论文部分内容阅读
随着科技信息化、智能化程度的提高,各行业对智能移动机器人的需求不断增长,这也为同时定位与地图构建(Simultaneous Localizationand Mapping,SLAM)技术带来了发展的契机。目前,基于激光和各种相机的单机器人SLAM解决方案被广泛应用,通过传感器融合弥补各传感器缺点也是目前研究热点。单机器人SLAM日趋成熟的同时,SLAM研究方向也在向多机器人协作延伸。因此本文对基于激光和视觉融合的多机器人协作建图算法进行研究和实验。本文首先对传感器进行选择和建模,然后根据SLAM框架中的前端、后端、闭环检测进行原理分析与选择。对于使用RGB-D相机的视觉前端,采用ORB(Oriented FAST and Rotated BRIEF)特征提取并进行特征匹配以及相机位姿运动求解。对于使用二维激光的激光前端,采用迭代最近点算法(Iterative Closest Point,ICP)算法实现点对间的匹配。本文的研究重点在于传感器的融合,以及多机器人的协作建图。对于传感器融合的后端,提出建立激光扫描数据与视觉图像数据融合的联合误差函数,对其位姿图进行联合优化,并进行了词袋模型(Bag of Word,BOW)的创建以及关键帧的选择,根据关键帧信息进行地图点更新。最终生成栅格与稀疏点云融合的地图格式,同时也创建了三维稠密点云地图以及八叉树地图作为对比。对于多机器人协作建图,首先设计了一个多机分布式通信结构,用于成员机器人传递包括扫描、图像信息以及位姿信息的关键帧。关键帧信息在地图处理模块被用于地图点更新,以及通过词袋模型匹配法进行相似环境监测。匹配成功后,根据关键帧信息对成员机器人进行相对位姿估计以及地图融合。本文算法的实验部分包括RGB-D相机KinectV2的相机标定,以及单机器人进行实际场景建图实验,得到栅格与稀疏点云融合的地图、三维稠密点云地图以及八叉树地图,并与单机器人激光算法对比。同时对多机器人进行分布式建图,分析建图过程与建图结果。最后与纯激光多机器人算法在全局地图以及绝对轨迹误差上对比,实验结果表明传感器融合后,地图融合效果大致符合预期目标。