融合顏色和深度信息的三維同步定位與地圖構(gòu)建研究.pdf

1、同步定位與地圖構(gòu)建(Simultaneous Localization and Mapping，SLAM)是移動(dòng)機(jī)器人實(shí)現(xiàn)未知環(huán)境中自主導(dǎo)航的基礎(chǔ)，也是其實(shí)現(xiàn)自主化和智能化的前提條件之一。近年來，二維地圖自主構(gòu)建的理論與方法得到了深入研究并取得了豐富成果。隨著傳感器技術(shù)的進(jìn)步和SLAM計(jì)算理論的不斷發(fā)展，面向6自由度機(jī)器人的三維地圖構(gòu)建引起了研究者的關(guān)注。微軟公司在2010年6月推出的廉價(jià)的RGB-D傳感器——Kinect，為創(chuàng)建擁有豐

2、富三維空間信息與顏色紋理信息的環(huán)境地圖提供了新的可能。
　　本文針對(duì)室內(nèi)未知環(huán)境下基于顏色信息與深度信息的三維同步定位和地圖構(gòu)建進(jìn)行研究。在不需要任何先驗(yàn)知識(shí)的情況下，Kinect在室內(nèi)場景中作6自由度運(yùn)動(dòng)并感知周圍環(huán)境信息。同時(shí)提取穩(wěn)定的環(huán)境特征點(diǎn)來表征3D空間實(shí)際物理點(diǎn)，以此作為路標(biāo)來構(gòu)建環(huán)境的三維幾何地圖。具體研究工作包括以下五個(gè)部分內(nèi)容:
　　(1)對(duì)典型的深度攝像機(jī)Kinect在計(jì)算機(jī)視覺處理方面的應(yīng)用進(jìn)行了綜述，

3、針對(duì)Kinect的深度信息隨著距離的增大出現(xiàn)顯著畸變的問題，提出了一種無需人工干預(yù)的無監(jiān)督學(xué)習(xí)的深度乘子圖學(xué)習(xí)算法，從而達(dá)到深度校正的目的。該方法首先利用近距離測量的具有相對(duì)高精度的測量數(shù)據(jù)，采用常見的視覺測程+位姿圖優(yōu)化的RGB-D SLAM算法構(gòu)建環(huán)境地圖（須有閉環(huán)），然后利用該地圖與深度測量數(shù)據(jù)的誤差對(duì)深度乘子圖進(jìn)行學(xué)習(xí)，采用極大似然估計(jì)法逐步對(duì)其進(jìn)行優(yōu)化。與需要人工干預(yù)的方法不同，該方法可以在SLAM的過程中自動(dòng)地完成深度校正的

4、學(xué)習(xí)，便于用戶使用。
　　(2)為了降低SLAM的復(fù)雜度和提高數(shù)據(jù)關(guān)聯(lián)的可信度，對(duì)圖像興趣點(diǎn)的檢測算法進(jìn)行了深入研究。通過分析閾值t與層數(shù)o兩個(gè)主要參數(shù)對(duì)OpenCV庫中BRISK-AGAST檢測算法性能的影響，提出了一種可調(diào)節(jié)的自適應(yīng)特征檢測方法——可調(diào)節(jié)的BRISK-AGAST檢測器。該檢測器的優(yōu)點(diǎn)在于增強(qiáng)所提取的環(huán)境特征點(diǎn)的穩(wěn)定性，提高SLAM過程中數(shù)據(jù)關(guān)聯(lián)的幾率和可信度，同時(shí)避免過多的環(huán)境特征在地圖中表示，從而降低SLAM

5、的復(fù)雜度。
　　(3)為了充分利用RGB-D圖像的深度信息來更有效地區(qū)分環(huán)境特征點(diǎn)，對(duì)融合外觀和深度信息的RGB-D圖像特征描述符進(jìn)行了研究，重點(diǎn)分析了BRAND描述符的機(jī)理。通過實(shí)驗(yàn)方法從運(yùn)行時(shí)間、內(nèi)存消耗，匹配性能等三個(gè)方面，將BRAND與EDVD、SURF、SIFT、CSHOT、SPIN幾種典型的特征描述算法作了比較，證明了它的優(yōu)越性。
　　(4)為了克服目前基于圖優(yōu)化的RGB-D SLAM算法在缺少大的閉環(huán)約束情況下

6、誤差累積過大，不適用于在線應(yīng)用的缺陷，提出了一種基于視覺航跡推算和擴(kuò)展信息濾波的RGB-D SLAM方法，簡稱VO-EIF SLAM。利用相機(jī)針孔模型和基于高斯混合的深度不確定性度量模型，建立了RGB-D特征觀測的三維不確定性模型，從而得到EIFSLAM的觀測模型;設(shè)計(jì)了一種基于視覺殘差的視覺航跡推算算法，用來估計(jì)運(yùn)動(dòng)控制輸入信息;采用了二進(jìn)制的特征描述BRAND來進(jìn)行特征匹配，有效降低了數(shù)據(jù)關(guān)聯(lián)的復(fù)雜度。同時(shí)，建立空間幾何不確定性和二

7、進(jìn)制描述不確定性的統(tǒng)一模型，避免了顯示地進(jìn)行數(shù)據(jù)關(guān)聯(lián)。
　　(5)深入研究了基于二進(jìn)制描述符的快速特征關(guān)聯(lián)算法，并將其應(yīng)用于RGB-D SLAM快速閉環(huán)檢測。分別設(shè)計(jì)和實(shí)現(xiàn)了二進(jìn)制描述符的局部敏感哈希搜索算法和基于分層聚類樹的快速二進(jìn)制特征搜索算法來解決單個(gè)特征的快速關(guān)聯(lián)問題;在此基礎(chǔ)上，提出了一種融合局部幾何約束的多特征點(diǎn)快速匹配算法，從而達(dá)到RGB-D SLAM快速閉環(huán)檢測的目的。該算法利用了漢明距離來比較匹配度，有效提高了閉