学位论文 > 优秀研究生学位论文题录展示

全景移动机器人SLAM关键技术研究

作　者: 刁国军
导　师: 佟国峰
学　校: 东北大学
专　业: 模式识别与智能系统
关键词: 移动机器人全景视觉同时定位与地图构建扩展卡尔曼滤波三维重建
分类号: TP242
类　型: 硕士论文
年　份: 2010年
下　载: 96次
引　用: 0次
阅　读: 论文下载

内容摘要

SLAM技术是移动机器人导航领域的热门研究课题,是实现真正的自主移动机器人的关键。而全景视觉传感器具有360度全方位视角,信息丰富,非常适合用于移动机器人的导航。本文的全景移动机器人SLAM技术有效的结合了全景视觉和SLAM技术的优点。首先,本文用数学的方法对SLAM问题进行了描述,同时回顾和总结了目前存在的移动机器人同时定位与地图创建的方法,通过对各种算法的比较,本文选择EKF算法来实现全景移动机器人SLAM系统,并通过仿真实验验证了EKF算法的有效性；然后针对全景图像存在畸变较大、特征提取困难的问题,本文提出使用具有较高鲁棒性的SIFT特征提取算法来实现全景图像的特征提取,并通过一系列的实验验证了SIFT特征提取与匹配算法的鲁棒性和稳定性,为后续的特征点三维重建以及机器人地图创建提供可靠的观测信息。其次,本文设计了两种针对全景视觉系统标定的方法,来实现对全景视觉系统的精确标定；然后本文对全景视觉系统的成像原理进行了研究,并在此基础上,同时辅助里程计的信息,提出了一种基于立体视觉的特征点三维重建理论和方法,而且通过设计三维重建实验验证了本文提出的三维重建方法误差较小,为全景移动机器人SLAM研究提供高精度的特征地图。再次,本文从系统的角度设计了SLAM的体系结构,提出了应用于全景移动机器人的SLAM系统结构框架。对系统的各模块的关键技术和难点问题提出了解决方案和具体的实现办法。本文首先采用仿真的办法,通过对传感器设置不同的观测范围来实现基于普通视觉SLAM和基于全景视觉的SLAM仿真,仿真结果说明了传感器观测范围变大后,可以有效的跟踪路标特征,不确定性收敛更快；然后本文在全景移动机器人上进行SLAM实验,而且实验效果较好,验证了本文提出的全景移动机器人SLAM系统方案的可行性及有效性。最后,对全景移动机器人SLAM问题进行了总结,并对下阶段的研究提出了展望和设想。

全文目录

摘要  5-6
Abstract  6-12
第1章绪论  12-20
  1.1 引言  12
  1.2 全景移动机器人介绍  12-13
  1.3 同时定位与地图创建问题  13-15
    1.3.1 环境地图表达问题  13-14
    1.3.2 数据关联问题  14
    1.3.3 不确定性问题  14
    1.3.4 超多维问题  14-15
  1.4 基于视觉传感器的SLAM研究  15-18
    1.4.1 视觉SLAM的研究进展  15-16
    1.4.2 全景SLAM的研究意义与难点问题  16-18
  1.5 本文研究课题与组织结构  18-20
    1.5.1 本文的研究内容  18
    1.5.2 本文的组织结构  18-20
第2章 SLAM问题研究及算法实现  20-32
  2.1 SLAM问题描述  20-22
  2.2 SLAM问题实现常用方法  22-25
    2.2.1 基于EKF的SLAM方法  22-24
    2.2.2 基于粒子滤波的SLAM方法  24
    2.2.3 基于稀疏扩展信息滤波的SLAM方法  24-25
  2.3 SLAM的运动模型和观测模型  25-27
    2.3.1 运动模型  25-26
    2.3.2 观测模型  26-27
  2.4 EKF-SLAM算法仿真及结果分析  27-30
    2.4.1 仿真模型建模  27-28
    2.4.2 仿真实验  28-30
    2.4.3 结果分析  30
  2.5 本章小结  30-32
第3章全景图像特征提取与匹配  32-48
  3.1 移动机器人全景视觉介绍  32-35
    3.1.1 全景视觉硬件结构  32-33
    3.1.2 单一视点性质  33-35
  3.2 全景图像特征提取常用方法  35-37
  3.3 全景图像的SIFT特征提取  37-42
    3.3.1 多尺度极值点检测  37-39
    3.3.2 关键点精确定位  39-40
    3.3.3 关键点主方向计算  40-41
    3.3.4 特征点描述子生成  41-42
  3.4 SIFT特征匹配  42-43
    3.4.1 匹配子介绍  42-43
    3.4.2 最近邻NN方法  43
  3.5 SIFT特征提取与匹配实验  43-47
    3.5.1 高斯金字塔与DOG金字塔的生成  43-44
    3.5.2 过滤低对比度与边缘处特征点结果  44-45
    3.5.3 分配方向后的各个关键点  45
    3.5.4 全景图像匹配结果  45
    3.5.5 SIFT特征稳定性实验  45-47
  3.6 本章小结  47-48
第4章全景视觉图像特征点空间信息获取  48-66
  4.1 全景视觉设备参数确定  48-49
    4.1.1 全景视觉设备几何关系分析  48-49
    4.1.2 参数确定  49
  4.2 全景视觉摄像机标定  49-55
    4.2.1 张正友平面标定法  50-52
    4.2.2 基于全景图的标定法  52-53
    4.2.3 标定实验设计及分析  53-55
  4.3 全景视觉成像模型  55-59
    4.3.1 针孔摄像机模型  55-56
    4.3.2 全景摄像机模型  56-58
    4.3.3 全景视觉成像模型仿真  58-59
  4.4 基于立体视觉的特征点三维重建  59-65
    4.4.1 基于全景的单目立体视觉原理  59-61
    4.4.2 三维重建实验  61-65
  4.5 本章小结  65-66
第5章全景移动机器人SLAM系统实现及结果分析  66-86
  5.1 机器人平台与实验环境介绍  66-68
    5.1.1 全景移动机器人平台介绍  66-67
    5.1.2 实验环境设计  67-68
  5.2 全景移动机器人SLAM系统实现  68-71
    5.2.1 模型建立  68
    5.2.2 特征初始化及地图构建  68-69
    5.2.3 系统不确定性分析  69-71
    5.2.4 状态更新  71
  5.3 全景移动机器人SLAM系统体系结构  71-74
    5.3.1 系统结构  71-72
    5.3.2 系统模块介绍  72-74
  5.4 仿真实验  74-79
    5.4.1 基于普通视觉的SLAM仿真  74-76
    5.4.2 基于全景视觉的SLAM仿真  76-79
    5.4.3 仿真结果分析  79
  5.5 基于全景机器人实验结果及分析  79-84
    5.5.1 基于里程计信息的定位实验  79-80
    5.5.2 全景移动机器人SLAM系统运行实验  80-83
    5.5.3 结果分析  83-84
  5.6 本章小结  84-86
第6章总结与展望  86-88
  6.1 总结  86
  6.2 展望  86-88
参考文献  88-92
致谢  92-94
攻读硕士学位期间获奖情况  94

全景移动机器人SLAM关键技术研究

内容摘要

全文目录

相似论文