论文部分内容阅读
随着移动机器人技术的快速发展,在复杂环境下进行机器人同时定位与建图已成为移动机器人研究的一个重要领域。对于机器人自主定位与建图核心问题是,快速、准确的判断出机器人当前位置位于已访问过区域。因此,为了使机器人能够准确判断出当前位于已访问过区域,克服现有视觉匹配方法受环境影响严重等问题,本文在综合分析现有的较成熟定位方法基础上,通过将深度图像与SLAM闭环检测相结合的思想,提出了基于RGB-D图像的机器人室内闭环检测方法,并重点研究了以下几个方面。首先,基于RGB-D信息的场景前端区域提取算法研究。深度信息直接反映场景中各个物体的距离信息,通过不同的距离信息,同步提取出场景中主要物体的深度和彩色信息,实现场景的前端提前。其次,研究轮廓提取及优化方法,并对轮廓进行匹配。由于数据集中包含大量的场景信息,难以实现实时匹配,并且提取的前端深度信息包含物体的主要形状,所以提取场景的轮廓信息并匹配。研究当前存在的主要轮廓提取方法,并且利用RGB-D信息优势,提高轮廓提取的精确度,增加匹配的准确性。通过混合深度和彩色图像的轮廓,实现轮廓的优化,并匹配优化的轮廓。再次,提出一种基于RGB-D信息的闭环检测方法。首先对图像特征提取算法进行研究,改进PCA-SIFT算法。并研究基于视觉的闭环检测算法,将提取的特征描述符形成视觉字典,并通过改进的视觉字典计算出场景间的相似度,找出相同场景的子序列,从而实现闭环检测。最后,通过实验验证本文提出的闭环检测方法的可行性和有效性,并分析实验结果。