基于立體視覺的同時定位與地圖創(chuàng)建研究.pdf

1、機器人技術(shù)發(fā)展日新月異，而作為機器人行為的基礎技術(shù)同時定位與地圖創(chuàng)建(Simultaneous Localization and Mapping, SLAM)技術(shù)在近年來一直是研究者們積極探索的領域。機器人技術(shù)的進步很大程度上受到傳感器工業(yè)發(fā)展的制約，因為它決定著機器人感知外部世界的方式。隨著近年來廉價深度相機的出現(xiàn)，機器人可以以更低的成本同時獲取深度和圖像信息，掀起了機器人SLAM技術(shù)的新一輪熱潮。本文首先介紹了同時定位與地圖創(chuàng)建技術(shù)

2、的發(fā)展歷程，介紹了目前流行的立體視覺傳感器Kinect，使用比較廣泛的Particle Filter算法，以及本文將會采用的柵格地圖表示方法。接著本文基于RGBD數(shù)據(jù)提出了一種新的基于深度圖像信息模擬普通激光測距儀的算法，并從理論上證明了該方法能夠以更加逼近真實激光測距儀的方式工作。
　　同時本文使用開源機器人操作系統(tǒng)RobotOperating System搭建了一個模擬實驗環(huán)境，并在平臺上驗證了提出的新的基于深度圖像信息模擬普

3、通激光測距儀的算法是可行而且可以使模擬出來的激光測距儀更逼真的工作。接著，本文分析了在機器人同時定位與地圖創(chuàng)建中使用的粒子濾波器目前存在的一些問題，既高復雜度問題，及其存在的原因，并通過對粒子濾波器執(zhí)行步驟的逐一分析，基于兩種思路提出了改進方法：第一種，是通過減少粒子濾波器維護的粒子的數(shù)量來減少重要性重抽樣步驟的時間復雜度；第二種是通過計算“有效粒子規(guī)?！钡脑u價參數(shù)并結(jié)合閾值減少重要性重抽樣的步驟實際執(zhí)行的次數(shù)來降低粒子濾波器算法的總體