基于RGB-D圖像的同時定位與建圖研究.pdf

1、近年來，同時定位與建圖(SimultaneouslyLocalizationandMapping，SLAM)是一備受青睞的研究問題，是智能機器人在未知環(huán)境中實現(xiàn)自主導(dǎo)航的關(guān)鍵性問題。SLAM通過處理傳感器信息，達到同時構(gòu)建環(huán)境地圖和實時定位的目的。由于RGB-D相機相比以往SLAM中常用的傳感器具有明顯的優(yōu)點，如可以同時獲取彩色圖像和深度圖像、測量精度高、采集速度快、價格低廉、體積小等，RGB-DSLAM逐漸成為國內(nèi)外學(xué)者研究的熱門問題

2、。
　　RGB-DSLAM方法步驟:首先根據(jù)彩色圖像進行特征提取和匹配;其次使用獲得的特征匹配點對結(jié)合深度信息進行初始位姿預(yù)估;再次對位姿變換進行精確預(yù)估;最后進行圖優(yōu)化，通過閉環(huán)檢測糾正相機位姿。目前RGB-DSLAM中存在如下問題:RGB-D數(shù)據(jù)中包含噪聲和冗余;相機位姿變換矩陣估計精度不高;特征匹配的精度不高;特征提取的計算代價高。針對以上問題，本文主要做了三個工作，具體如下:
　　(1)針對RGB-D相機數(shù)據(jù)中含有噪

3、聲和冗余的問題，本文對點云濾波方法進行改進。針對估計的相機位姿變換矩陣精度不高的問題，本文采用迭代最近點(IterativelyClosetPoint，ICP)算法進行位姿優(yōu)化，提高變換矩陣的精度。同時，以ICP算法的收斂程度作為依據(jù)，判斷是否使用位姿優(yōu)化的矩陣作為相機位姿變換矩陣。RGB-DSLAM方法中同時使用點云濾波方法和位姿優(yōu)化算法，在不增加計算代價的前提下，該方法能夠有效提高RGB-DSLAM的精度。
　　(2)針對RG

4、B-DSLAM中存在的特征匹配精度不高的問題，本文在特征匹配時引入深度信息，改進特征匹配算法。同時，在RGB-DSLAM方法中使用精度更高的位姿優(yōu)化算法，即正態(tài)分布變換(NormalDistributionTransform，NDT)算法。以上兩種算法結(jié)合，從而進一步提高RGB-DSLAM的精度。
　　(3)本文使用實時性更高的特征提取算法—AKAZE(Accerated-KAZE)算法，同時，對RGB-D數(shù)據(jù)對應(yīng)的點云數(shù)據(jù)使用改