论文部分内容阅读
全景视觉成像系统是近年来机器人视觉领域研究的热点之一,该类型传感器在视觉监控领域,机器人定位,机器人视觉伺服控制等得到了广泛应用。随着服务机器人的活动能力不断增强和室内环境的日趋复杂,机器人必须考虑环境的三维信息,以决定其移动策略,三维同时定位与地图构建(3D SLAM)技术是提高机器人环境感知和活动能力的重要方法。为使机器人在环境探索过程中,通过连续感知三维物体表面特征并构建三维环境地图,本文研究了基于全景相机的3D SLAM。本文首先基于统一球面投影原理构建鱼眼全景类型相机的成像模型,并在此基础上建立了双目立体视觉标定模型。为了克服扭曲图像角点曲率变化对传统Harris及FAST角点提取的影响,本文基于图像边缘特征,通过Hough变换拟合图像线段来检测图像角点,提高了角点检测的稳定性和精度。在统一球面投影原理基础上,本文进一步开展了球面尺度不变特征的研究。在建立全景相机投影模型的基础上,采用球面尺度空间特征不变(SIFT)算法构建球面尺度空间,并通过构造局部球面描述子(LSD)实现全景图像特征点的提取与合理匹配。在此基础上,根据球面几何原理获取了SIFT特征点准确的三维信息。通过基于RANSAC的三维平面特征建模及检测方法实现了SIFT空间三维特征点的重构,验证提取SIFT特征点的准确性。基于扩展卡尔曼滤波,研究了立体视觉系统的SLAM问题;该方法不依赖于具有先验信息的运动模型,而是采用自运动模型作为SLAM的运动模型;在单目视觉观测模型的基础上,提出了立体视觉的观测模型,并采用基于Kd树的最近邻算法解决数据关联问题。实验结果表明,所采用的球面SIFT算法克服了传统SIFT在球面极点提取不准确的问题,对全景相机适应性强且具有较好的匹配效果;通过提出的特征点三维信息获取方法,能精确地提取出特征点三维信息;设计的3D SLAM方法对不同环境适应性良好、构建的地图误差低,且能有效地移植到机器人平台上。