论文部分内容阅读
同时定位与地图构建又称为SLAM,是移动机器人自主导航、增强现实、虚拟现实等热门领域中的核心技术。SLAM要解决的技术问题是如何并行地计算确定运动物体的姿态和构建周围环境地图信息。摄像头获取信息丰富,在学术界和工业界被广泛深入地研究和采用。在单目视觉SLAM中,主要存在特征点的匹配精度普遍不高,关键帧选取计算方法不准确,前后端优化算法误差较大,整体算法不能满足实时性要求的问题。本文将主要研究SLAM运行过程中特征点和关键帧的选取方法,改进前后端优化算法以及解决SLAM实时性的问题。研究这些关键步骤对提升SLAM的定位精度具有重大的理论指导意义,是SLAM精确性和实时性的重要保证。本文的主要研究内容如下:(1)在前端方案设计中研究了主流特征点的提取步骤、特性、匹配原理;论述了位姿空间点估计方法、单目相机初始化方法;采用一种关键帧的选择策略,保证了图像帧内容的丰富性和有效性,降低了计算量,同时也保证了不会在SLAM过程中跟踪失败;采用基于ORB词袋模型的回环检测方法,快速帮助确定了回环出现的位置,避免了由于累积误差带来的错误估计,极大地提高了SLAM的定位建图精度;最后给出了单目视觉SLAM前端整体设计方案。(2)在后端优化步骤中首先介绍了两种不同的优化思路,确定了总体优化方法。比较了两种主要的求解方法,然后在g2o库中采用阻尼牛顿法进行局部,全局,回环三种优化结合的方式进行位姿和空间点优化。(3)分别从光照强度、图像旋转、图像模糊、尺度变化、图像弱纹理因素等多个方面进行了特征点提取匹配影响实验,实验结果表明ORB特征点具有优良的匹配性能。对时间域空间域和图像内容法的关键帧提取方法进行了实验研究,显示出基于图像内容的选择方法具有优异的表现效果,并利用一元二次方程加噪声的方法模拟SLAM在运行的过程中受到的干扰,表明了列文-马夸尔特法具有更准确的优化结果。(4)对定位精度进行了实验研究,实验表明相机的绝对轨迹误差和相对位姿误差的平移量误差均方根最大值为0.20336m,相对位姿误差中旋转误差均方根最大值3.4054deg,均远小于对应的平移总量和旋转总量,结果表明本文SLAM算法基本可以恢复相机的实际轨迹。(5)最后提出了一种基于无线网络下的SLAM方法,经过实验验证,实现了在嵌入式设备上进行定位建图的功能,提高了运算速度,增强了实时性,解决了移动设备计算能力不足的问题。图[58]表[13]参[51]