基于單目視覺的同時定位與地圖重建算法研究.pdf

1、在計算機技術(shù)、人工智能技術(shù)和傳感器技術(shù)的共同推動下，移動機器人的研究正朝著自主化和智能化的方向發(fā)展。移動機器人的自定位和環(huán)境地圖的創(chuàng)建是實現(xiàn)移動機器人真正自主化和智能化的前提和基礎(chǔ)。在未知環(huán)境中，移動機器人需要依賴于自身攜帶的傳感器來感知周邊環(huán)境，同時利用感知到的信息來確定自身的位置。因此，移動機器人的自定位和環(huán)境地圖的創(chuàng)建與傳感器的類型密切相關(guān)。與聲納或者激光測距儀等傳感器相比，視覺傳感器具有體積小、功耗低、價格便宜等優(yōu)點，并且可以感

2、知更為豐富的環(huán)境信息，因而在移動機器人同時定位與地圖重建算法中得到了越來越多的應用。本文主要圍繞基于單目視覺的移動機器人同時定位與地圖重建(SLAM， Simultaneous Localization and Mapping)算法展開研究。
　　 第一章緒論部分首先闡述了選題的背景和意義，然后介紹了計算機視覺技術(shù)和移動機器人技術(shù)的發(fā)展情況，并對基于視覺的同時定位與地圖重建算法的研究現(xiàn)狀進行了分類綜述，最后給出了本論文的主要研究

3、內(nèi)容和任務(wù)。
　　 第二章對基于單目視覺的同時定位與地圖重建算法中的特征初始化問題進行了研究，提出了一種基于齊次坐標表示的特征初始化算法。首先，給出了基于齊次坐標的特征表示方式；然后，借助于一個深度估計不確定性傳遞模型，對基于齊次坐標的特征表示方法所對應的測量方程的線性度進行了分析，并與常用的幾種特征表示方法所對應的測量方程的線性度進行了比較；最后實現(xiàn)了基于齊次坐標表示的特征初始化算法。
　　 第三章通過分析特征跟蹤對機

4、器人定位不確定性的影響，提出了一種基于跟蹤時間預測的特征選擇方法：首先，利用同時定位與地圖重建算法中的特征跟蹤結(jié)果來估計二維圖像的運動信息；其次，采用一種前向迭代算法來預測特征點的跟蹤時間；最后，給出了一種基于延時的特征提取策略，以避免從全局圖像提取特征。
　　 第四章針對單目視覺系統(tǒng)重建得到的地圖具有尺度不確定性的問題，研究了一種基于慣性導航輔助的單目視覺同時定位與地圖重建算法。該算法通過慣性導航系統(tǒng)來提供機器人的位姿信息，通

5、過單目視覺系統(tǒng)來提供特征的位置信息，然后借助于擴展卡爾曼濾波算法對這兩種信息進行更新，可以解決重建地圖的尺度不確定性問題。在對單目視覺信息進行處理時，提出了一種基于先驗信息的SIFT匹配算法：根據(jù)機器人和特征之間的相對距離變化來預測特征尺度空間的變化，根據(jù)慣性導航運動模型和單目視覺測量模型來預測特征的可能分布區(qū)域，從而避免了在整個圖像尺度空間范圍內(nèi)進行窮舉性的特征提取和匹配。
　　 第五章針對視覺同時定位與地圖重建算法中的地圖融