室内移动机器人的SLAM系统研究

摘要

随着人工智能技术的不断发展，人们对移动机器人的需求也越来越高，因此构建一个智能化、自主化的移动机器人就变得非常具有研究价值和市场前景。基于视觉的同时定位与地图构建（Simultaneous Localization and Mapping，SLAM）被认为是机器人研究领域中的关键技术，它解决了激光SLAM结构复杂、价格昂贵且专业性强等缺点，因此具有很强的研究意义与价值。为此，本文将搭建基于视觉的室内移动机器人SLAM系统，并完成相关功能。 首先，用张氏标定法标定出摄像机内参数，选择性能更好的ORB算法作为特征提取算法，并用RANSAC算法进行误匹配剔除，根据正确匹配点对用对极几何定位算法计算出摄像机的位姿。其次，利用定位结果并根据数据类型的不同，分别构建出稀疏、稠密点云地图，满足了不同场景的需求。然后，针对噪声及定位误差等影响，构建出非线性最小二乘优化模型，并引用图论的方法把整个优化模型用一个图来表示，用开源G2O框架进行优化求解，最后综合整个代码，完成视觉SLAM系统搭建。 为验证本文SLAM系统定位与建图效果，分别用TUM数据集和实时环境数据进行实验，结果表明，本文SLAM系统在满足定位准确的同时又能很好的满足实时性，离线生成的稠密地图符合预期的实验结果。

目录

第1章 绪论

1.1 研究背景及意义

1.2 国内外研究现状

1.3 论文研究内容及章节安排

第2章 室内移动机器人SLAM系统及相关理论

2.1 室内移动机器人SLAM系统模型

2.1.1 室内移动机器人SLAM数学模型

2.1.2 室内移动机器人SLAM系统框架

2.2 摄像机成像模型

2.2.1 四种坐标系

2.2.2 四种坐标系之间转换

2.3 摄像机标定

2.3.1 摄像机标定的原理及方法

2.3.2 摄像机标定

2.4 三维空间旋转的表示

2.4.1 摄像机旋转表示方法

2.4.2 四元数

2.5 本章小结

第3章 室内移动机器人SLAM系统定位与建图

3.1 特征提取与匹配

3.1.1 SIFT特征提取算法

3.1.2 ORB特征提取算法

3.1.3 RANSAC误匹配剔除

3.2 室内移动机器人SLAM系统初始化

3.3 室内移动机器人SLAM系统定位算法

3.3.1对极几何定位算法原理

3.3.2 对极几何定位算法流程

3.4 室内移动机器人SLAM系统地图构建

3.4.1 SLAM系统稀疏地图构建

3.4.2 SLAM系统稠密地图构建

3.5 本章小结

第4章 室内移动机器人SLAM系统优化算法研究

4.1 基于非线性最小二乘法的优化算法

4.1.1 非线性最小二乘法优化模型建立

4.1.2 非线性最小二乘法优化模型求解

4.2 基于图优化的优化算法

4.2.1 图优化模型的建立

4.2.2 基于G2O的图优化求解

4.3 本章小结

第5章 室内移动机器人SLAM系统仿真与分析

5.1 SLAM系统搭建及标准数据集

5.1.1 SLAM系统搭建

5.1.2 标准数据集

5.2 室内移动机器人SLAM系统定位实验与分析

5.2.1 标准数据集下的定位实验与分析

5.2.2 真实环境下的定位实验与分析

5.3 室内移动机器人SLAM系统地图构建实验与分析

5.4 本章小结

第6章 总结与展望

6.1总结

6.2展望

致谢

参考文献

攻读硕士学位期间的研究成果

图版

声明