基于深度傳感器的移動機(jī)器人視覺SLAM研究.pdf

1、同時定位與地圖構(gòu)建（Simultaneous localization and mapping，SLAM）技術(shù)是移動機(jī)器人研究領(lǐng)域的熱點之一，是移動機(jī)器人在未知環(huán)境中實現(xiàn)自主導(dǎo)航與控制的關(guān)鍵，也是移動機(jī)器人實現(xiàn)其他操作任務(wù)的基礎(chǔ)。近年來，由于低廉的成本與豐富的采集信息，視覺SLAM技術(shù)的開發(fā)與應(yīng)用成為備受關(guān)注的熱點問題。其中，以Kinect為代表的深度傳感器能夠同時獲取環(huán)境彩色圖像與深度信息，因而被廣泛應(yīng)用于視覺SLAM當(dāng)中。目前，已有

2、的使用Kinect深度傳感器的SLAM方案主要由視覺里程計前端與位姿優(yōu)化后端組成。
　　本文采用Kinect1.0作為環(huán)境感知傳感器，以TurtleBot2機(jī)器人作為移動平臺，對視覺SLAM各個環(huán)節(jié)進(jìn)行了詳細(xì)的分析與研究，在ROS系統(tǒng)下實現(xiàn)了同時定位與地圖構(gòu)建系統(tǒng)，完成對室內(nèi)環(huán)境不同類型的地圖構(gòu)建。本文的主要內(nèi)容包括以下幾個部分：
　　1.對Kinect深度傳感器與TurtleBot2機(jī)器人的硬件結(jié)構(gòu)與功能進(jìn)行了詳細(xì)的闡述。

3、基于ROS系統(tǒng)開發(fā)環(huán)境，進(jìn)行傳感器與移動機(jī)器人驅(qū)動安裝與調(diào)試。同時，完成整機(jī)裝配工作，搭建實驗硬件平臺。
　　2.基于不同類型的視覺傳感器對視覺SLAM觀測信息獲取方式展開研究。在攝像機(jī)成像模型與攝像機(jī)標(biāo)定的相關(guān)理論與方法的基礎(chǔ)上，采用張正友平面標(biāo)定法，通過MatLab工具箱對所使用傳感器進(jìn)行標(biāo)定實驗，獲取傳感器的物理參數(shù)。針對雙目視覺系統(tǒng)，詳細(xì)介紹了其觀測原理與圖像信息表達(dá)方式，并采用符合視覺SLAM要求的點特征對圖像進(jìn)行表達(dá)。

4、基于特征提取與匹配算法的研究，對圖像特征匹配算法精度不高、計算量大、實時性差等問題，提出一種改進(jìn)SIFT圖像特征匹配算法，并通過特征提取實驗驗證了算法的可行性。針對Kinect傳感器，詳細(xì)介紹了RGB圖像與深度圖像的對應(yīng)關(guān)系，基于攝像機(jī)模型，通過遍歷像素計算完成觀測信息獲取。最后，對兩種觀測信息獲取方式進(jìn)行了詳細(xì)的對比分析。
　　3.基于Kinect深度傳感器，對視覺SLAM算法的各個模塊進(jìn)行詳細(xì)的研究。本文視覺SLAM方案選擇實

5、時性最好的ORB特征算法進(jìn)行特征提取，并采取FLANN匹配方法進(jìn)行特征匹配。利用匹配最小距離與RANSAC算法結(jié)合的方法對匹配點進(jìn)行優(yōu)化處理，剔除誤匹配點。在運動估計環(huán)節(jié)，使用3D-2D方法進(jìn)行視覺傳感器的運動估計，有效減小了系統(tǒng)的計算量，同時避免了計算陷入局部最優(yōu)的問題。在后端處理環(huán)節(jié)，根據(jù)圖片信息定義幀結(jié)構(gòu)體，同時定義了基于運動估計大小的關(guān)鍵幀選取機(jī)制。使用了近距離回環(huán)與隨機(jī)回環(huán)結(jié)合的策略，并基于關(guān)鍵幀，構(gòu)建位姿圖。根據(jù)位姿圖信息，

6、基于G2O庫實現(xiàn)了位姿優(yōu)化。根據(jù)優(yōu)化后的位姿構(gòu)建點云地圖。
　　4.針對點云地圖數(shù)據(jù)量大、重疊區(qū)域難以處理以及難以用于機(jī)器人路徑規(guī)劃等問題，對點云數(shù)據(jù)進(jìn)行相應(yīng)的數(shù)據(jù)轉(zhuǎn)換，采用不同的地圖表達(dá)方式構(gòu)建場景地圖，克服點云地圖存在的缺點。通過點云三維信息融合轉(zhuǎn)換二維類激光信息的方式，采用激光數(shù)據(jù)地圖構(gòu)建算法，構(gòu)建二維柵格地圖，獲取機(jī)器人的可行區(qū)域。通過創(chuàng)建八叉樹結(jié)構(gòu)的方式，構(gòu)建Octomap地圖，降低系統(tǒng)運行時間與地圖數(shù)據(jù)量。