论文部分内容阅读
机器人的同步定位与制图(SLAM,Simultaneous Localization and Mapping)是当今机器人研究领域的一个重要内容,研究的热点根据传感器的不同大体上可分为基于激光的SLAM以及基于视觉的SLAM。本文首先分别研究了现有的基于激光与基于单目视觉的SLAM方法并且分析了这两类方法的优缺点。通过实验发现,激光SLAM制图较准确,且有很高的实时性,激光SLAM的实验结果在小型环境中非常准确,但是到了大型环境中,由于累计误差或者错误的闭环检测,使得机器人制出来的图并不理想,而且由于传感器信息量较少,在较复杂的环境里不能很好的完成场景识别。相反,视觉SLAM有很丰富的信息量,能够很好的识别环境,但是这种方法制出来的地图不够精确,而且由于需要处理的数据过多,无法保证算法的实时性,尤其是在大尺度或者特征点不明显的环境中,很容易出现匹配速度跟不上机器人运行速度的问题,导致地图出现断裂。本文研究了激光和视觉SLAM的现有成果,分别对激光与视觉两种方法进行了广泛的调研,并完成了一系列对比实验,最终设计了一种结合两种方法优点的新型方法,即采用单目视觉信息来辅助激光进行SLAM,有效解决了单个激光传感器的移动机器人室内定位与制图问题。本文采用了流行的ORB特征来建立词袋,以便提升系统的运行效率。首先通过视觉ORB特征建立环境词袋实现关键帧检测、初步闭环检测及全局重定位等方法来给出一个视觉闭环信号;然后用这个信号触发激光SLAM进行闭环检测、错误匹配滤除以及机器人位姿图优化。本文分别在矩形走廊(26 m×47 m)以及大型图书馆(30 m×100 m)内进行了对比实验,改进后算法的实验结果相对于原激光SLAM方法制出来的图都有很大程度的改进,而且在实时性上,也并没有因为加入了视觉信息而受到太大影响,从而保证了SLAM方法所需要的实时性。本论文所获得的成果可以广泛的应用于服务机器人,工业自主导引车,无人飞行器等等领域,对于我国机器人的应用推广有较大的意义。