基于Kinect的密集視覺里程計SLAM算法研究.pdf

1、同步定位和地圖構建(Simultaneous Localization and Mapping，SLAM)問題是移動機器人實現自主導航與避障的基礎。目前解決SLAM問題大多采用基于濾波的方法和基于圖的方法。發(fā)展比較迅速的是基于圖的SLAM方法，其可分為前端、后端兩個部分，前端主要負責環(huán)境圖的構建，后端負責環(huán)境圖的優(yōu)化。密集視覺里程計算法（Dense Visual Odometry SLAM）是一種基于圖的SLAM解決方案，與近幾年來比較

2、流行的基于視覺特征點的稀疏視覺里程計算法不同，密集算法充分利用了圖像的信息，密集視覺里程計算法是基于光的一致性假設的，即對于同一個世界點P，它在不同角度的照相機所拍得的圖像中的光照強度是一樣的。
　　首先，本文研究分析了目前的DVOSLAM（Dense Visual Odometry SLAM）方法的原理與流程。我們分別從原理上和實驗結果中分析其復雜度及其實時性能，發(fā)現了其復雜度高、實時性能不夠好的問題。所以本文經過分析原DVO

3、SLAM方法找出了相應的改進部分，包括關鍵幀選擇、圖像預測和后端優(yōu)化這三個部分。
　　其次，本文針對原算法中的三種關鍵幀策略不能很好的平衡效率和性能之間關系的問題，提出了一種新的基于有效像素點的策略來進行關鍵幀的選擇。同時，針對原密集算法預測圖像精度不高的問題，本文提出了一種更加精確的像素插值法運用到算法中以提高圖像預測的精度。然后通過實驗分析出原方法對于包含錯誤閉環(huán)約束的數據集表現不好的原因，我們在后端優(yōu)化部分采用能夠剔除錯誤閉