论文部分内容阅读
同时定位与建图(Simultaneous localization and mapping,SLAM)问题一经提出就受到了很多国内外研究人员的关注,并逐渐成为移动机器人研究领域的焦点问题之一。SLAM的目的是解决机器人在未知环境中对环境的描述以及机器人的定位问题。室内场景是机器人应用的一个最重要的场所,研究室内环境的SLAM问题具有重要的理论价值和实际意义。针对目前的SLAM方法依然存在的实时性以及环境表示形式等问题,本文结合Kinect传感器,设计了基于三维点云数据的面向室内环境的SLAM算法,主要工作包括以下三方面。 1.针对室内环境的结构特点,提出了使用平面作为特征的匹配方法。首先根据Kinect扫描点的法向量特征对扫描点进行聚类,然后使用RANSAC算法在每类扫描点中拟合平面,完成从3D点云数据中抽取平面的任务。 2.使用平面的颜色统计信息以及不同平面间的几何关系作为特征来完成平面的匹配。针对不同的平面匹配结果(1对、2对或更多),分别给出变换矩阵的计算方法。 3.为适应不同的任务需求创建了不同类型的环境地图,特别是为闭环检测任务创建了将抽取到的平面作为拓扑点,将平面几何特征作为拓扑点特征的拓扑和特征混合地图,并给出了使用拓扑和特征混合地图进行闭环检测的方法,并使用索引树重新组织地图结构,保证了闭环检测的实时性。 通过实验证明了本文使用平面作为环境特征进行建图的有效性以及准确性,验证了使用拓扑和特征混合地图进行闭环检测的快速性及有效性。整个系统的运行速度达到每秒3帧,能够满足一般建图应用的实时性要求。