论文部分内容阅读
移动机器人在未知环境中的定位是机器人研究领域中的关键技术之一,基于传感器信息的同步定位与地图构建(Simultaneous Localization and Mapping,SLAM)作为空间及定位技术的前沿方向,近30年来受到学术界与工业界的广泛关注。早期的SLAM技术主要采用激光传感器或轮速计作为输入。近十年随着廉视觉传感器的普及与CPU/GPU运算能力的大幅提升,基于视觉传感器(相机)的SLAM技术成为该领域的研究热点。相机具有信息丰富、成本低廉,安装方便等优势,在机器人环境感知、路径规划、智能导航和自主控制等领域具有广泛的应用前景。本文提出了一种基于多台单目相机的高精度同步定位与建图方法。在充分拓展单目相机视角的同时,消除其缺乏尺度的本质缺陷。本文方法融合了相机阵列中的多视角观测,采用稀疏视觉特征还原3D地图点,结合多相机外参数在线还原地图尺度,同时利用非线性优化更新局部地图,并在局部地图中估计系统状态。本文方法还实现了基于多相机的重定位与闭环检测功能,是一个完备的视觉SLAM方法。本文主要的研究内容包括:1.提出了一种能够拓展于多台相机的视觉观测模型,并开发了相应的标定算法和光束平差算法。此模型在降低相机间共视区域需求的情况下,可以最大程度拓展单位时间的视觉观测范围,为多相机的准确位姿估计提供了精确计算依据。2.构建了适用多相机模型的修正视觉SLAM算法框架。新框架在初始化时利用外参在线地优化地图绝对尺度,消除了尺度不确定性。在基于关键帧的图优化方案中,提出了多相机关键帧模型,融合多相机的观测模型重新定义了重投影误差方程,并通过实验验证了本文算法在精度与效率上均优于同类最新方法。3.基于本文所提出的数学模型和算法框架,开发了一个完备的视觉SLAM系统。系统分为前端视觉里程模块与后端建图优化模块。前端模块通过特征提取与匹配、单目初始化、多相机联合初始化、视觉跟踪、重定位等功能实现了一个稳定的视觉里程计。后端模块通过地图管理、非线性优化、闭环检测等功能完成了高效率建图与高精度优化。论文通过尺度还原实验验证了所提出数学模型的正确性,通过定位精度与建图效率对比实验验证了算法框架的高精度与实时性,通过闭环实验验证了本文系统在长时间大场景下的鲁棒性。论文在基于多相机的视觉SLAM方面的研究成果,为后续多视角、多传感器融合的SLAM研究提供了理论和技术指导。