同步定位和地图重建技术.docVIP

同步定位和地图重建技术

（上海大学机械工程与自动化学院，上海200072）

摘要：同时定位和地图创建（SLAM）是指移动机器人在未知环境中从未知位置出发，通过适当的控制策略在环境中运动并观察环境，逐步建立起周围环境的地图并确定自身在当前环境中的位姿。本文按照SLAM的实现过程，首先介绍作为SLAM硬件部分的了ToF相机和基于结构光技术的Kinect，继而对地图创建和数据处理的算法进行了综述，算法又分为基本算法和优化算法。最后对SLAM技术的发展作出总结和展望。

关键词：同时定位和地图创建；深度相机；特征点匹配；位姿优化

中图分类号：R318文献标志码：A

Brain-ComputerInterfaceBasedonMotorImagery

(SchoolofMechanicalEngineeringandAutomation,ShanghaiUniversity,Shanghai200072,China)

Abstract:Simultaneouslocalizationandmapping(SLAM)isatechniqueusedbyrobotsandautonomousvehiclestobuildupamapwithinanunknownenvironment,ortoupdateamapwithinaknownenvironment,whileatthesametimekeepingtrackoftheircurrentlocation.ReferringtotheprogressofSLAM,Inthispaperweintroducedtwokindsofdepthcarmer:ToFcameraandKinect,withthelateroneusingstructuredlight.ThenwereviewedthealgorithmofSLAMsystem,whichcontainsbasicalgorithmandtheoptimizedone.AndthesummaryandoutlookofSLAMareexploredatlast.

Keywords:Simultaneouslocalizationandmapping;depthcarmer;featurepointsmatching;poseoptimization

1引言

同时定位和地图创建（SLAM）是移动机器人真正具备自主性的核心环节，因此成为目前移动机器人领域的研究热点。基于视觉的SLAM主要集中在对普通视觉的研究上，然而，普通视觉视野狭窄，对路标的连续跟踪和定位能力差，制约了视觉SLAM的发展；而全景视觉具有全方位的视野，可以获得既丰富又完整的环境信息，也能够更好的对路标进行连续跟踪和定位，在机器人导航、视频监控等领域都有广泛的应用。

SLAM系统中，每一时刻场景的深度信息是整体地图创建的基础信息。3D场景深度信息的获取一般依靠深度相机。目前深度相机主要分为两类，一类是ToF（TimeofFlight）[1]相机，另一类是Kinect(KinectforXbox360)[2]。Kinect是由微软开发的应用于Xbox360主机的周边设备。与传统距离传感器，如超声波、红外传感器不同的是，深度相机能生成场景的深度点云图，即可以得出分辨率范围内对每一个点的深度坐标，而非只得出传感器到障碍物的距离。

在获得每一时刻的深度信息后，SLAM需要对整体地图信息进行更新，这涉及到帧间匹配（即分析两帧的关系）和状态估计问题（即求出最优的状态转换关系）。帧间匹配方法分为空间点匹配和图像特征匹配。而对于状态估计的求解，多数文献中采用了基于滤波器的方法，常用的包括扩展卡尔曼滤波（EKF）方法、扩展信息滤波（EIF）方法、以及粒子滤波（PF）方法等。也有文献[3]提出基于平滑的完全SLAM方法（fullSLAM）。本文将做简单介绍。

2深度相机

2.1ToF相机

ToF（Time-of-Flight）相机是一种利用光传播延时来测量环境景深的传感器。它是激光雷达传感器（LIDAR）的一种，但ToF相机能分析场景中每个像素点的景深信息，这也是它能成为一种深度相机的原因。

ToF相机使用光脉冲来测量距离[4]。相机自身发出一个很短的光脉冲，这段光照射在物体表面并反射回来，由于传播距离的存在，光发出和返回经历了一个延时。但由于光的速度达到3×108m/s，延时将非常短，同时要求脉冲