室内环境下移动机器人双目视觉SLAM研究

论文摘要

同时定位与地图创建(SLAM)问题是移动机器人研究领域的基本问题与研究热点,也是移动机器人在未知环境中真正实现自主的关键问题。视觉传感器(摄像机)最接近人类感知效果,能够提供丰富的环境特征和信息。近年来,随着图像处理技术的进步,基于视觉信息完成SLAM逐渐成为当前移动机器人领域研究的热点。本文围绕室内环境下移动机器人的双目视觉SLAM系统展开研究,主要内容如下：首先,对移动机器人SLAM问题进行了详细介绍,在此基础上,提出双目视觉SLAM系统结构。同时,该双目视觉SLAM系统结构也是本文的一个研究框架。然后,对SIFT特征的提取与匹配进行了研究,将立体匹配得到的SIFT特征点作为环境的视觉路标。为了降低SIFT算法的匹配复杂度,本文采用32维特征描述符来描述SIFT图像特征以代替原有的128维特征描述符。接着,采用基于透视变换模型的线性标定方法对双目立体视觉系统进行了标定,应用基于线性标定的三维重建方法对立体匹配点对进行三维重建,获得了其对应物点的三维空间信息。并且,采用基于点特征的特征地图表示方法对环境进行描述,对室内环境下的二维地图和三维地图进行了讨论。最后,对基于扩展卡尔曼滤波(EKF)的SLAM算法进行了研究,给出了EKF—SLAM算法实现的详细过程,并针对EKF—SLAM算法中计算量大的问题,研究了基于局部子地图的SLAM方法。在Matlab环境下,对于室内环境下基于点特征的二维SLAM和三维SLAM进行了仿真实验,仿真实验验证了双目视觉SLAM系统的完整性和可实现性。

论文目录

• 摘要
• Abstract
• 1 绪论
• 1.1 引言
• 1.2 研究背景及意义
• 1.3 移动机器人SLAM问题研究进展
• 1.3.1 SLAM研究进展
• 1.3.2 视觉SLAM研究进展
• 1.4 研究内容与结构
• 2 SLAM问题概述及双目视觉sLAM系统
• 2.1 引言
• 2.2 移动机器人SLAM问题概述
• 2.2.1 SLAM介绍
• 2.2.2 SLAM常用主要算法
• 2.2.3 SLAM的难点问题
• 2.3 双目视觉SLAM系统
• 2.3.1 双目视觉SLAM系统结构
• 2.3.2 基于里程计的移动机器人运动模型
• 2.3.3 基于双目视觉的传感器观测模型
• 2.3.4 双目视觉SLAM中的不确定性问题
• 2.4 本章小结
• 3 SIFT特征点提取与匹配
• 3.1 引言
• 3.2 SIFT特征点提取过程
• 3.2.1 尺度空间极值检测
• 3.2.2 精确定位特征点位置
• 3.2.3 确定特征点方向
• 3.2.4 生成特征点描述符
• 3.3 SIFT特征点匹配
• 3.3.1 极线约束
• 3.3.2 匹配子
• 3.3.3 SIFT特征匹配
• 3.4 实验与分析
• 3.5 本章小结
• 4 三维空间信息获取及环境地图表示
• 4.1 引言
• 4.2 摄像机标定
• 4.2.1 线性针孔模型
• 4.2.2 线性模型摄像机标定
• 4.3 双目立体视觉的空间点重建
• 4.3.1 线性标定方法的空间点重建
• 4.3.2 实验及结果分析
• 4.4 环境地图表示
• 4.5 本章小结
• 5 基于点特征的EKF—SLAM算法分析及仿真研究
• 5.1 引言
• 5.2 卡尔曼滤波算法
• 5.2.1 卡尔曼滤波（KF）算法
• 5.2.2 扩展卡尔曼滤波（EKF）算法
• 5.3 EKF—SLAM算法的实现
• 5.3.1 EKF—SLAM算法的基本原理
• 5.3.2 EKF—SLAM算法中的数据关联问题
• 5.3.3 EKF算法在移动机器人导航定位中的应用
• 5.4 基于局部子地图的EKF—SLAM方法
• 5.4.1 局部子地图系统状态
• 5.4.2 基于局部子地图的EKF—SLAM方法
• 5.5 EKF—SLAM算法仿真实验
• 5.5.1 EKF—SLAM算法流程图
• 5.5.2 二维SLAM仿真及结果分析
• 5.5.3 三维SLAM仿真及结果分析
• 5.6 本章小结
• 6 总结与展望
• 6.1 全文总结
• 6.2 展望
• 致谢
• 参考文献
• 攻读硕士学位期间发表的论文及参加的科研项目