基于Kinect的三维视觉里程计的设计doc.docVIP

基于Kinect的三维视觉里程计的设计 　　摘要：针对移动服务机器人在未知环境下三维路径估计的问题，设计了一种基于Kinect的实时估计机器人运动轨迹的方法。该方法采用Kinect获取机器人运动过程中连续帧的彩色和深度信息，首先，提取并匹配目标帧和参考帧的SURF的特征点；然后，结合深度信息利用经典P3P问题的方法及改进的随机采样一致性（RANSAC）算法计算机器人的初始6自由度（DOF）位姿；最后，通过非线性最小二乘算法最小化初始位姿内点的双向投影误差来提高位姿精度，进而得到机器人的运动轨迹。同时对比了不同特征点及描述符结合下的里程计精度。实验结果表明，所提方法能够将里程计误差降低到3.1%，且能够满足实时要求，可为机器人同时定位与地图创建提供重要的先验信息。 　　关键词：同时定位与地图创建；视觉里程计；Kinect；路径估计；彩色深度信息 　　中图分类号： TP242.6； TP18 　　文献标志码：A 　　Abstract： Aiming at the problem of 3D trajectory estimation for mobile service robots in unknown environments， this thesis proposed a novel framework for using Kinect sensor to estimate the motion trajectory of mobile robots in real time. RGBD information of successive frames in the environment was captured by a Kinect： firstly， the feature points of Speeded Up Robust Feature （SURF） of the target frame and reference frame were extracted and matched； secondly， initial 6 Degree Of Freedom （DOF） pose estimation was computed by a novel solution for the classical Perspective3Point （P3P） problem and an improved Random Sample Consensus （RANSAC） algorithm combining with depth information； lastly， the pose estimation was refined by minimizing the reprojection error of inliers of initial value via a nonlinear leastsquares solver， and then the motion trajectory of the robot was gained. The experimental results show that the error of the odometry is reduced to 3.1% by the proposed approach in real time. It can provide important prior information for simultaneous localization and mapping of robots. 　　Key words： Simultaneous Localization and Mapping （SLAM）； visual odometry； Kinect； trajectory estimation； RGBD information 　　0引言 　　机器人对周围环境的认知及自定位是其自主导航的前提，因此，同时定位与地图创建（Simultaneous Localization and Mapping， SLAM）问题在自主移动机器人研究领域具有举足轻重的地位。近年来，利用视觉信息估计机器人移动位姿的研究引起了人们的广泛关注。视觉里程计（Visual Odometry）一词源于Nister等[1]在2004年的一篇里程碑式的文献，旨在通过分析采集到的连续视觉信息估计相机承载平台（如交通车、机器人）的位置和航向。在没有任何相机工作空间先验信息的情况下，视觉里程计的方法能够仅利用视觉信息逐步重建相机的运动轨迹。与传统轮测里程计相比，视觉里程计不受地面崎岖或其他恶劣条件造成的轮滑现象的影响。基于这种优势，视觉里程计常为轮测里程计及其他