论文部分内容阅读
室内移动机器人在未知环境下自主完成任务时,需具备自我定位和环境地图构建能力(SLAM,simultaneous localization and mapping),本文在考虑多种传感器特点和图像特征特性的基础上,设计了一种单目视觉定位与地图构建算法并在嵌入式平台实现。论文主要工作如下:1.现有SLAM方法在图像处理部分常采用点特征,该方法在图像模糊等情况下定位精度较低。而使用线特征的SLAM方法,提高了系统在复杂环境下的鲁棒性,但耗时较高。故本文设计并实现了一种融合点特征和线特征的SLAM算法来权衡系统精度与耗时。同时,对特征提取算法和数据关联方法进行改进来提升参与位姿计算的数据质量。点特征提取方面,对图像划分区域分别处理,以获得分布均匀的特征;并在FAST提取算法基础上引入Shi-Tomasi得分值来提升角点质量;线特征提取方面,对LSD算法进行改进以剔除质量较差的线特征;数据关联方面,本文在帧与地图数据关联阶段采取网格匹配法以实现较优匹配,并对线特征的匹配方法进行设计。2.针对单目相机无法获得环境绝对尺度信息的缺陷,以及室内复杂场景下视觉定位失效的问题,本文设计并实现了一种融合了轮式里程计信息的单目视觉定位系统。里程计信息的融合主要体现在:1)初始化阶段,用于确定场景尺度信息;2)数据关联阶段,为图像特征在下一帧所处位置提供预测信息;3)针对前端位姿估计存在误差的问题,构建了视觉和轮式里程计信息融合的后端位姿图优化;4)在视觉定位失效时,为了保证定位系统的完整性和连续性,根据轮式里程计数据继续定位和重定位。3.在PC平台基于Pangolin库对机器人位姿轨迹和特征地图进行界面显示。通过多组公开数据集的仿真实验,验证了本文算法的准确性和有效性。将本文算法应用于主频1.2GHz、四核处理器的嵌入式机器人平台,进行多组实验,得到本文算法定位均方误差(RMSE)约为7cm,处理时间约为90ms/帧,结果表明本文算法满足室内移动机器人定位精度与时间要求。