基于視覺(jué)SLAM的移動(dòng)機(jī)器人室內(nèi)未知環(huán)境探測(cè)研究.pdf

1、隨著移動(dòng)機(jī)器人領(lǐng)域的發(fā)展，移動(dòng)機(jī)器人能有效地在復(fù)雜危險(xiǎn)的環(huán)境下執(zhí)行任務(wù)，移動(dòng)機(jī)器人的智能自主性得以提高。對(duì)未知環(huán)境進(jìn)行探測(cè)建圖并實(shí)時(shí)導(dǎo)航是移動(dòng)機(jī)器人技術(shù)的研究難點(diǎn)。移動(dòng)機(jī)器人在未知環(huán)境下根據(jù)自身位置估計(jì)和傳感器數(shù)據(jù)，自主智能化實(shí)現(xiàn)自身定位和建立環(huán)境地圖，這一過(guò)程稱(chēng)為同步定位與地圖構(gòu)建（Simultaneously Localization And Mapping，SLAM）。視覺(jué)傳感器具有信息量豐富、輕量級(jí)、便宜等優(yōu)點(diǎn)，將SLAM與視覺(jué)

2、傳感器相結(jié)合已成為機(jī)器人自主導(dǎo)航的研究熱點(diǎn)。傳統(tǒng)方法中更多采用擴(kuò)展卡爾曼濾波或粒子濾波等濾波器方法來(lái)解決SLAM問(wèn)題，但此類(lèi)方法存在線性化及更新效率等問(wèn)題，難以應(yīng)用于創(chuàng)建大規(guī)模地圖。隨著SLAM相關(guān)高效求解方法的深入研究，基于圖優(yōu)化理論的SLAM技術(shù)能很好的創(chuàng)建大規(guī)模環(huán)境地圖，并明顯減少積累誤差。
　　本文采用以華碩Xtion PRO為代表的RGB-D攝像頭作為視覺(jué)傳感器，同時(shí)獲取室內(nèi)環(huán)境的圖像數(shù)據(jù)和深度數(shù)據(jù)，能夠建立室內(nèi)環(huán)境三維

3、信息模型和用于移動(dòng)機(jī)器人導(dǎo)航的二維柵格地圖，主要研究工作如下：
　　1.本文仔細(xì)講述了Xtion PRO相機(jī)獲取RGB圖像數(shù)據(jù)和深度圖像數(shù)據(jù)的實(shí)現(xiàn)步驟，利用最小化殘差平方得到相鄰點(diǎn)云數(shù)據(jù)的相對(duì)位置關(guān)系，進(jìn)而對(duì)點(diǎn)云數(shù)據(jù)進(jìn)行配準(zhǔn)與融合，實(shí)現(xiàn)了重建三維點(diǎn)云地圖。
　　2.本文詳細(xì)分析并比較了SIFT、SURF和ORB這三種特征點(diǎn)算法的提取特征點(diǎn)數(shù)目、運(yùn)算時(shí)間以及正確率，最終使用了ORB算法實(shí)現(xiàn)特征提取與描述子計(jì)算。利用RANSAC

4、算法與ICP算法相結(jié)合來(lái)求解相機(jī)運(yùn)動(dòng)估計(jì)的旋轉(zhuǎn)矩陣R和平移向量t。
　　3.本文實(shí)現(xiàn)了基于圖優(yōu)化的視覺(jué)SLAM后端，構(gòu)建了SLAM圖優(yōu)化模型，對(duì)基于圖優(yōu)化的SLAM問(wèn)題進(jìn)行了數(shù)學(xué)推導(dǎo)，使用g2o開(kāi)源庫(kù)來(lái)實(shí)現(xiàn)了圖優(yōu)化，最后利用BOVW閉環(huán)檢測(cè)算法提高了移動(dòng)機(jī)器人在未知場(chǎng)景環(huán)境下對(duì)突發(fā)狀況的魯棒性。
　　4.本文提出了一種基于邊界的探測(cè)策略來(lái)實(shí)現(xiàn)移動(dòng)機(jī)器人自主探測(cè)未知環(huán)境并構(gòu)建地圖，采用基于A*算法的全局路徑規(guī)劃搜索最短行走路徑