移動機器人視覺SLAM閉環(huán)檢測算法研究.pdf

1、移動機器人的閉環(huán)檢測這一環(huán)節(jié)是機器人同時定位和地圖構(gòu)建(SLAM)中判斷自身是否需要更新地圖的關鍵步驟。由于機器人自身視覺傳感器等因素引起的誤差，不能保證閉環(huán)檢測的準確度。因此，本文對現(xiàn)有閉環(huán)檢測算法主要步驟存在的問題展開分析，主要研究內(nèi)容如下：
　　首先，概述課題研究意義和背景，對視覺閉環(huán)檢測算法的研究現(xiàn)狀和一些關鍵問題進行分析，詳細分析了SLAM的基本方法以及閉環(huán)檢測中常用的一些特征檢測算法，為后續(xù)的研究提供理論模型和依據(jù)。<

2、br>　　其次，針對圖像關鍵點匹配準確性差的問題，采用基于顏色特征結(jié)合改進加速魯棒特征算法(SURF)的圖像匹配算法。利用顏色特征進行圖像的粗匹配，選取與測試圖像最相近的5幅作為待匹配對象，利用Krawtchouk矩將SURF方法中Hessian矩陣獲取的關鍵點計算出梯度方向和幅值，得到特征向量，對待匹配圖像提取改進SURF特征再與測試圖像進行精確匹配，進行仿真實驗，證明改進算法提高了匹配的正確率。
　　再次，針對閉環(huán)檢測中的視覺

3、詞袋模型(BoVW)準確率低的問題，設計出一種改進BoVW方法，采用基于Krautchouk矩的SURF算子對基于指導濾波的去霧后的場景圖像進行特征提取，利用最大最小距離結(jié)合粒子群聚類的方法構(gòu)建視覺單詞本，通過圖像分類實驗，驗證了改進算法的有效性。
　　最后，針對閉環(huán)檢測算法的準確度不足問題，設計基于后驗處理的閉環(huán)檢測方法，利用基于Krautchouk矩的SURF算法提取圖像特征，構(gòu)建金字塔式的分層視覺單詞樹，通過加權(quán)詞頻-逆向文