基于RGB-D傳感器的移動機器人SLAM問題研究.pdf

1、移動機器人進(jìn)入未知環(huán)境時，不僅要根據(jù)已知的機器人位姿建立環(huán)境地圖，獲取環(huán)境的空間模型，而且需要根據(jù)已獲得的環(huán)境地圖，確定機器人新的位姿，稱為同時定位與建圖(Simultaneous Localization and Mapping, SLAM)問題。本文將RGB-D信息應(yīng)用于機器人視覺導(dǎo)航，通過隨機滑動窗匹配算法，改善了自主導(dǎo)航算法的閉環(huán)檢測過程，提高了視覺導(dǎo)航系統(tǒng)魯棒性。
　　首先，本文根據(jù)研究現(xiàn)狀分析了基于視覺傳感器的移動機器

2、人自主導(dǎo)航發(fā)展現(xiàn)狀，并在總結(jié)各種SLAM算法的特點的基礎(chǔ)上，選擇受認(rèn)知和神經(jīng)科學(xué)啟發(fā)的RatSLAM作為本文的研究算法。
　　其次，通過深入分析RatSLAM的特點，發(fā)現(xiàn)在大范圍長時間的自主導(dǎo)航過程中，由于光線、季節(jié)以及場景的變化，致使圖像信息發(fā)生了較大變化，單靠從單目攝像機采集的圖像信息提取特征進(jìn)行匹配的準(zhǔn)確率不高，導(dǎo)致閉環(huán)檢測算法成功率和準(zhǔn)確率均受到限制。本文提出引入深度信息(Depth Information)，結(jié)合原有的圖

3、像信息構(gòu)成RGB-D信息，可以有效應(yīng)對環(huán)境光線、季節(jié)的變化以及圖像中的運動模糊現(xiàn)象給閉環(huán)檢測帶來的挑戰(zhàn)，提升SLAM系統(tǒng)的魯棒性。
　　針對RGB-D信息，本文在RatSLAM閉環(huán)檢測算法基礎(chǔ)上提出了一種隨機滑動窗的匹配算法，有效降低了噪聲的干擾，進(jìn)一步提高了閉環(huán)檢測的準(zhǔn)確率。
　　最后，本文基于實驗室的移動機器人平臺進(jìn)行了室內(nèi)導(dǎo)航實驗。實驗結(jié)果表明，通過引入RGB-D信息，RatSLAM的閉環(huán)檢測準(zhǔn)確率和匹配率都有顯著提升