基于SLAM的移动机器人单目视觉定位研究.pdfVIP

杭州电子科技大学硕士学位论文

摘要

近年来，随着人工智能技术的发展，移动机器人与智能技术深度融合给传

统行业带来了巨大变革，如利用路径自主规划的物流机器人对货物进行分拣，

转运，利用自主导航无人车对城市进行高精度地图的绘制等。同时定位与地图

构建（SimultaneousLocalizationAndMapping,SLAM）技术是移动机器人自主导

航和定位的关键性技术，视觉实时定位与地图构建（visualSLAM,vSLAM）搭

载的相机传感器相对激光等传统传感器，具有成本低、体积小、信息丰富等优

点，广受研究者的青睐。本文研究对前端视觉里程计的改进来提高基于SLAM

的移动机器人单目视觉定位的准确性，系统的实时性和鲁棒性，主要内容与创新

点归纳如下：

(1)在特征点选择方面，针对传统特征点选择方式容易引发特征点大量聚

集现象，导致帧间匹配时发生误匹配或匹配失败，提出一种基于四叉树的特征

点均匀化选择方式，对特征点跟踪时长进行了统计分析，结果表明特征点均匀

化有助于延长特征点的跟踪时间，特征点被跟踪优化的时间越长，准确性就越

高，构图和定位就更加精确。

(2)在匹配鲁棒性方面，针对快定向、短旋转（OrientedFASTandRotated

BRIEF,ORB）特征不具备尺度不变性，提出一种快定向、短旋转的尺度（Scaleof

OrientedFASTandRotatedBRIEF,SORB）特征，提高系统在相机远近变化时匹

配的准确性。另外，以往的特征点匹配都是独立地进行局部匹配，当图像存在

大量相似纹理和相机发生旋转时，容易发生误匹配。针对这一问题，提出一种基

于全局一致性和局部相似性的方位匹配算法，在局部信息的基础上加入全局信

息和方位信息，缩小特征点搜索范围，提高匹配特征点的准确度。通过TUM数

据验证了所提算法的有效性。

(3)在匹配实时性方面，根据相机运动拍摄图像的特点，提出一种基于图

像结构性差异的计算策略，通过减少匹配点的计算数量，加快系统运行速度。

对特征匹配运行时长进行统计，结果表明结构性差异策略有助于加快匹配计算

速度。

(4)在位姿优化方面，针对前端视觉里程计在长时间建图和位姿估计过程

中由于估计误差导致的累积误差，引入了非线性优化方法对整体数据进行优

化，同时针对初始化时估计位姿易受噪声的干扰，对位姿解算步骤进行改进，

优化初始估计位姿。通过KITTI数据验证了所提算法的有效性。

关键词：单目视觉SLAM，特征点，特征匹配，位姿优化

I

杭州电子科技大学硕士学位论文

ABSTRACT

Withthedevelopmentofartificialintelligence,theintegrationofmobilerobots

andtechnologieshasbroughtgreatchangestothetraditionalindustry,suchasusing

robotswithautonomouspathplanningtosortandtransferandself-drivingvehicles

withautonomousnavigationtodrawhigh-precisionmaps.Simultaneouslocalization

andmapping(SLAM)technologyisakeyforautonomousnavigationandpositioning

ofmobilerobots.Comparedwithtraditionalsensorssuchaslaser,camerasensors

equippedwithreal-timevisualpositioningandmapconstructionhavetheadva