目视觉定位鲁棒性较差和IMU定位累积误差严重。针对单传感器定位存在的问题,提出了一种基于ORB-SLAM算法的单目视觉/IMU融合定位算法。该融合算法对单目ORB-SLAM算法的Tracking、Local Mapping和Loop Closing三个线程进行改进,并增加数据预处理线程和初始化线程。在EuRoc数据集中的实验结果表明,与单目ORB-SLAM算法相比,本文提出的单目视觉/IMU融合算法定位精度较高和定位鲁棒性较好;与单目VINS-mono算法相比,本文单目视觉/IMU融...
【文章来源】：西安科技大学陕西省
【文章页数】：74 页
【学位级别】：硕士
【部分图文】：
径向畸变的两种类型
西安科技大学全日制学术硕士学位论文18图2.7单目ORB-SLAM算法框架（1）Tracking线程：对单目相机拍摄的图像进行ORB特征提取与匹配、初始化、位姿估计和相邻帧优化位姿，并判断是否将当前帧作为关键帧；（2）LocalMapping线程：插入关键帧，创建并融合新的地图点，然后进行局部优化，并去除冗余关键帧；（3）LoopClosing线程：判断当前帧和已有关键帧是否构成回环。若构成回环则进行闭环校正和全局优化。单目ORB-SLAM的优点是速度快，闭环检测容易，代码工程性好，易于扩展，缺点是当相机在旋转时或在弱纹理环境中，可能无法得到足够多稳定的匹配点对，很容易跟踪丢失，无法有效修正位姿偏差致使定位误差较大，且存在尺度不确定问题。在本章第2.6.3节中利用单目ORB-SLAM算法实现了机器人定位。2.6实验结果与分析实验利用Turtlebot2机器人搭载单目相机，使用Inteli5处理器，具体实验硬件见第5.2节。在实验中，本节首先对实验所使用的单目相机进行标定，给出标定参数，为后续使用单目相机进行一系列研究做好前提工作。然后对SIFT、SURF和ORB三种算法进行实验比较，验证ORB算法。最后利用Turtlebot2机器人，在实际环境中使用单目ORB-SLAM算法实现机器人定位。2.6.1单目相机标定标定的主要参数有内参矩阵以及畸变系数，标定使用张正友标定法，利用Matlab自带的标定工具箱toolbox_calib，标定板用6*8棋盘格，单元格尺寸为3cm。使用待标定的单目相机，拍摄20张图片，将采集的图像统一命名后，拷贝到toolbox_calib目录中，如图2.8所示。
2单目视觉定位研究19图2.8采集的6*8棋盘格图像利用第2.1.3节中的标定过程，可实现对单目相机的标定，标定可视化结果如图2.9所示。在图2.9中，ccccOXYZ是相机坐标系，红色框是相机的有效视野，各种颜色的矩形框表示20张图片。图2.9标定可视化结果实验多次采集标定图像，进行多次标定，得到多组单目相机标定结果，论文选取了误差项最小的标定参数作为最终标定结果为：71069410333.40770710.6042206.5869001.K（2.22）1212k0.0897，k0.2150，pp0（2.23）利用第2.1节理论，完成单目相机标定后，可使用相机采集环境图，对图像进行去畸变处理，然后使用针孔成像模型建立投影关系，进行特征点提取与匹配等操作，实现单目视觉定位。
【参考文献】：
期刊论文
[1]基于深度学习的视觉SLAM回环检测方法[J]. 余宇,胡峰. 计算机工程与设计. 2020(02)
[2]机器人超宽带室内定位系统的研究[J]. 易先军,彭萌,耿翰夫,付龙. 自动化与仪表. 2019(12)
[3]基于单目视觉与里程计的组合室内定位研究[J]. 方章云,袁亮,侯爱萍,吴金强. 组合机床与自动化加工技术. 2019(12)
[4]视觉SLAM中图像特征点提取与匹配算法研究[J]. 陈庆伟,李民东,罗川,周军,皇攀凌,李蕾. 现代制造工程. 2019(10)
[5]基于多信息融合的移动机器人定位算法[J]. 连黎明. 西南师范大学学报(自然科学版). 2019(09)
[6]ORB-SLAM系统优化框架分析概述[J]. 邱笑晨,赵晨旭,张海,许辉. 导航定位与授时. 2019(03)
[7]多传感器融合的智能车定位导航系统设计[J]. 李磊,肖世德,李兴坤,董庆丰. 工程设计学报. 2019(02)
[8]基于直接法与惯性测量单元融合的视觉里程计[J]. 刘艳娇,张云洲,荣磊,姜浩,邓毅. 机器人. 2019(05)
[9]视觉惯性SLAM综述[J]. 孙永全,田红丽. 计算机应用研究. 2019(12)
[10]基于手眼系统的视觉定位研究[J]. 陆艺,郭小娟,郭斌,沈添秀. 中国测试. 2018(12)
博士论文
[1]基于多传感器融合的室内机器人自主导航方法研究[D]. 张文.中国科学技术大学 2017
硕士论文
[1]融合单目相机与IMU的SLAM研究[D]. 刘振彬.北京建筑大学 2019
[2]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
本文编号：3031724
【文章来源】：西安科技大学陕西省
【文章页数】：74 页
【学位级别】：硕士
【部分图文】：
径向畸变的两种类型
西安科技大学全日制学术硕士学位论文18图2.7单目ORB-SLAM算法框架（1）Tracking线程：对单目相机拍摄的图像进行ORB特征提取与匹配、初始化、位姿估计和相邻帧优化位姿，并判断是否将当前帧作为关键帧；（2）LocalMapping线程：插入关键帧，创建并融合新的地图点，然后进行局部优化，并去除冗余关键帧；（3）LoopClosing线程：判断当前帧和已有关键帧是否构成回环。若构成回环则进行闭环校正和全局优化。单目ORB-SLAM的优点是速度快，闭环检测容易，代码工程性好，易于扩展，缺点是当相机在旋转时或在弱纹理环境中，可能无法得到足够多稳定的匹配点对，很容易跟踪丢失，无法有效修正位姿偏差致使定位误差较大，且存在尺度不确定问题。在本章第2.6.3节中利用单目ORB-SLAM算法实现了机器人定位。2.6实验结果与分析实验利用Turtlebot2机器人搭载单目相机，使用Inteli5处理器，具体实验硬件见第5.2节。在实验中，本节首先对实验所使用的单目相机进行标定，给出标定参数，为后续使用单目相机进行一系列研究做好前提工作。然后对SIFT、SURF和ORB三种算法进行实验比较，验证ORB算法。最后利用Turtlebot2机器人，在实际环境中使用单目ORB-SLAM算法实现机器人定位。2.6.1单目相机标定标定的主要参数有内参矩阵以及畸变系数，标定使用张正友标定法，利用Matlab自带的标定工具箱toolbox_calib，标定板用6*8棋盘格，单元格尺寸为3cm。使用待标定的单目相机，拍摄20张图片，将采集的图像统一命名后，拷贝到toolbox_calib目录中，如图2.8所示。
2单目视觉定位研究19图2.8采集的6*8棋盘格图像利用第2.1.3节中的标定过程，可实现对单目相机的标定，标定可视化结果如图2.9所示。在图2.9中，ccccOXYZ是相机坐标系，红色框是相机的有效视野，各种颜色的矩形框表示20张图片。图2.9标定可视化结果实验多次采集标定图像，进行多次标定，得到多组单目相机标定结果，论文选取了误差项最小的标定参数作为最终标定结果为：71069410333.40770710.6042206.5869001.K（2.22）1212k0.0897，k0.2150，pp0（2.23）利用第2.1节理论，完成单目相机标定后，可使用相机采集环境图，对图像进行去畸变处理，然后使用针孔成像模型建立投影关系，进行特征点提取与匹配等操作，实现单目视觉定位。
【参考文献】：
期刊论文
[1]基于深度学习的视觉SLAM回环检测方法[J]. 余宇,胡峰. 计算机工程与设计. 2020(02)
[2]机器人超宽带室内定位系统的研究[J]. 易先军,彭萌,耿翰夫,付龙. 自动化与仪表. 2019(12)
[3]基于单目视觉与里程计的组合室内定位研究[J]. 方章云,袁亮,侯爱萍,吴金强. 组合机床与自动化加工技术. 2019(12)
[4]视觉SLAM中图像特征点提取与匹配算法研究[J]. 陈庆伟,李民东,罗川,周军,皇攀凌,李蕾. 现代制造工程. 2019(10)
[5]基于多信息融合的移动机器人定位算法[J]. 连黎明. 西南师范大学学报(自然科学版). 2019(09)
[6]ORB-SLAM系统优化框架分析概述[J]. 邱笑晨,赵晨旭,张海,许辉. 导航定位与授时. 2019(03)
[7]多传感器融合的智能车定位导航系统设计[J]. 李磊,肖世德,李兴坤,董庆丰. 工程设计学报. 2019(02)
[8]基于直接法与惯性测量单元融合的视觉里程计[J]. 刘艳娇,张云洲,荣磊,姜浩,邓毅. 机器人. 2019(05)
[9]视觉惯性SLAM综述[J]. 孙永全,田红丽. 计算机应用研究. 2019(12)
[10]基于手眼系统的视觉定位研究[J]. 陆艺,郭小娟,郭斌,沈添秀. 中国测试. 2018(12)
博士论文
[1]基于多传感器融合的室内机器人自主导航方法研究[D]. 张文.中国科学技术大学 2017
硕士论文
[1]融合单目相机与IMU的SLAM研究[D]. 刘振彬.北京建筑大学 2019
[2]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
本文编号：3031724
本文链接：https://www.wllwen.com/shoufeilunwen/xixikjs/3031724.html
