基于Kinect的同時定位與地圖構(gòu)建的研究.pdf

1、本文以微軟公司的3D體感攝像機Kinect作為環(huán)境感知傳感器，對移動機器人同時定位與地圖構(gòu)建(Simultaneous localization and mapping，SLAM)展開理論與實驗研究。論文主要完成了以下工作:
　　(1)對攝像機的模型、坐標系的轉(zhuǎn)換、Kinect的硬件結(jié)構(gòu)與功能進行了詳細闡述;介紹了機器人獲取環(huán)境目標深度的三種方法雙目視差法、飛行時間法(ToF)與Kinect方法;介紹了Kinect開發(fā)平臺Open

2、NI的數(shù)據(jù)采集流程，并通過OpenNI相關(guān)組件獲取Kinect的深度圖像與RGB圖像。
　　(2)采用張正友攝像機標定法，通過MATLAB toolbox_calib工具箱對Kinect進行了標定實驗，獲得了Kinect的內(nèi)部參數(shù)與外部參數(shù)，并對實驗過程進行了分析和改進，根據(jù)Kinect標定的外部參數(shù)，對深度圖像與RGB圖像進行配準實驗。
　　(3)對Kinect噪聲源進行了分析，因Kinect深度圖像受傳感器自身、測量環(huán)境

3、、物體特性的影響，對Kinect深度圖像進行了均值濾波、中值濾波、高斯濾波理論與實驗研究;引入了基于Kinect深度圖像的濾波算法——雙邊濾波;雙邊濾波較好地平滑了噪聲并保護了Kinect深度圖像的邊緣，但其運行效率較低，利用快速高斯估計法對雙邊濾波進行了加速優(yōu)化。
　　(4)對Kinect的RGB圖像分別進行了FAST角點、Harris角點、SURF特征提取實驗，并比較了三種方法的性能。介紹了特征匹配與區(qū)域匹配方法，提出了結(jié)合特

4、征匹配與區(qū)域匹配的算法——基于SURF特征的SSD（平方差和）匹配，并引入RANSAC算法對誤匹配進行剔除。
　　(5)本文對基于擴展卡爾曼濾波(Extended Kalman Filter，EKF)的SLAM問題展開相關(guān)研究;構(gòu)建了EKF-SLAM系統(tǒng)模型，進行了EKF-SLAM仿真實驗。通過Kinect采集RGB數(shù)據(jù)流與深度數(shù)據(jù)流，進行了基于Kinect的EKF-SLAM相關(guān)研究，把EKF-SLAM仿真實驗擴展為三維模式，完成