论文部分内容阅读
基于视觉的同时定位与建图(Visual Simultaneous Localization and Mapping,简称VSLAM),是一种基于视觉传感器实现机器人定位和重建环境地图的技术,其中定位的准确性和实时性至关重要。本文针对现有VSLAM系统存在的定位漂移和实时性不佳的问题,基于多视图几何理论和非线性优化理论改进并优化现有VSLAM系统中关键算法和方案,通过关键技术部分理论分析和实验,以及总体实验验证了改进后的VSLAM系统在嵌入式平台能够实时且准确地定位。经典的VSLAM框架分为视觉里程计、后端优化和回环检测三部分。视觉里程计负责局部定位,后端优化负责全局优化,闭环检测负责识别相同的关键帧并消除相同两帧之间的漂移。本文以当前流行的RGB-D SLAM系统为基础,使用实时性较好的ORB特征进行跟踪、重定位和闭环检测。针对RGB-D SLAM系统的视觉里程计忽略没有3D信息的区域,只利用3D对应点进行相机跟踪,导致长距离单向跟踪引入较大漂移误差问题,本文提出一种新的混合对应点跟踪方法,该方法充分利用2D-2D、2D-3D、3D-3D对应点进行跟踪,减少了中长距离跟踪期间的漂移误差。该方法首先基于3D-3D对应点利用奇异值分解快速计算出相机的粗略位姿和3D-3D对应点的3D世界坐标。然后,利用位姿和三角测量恢复2D-2D、2D-3D对应点的3D世界坐标。最后,利用光束法平差算法,以位姿和3D世界坐标点作为初值,迭代计算出优化后的相机位姿和所有对应点的3D世界坐标,并使用由结构传感器收集的数据序列进行实验,结果验证了该方法有效地降低了漂移误差。在后端优化部分,针对传统滤波器算法的全局优化性能较差的问题,提出将光束法平差非线性优化算法应用于后端优化,并利用Schur消元法减少非线性优化的计算量。在基于词袋模型的闭环检测部分中,使用先验相似度归一化的相似度得分,解决绝对阀值判断闭环不稳定的问题,从而得到改进的闭环检测方案。在总体实验部分,把改进的视觉里程计、后端优化和闭环检测技术结合成一个完整的VSLAM系统,在TX2嵌入式开发板上,验证了系统的实时性和定位准确性。