基于改进回环检测的视觉惯性SLAM技术研究.pdfVIP

摘要 摘要 近年来，随着人工智能与模式识别等相关技术的迅猛发展，传感器信息融合与计 算机硬件技术的蓬勃进步，位于上述技术交叉点的智能移动机器人技术也得到了巨大 的突破。得益于此，智能移动机器人正被逐渐应用于军事、医疗、服务乃至宇宙探索 等多种领域之中，大大提升了生产效率，降低了生产成本和特殊工种的危险性，具有 广阔的前景和愈来愈不可取代的地位。随着对智能移动机器人的应用的加深，机器人 执行任务时所处环境的复杂程度，未知性以及任务难度均对机器人的自主性和对环境 感知、识别与适应的能力提出了更高需求。为了解决上述问题，使移动机器人具备自 主导航和控制的能力是目前实现移动机器人智能化的核心。同时定位与建图系统 (Simultaneous Localization and Mapping, SLAM)应运而生。但以视觉相机为唯一外部 传感器的 SLAM 系统存在着一些缺点：①在特征纹理不明显或动态变化较快的环境 中性能较差②环境中存在较多同类事物而导致的回环检测精度下降。因此，针对以上 问题，本文对传统ORB-SLAM 算法进行改进，将IMU 数据基于非线性优化方法进行 紧耦合，在后端回环检测部分改进二进制描述子，构建了一个视觉惯性SLAM 系统。 本文工作内容如下： （1）分析并构建了视觉惯性SLAM 系统的状态估计模型。视觉SLAM 的主体思 路与视觉惯性SLAM 是大体相同的，因此本文首先对视觉SLAM 的状态估计问题进 行分析，进而引出对视觉惯性SLAM 系统状态估计问题的分析，引入了IMU 预积分 方式，进而求取IMU 观测模型、误差项以及对应的雅可比矩阵，并通过非线性优化 算法进行数据紧耦合。 （2 ）针对单目相机无法直接获得尺度问题展开研究。本文引用IMU 与视觉联合 初始化方法。首先将初始化过程中所需的特征提取与匹配，计算基础矩阵，本质矩阵 和三角测量等过程进行分析和推导，计算获得未恢复尺度的初始位姿与路边点。其次， 在此基础上，通过对视觉与IMU 联合初始化，获得对尺度因子和IMU 各量的估计。 最终利用滑窗优化算法和边缘化方法将初始位姿和路标点进行非线性优化，获得较为 精确的初始值。 （3 ）针对特征纹理不明显或同类事物较多的复杂环境下回环检测精度下降问题 展开研究。本文改进了视觉惯性SLAM 的回环检测部分。首先本文对SLAM 系统中 I 基于改进回环检测的视觉惯性SLAM 技术研究 回环检测部分算法应用的 K-means 算法原理进行了分析，利用词袋模型对图片判断 相似度。然后分析了回环检测可改进部分，采用了一种基于区域编码的二进制描述子 改进方式，即通过将像素图片特征点进行二进制量化的区域编码形式，将二进制描述 子增添位置信息，改善回环检测算法在同类事物较多环境下的精度和鲁棒性。 最后为验证本文算法的普适性、准确性与鲁棒性，本文自主采集了四个不同环境 因素的数据集。在KITTI 公用数据集以及自主采集数据集上，开展回环检测实验，实 验结果表明本文算法在不同二进制描述子上具有普适性，在回环检测性能上有一定程 度的提高。在EUROC 公用数据集，开展系统整体实验，实验结果表明本文系统的精 度和鲁棒性都比原视觉惯性 SLAM 算法有一定程度上的提高。本文算法使移动机器 人在同类事物较多的复杂环境中的定位与建图精度下降问题大幅改善，具有较强的工 程实践意义。 关键词：视觉SLAM ，惯性传感器，预积分，回环检测，区域编码 II 基于改进回环检测的视觉惯性SLAM 技术研究 目录 1 绪论 1 1.1 课题背景及研究意义 1 1.2 国内外研究现状 3 1.2.1 视觉SLAM 研究现状 3 1.2.2 视觉惯性SLAM 研究现状 5 1.2.3 回环检测研究现状7 1.3 本文的研究内容 9 2 IMU 与单目视觉融合