论文部分内容阅读
作为实现机器人自主导航的关键技术,即时定位与建图(SLAM)的定位能力和建图质量在室内环境中会受到环境条件的制约,迫切需要一种闭环检测(Loop Closing)机制来检测机器人是否返回到已经探索过的环境区域,进而减少由于机器人位姿累计误差的增长对定位与建图质量的影响。为提高室内环境中闭环检测的效率和精度,本文基于激光观测和图像数据,针对室内环境下空间结构和视觉外观的特殊性,进行了主动闭环检测方法的研究。首先,针对室内空间结构的特殊性,基于转移角函数设计了一种快速线段特征提取算法,并据其对空间场景进行分类;在线段化场景结构下构建了基于场景熵、激光扫描面积和闭合扫描面积特征的场景几何描述形式;根据提出的基于最长公共子序列和Hu不变矩匹配的相似帧判定方法获得了激光观测的扫描匹配度量模型。其次,针对室内视觉场景的特殊性,结合最大稳定极值区域检测子和尺度空间不变描述子,提取视觉场景的特征,并基于主元变换构建了几何特征和视觉特征的降维健壮融合特征;通过引入BoW模型、逆索引机制并创建场景特征的ChowLiu树,构建了低“感知混淆”率、高匹配速度的场景相似度量模型。最后,根据提出的几何场景的分类方法对激光-图像帧对应的BoW帧进行实时分类,并仅在各类中根据构建的场景相似度量模型进行相似度计算,减少了查询帧与历史帧的匹配数量;根据提出的激光观测扫描匹配度量模型对“候选闭环序列”中场景对应的几何外观进行匹配,降低了场景的误匹配率;同时,通过累积相似度机制提高了闭环检测的准确度。