基于RGB-D相机的室内视觉SLAM算法研究

发布时间：2021-10-27 04:42

　　视觉SLAM（Simultaneous Localization And Mapping）使得移动机器人能够在陌生的室内环境中自主定位并感知环境信息,是移动机器人完成智能交互、自主导航等高级复杂任务的前提。视觉里程计和建图是视觉SLAM中的两个重要部分,视觉里程计是利用相邻两帧的图像信息来估计相机当前的位姿,建图是指利用位姿来生成点云地图的过程。本文针对室内场景的特点,提出了一种基于RGB-D图像的视觉里程计算法,和一种创建语义地图的方法。该方法能够有效提升视觉SLAM算法的定位精度和鲁棒性,并可以实现对环境的语义感知。（1）室内场景同时具有低纹理、密集重复结构的特点,采用基于图像特征点的视觉里程计算法进行定位和建图时,由于特征点不足、误匹配点多,会导致定位精度低、甚至跟踪丢失。本文提出一种基于点、线特征和GMS（Grid-based Motion Statistics）的视觉里程计算法。针对特征点不足的问题,该方法将点、线特征相结合,在低纹理和密集重复结构区域,加倍特征的提取数量;针对误匹配点多的问题,采用GMS算法快速地将大量粗匹配点特征转换为高质量的有效匹配点,并采用RatioT... 

【文章来源】：西安科技大学陕西省

【文章页数】：80 页

【学位级别】：硕士

【部分图文】：

SLAM应用实例

西安科技大学硕士学位论文2统的定位精度，从而影响建图效果。图1.2视觉SLAM框架视觉SLAM按照视觉传感器的不同可以分为三种，如表1.1所示。单目视觉SLAM方案，利用单个摄像头，每次获取的数据只是单张图像数据的纹理信息，无法获取场景的绝对尺度，只能获取一个相对的尺度值，如果想要获取绝对尺度，则需要加上一些辅助设备，如惯性导航单元(InertialMeasurementUnit,IMU)等；双目视觉SLAM方案，利用两个摄像头，同时获取左右视角图像，以两张图像的视差来计算场景深度，但探测场景的范围受到相机的基线距离的影响；基于RGB-D相机的视觉SLAM方案，能够通过RGB-D相机同时获取彩色图像和深度图像。例如KinectV2通过飞行时间法(Time-of-Flight,ToF)来计算发射光和反射光的时间差来获取场景的深度信息。由于RGB-D相机可以直接获取场景的深度信息，简化了深度计算过程，使得计算量大大减小，可以提升视觉SLAM算法的实时性，因此本课题采用RGB-D相机作为视觉传感器。表1.1开源视觉SLAM方案视觉传感器开源方案单目相机MonoSLAM[4][5]、PTAM[6]、LSD-SLAM[7][8]、SVO[10]、DSO[11]、ORB-SLAM[18]双目相机ORB-SLAM2[21]、RTAB-MAP[22]RGB-D相机ElasticFusion[12]、KinectFusion[13]、RGB-DSLAM[17]、ORB-SLAM2[21]1.1.2室内视觉SLAM特点室内视觉SLAM是指在室内环境下采用视觉SLAM算法进行同步定位和建图，室内环境是一种典型的人造结构化环境，存在大量的丰富结构场景，可以用简单的几何模型来表达，如直线等；但室内环境复杂，也存在许多低纹理、重复结构场景，如光滑的地面、墙角、贴有壁纸的墙壁、贴有木地板的地面等，如图1.3所示。这对于基于视觉SLAM算法来说是一个巨大的挑战，一旦相机进入低纹理或密集重复结构的场景，由于特征点匮?

室内


本文编号：3460894