论文部分内容阅读
核辐射场景中充满放射性粒子,不仅人类无法直接操作甚至相机等多种传感器也会受到影响。图像处理的发展已经越来越成熟,能够从时域和频域去除图像采集的噪声,但无法将环境信息进行整合。SLAM作为一种机器人在未知环境中进行自身定位并建造增量式地图,实现机器人的自主导航与定位的方法,广泛应用于物流和服务等行业,相机作为主要传感器的视觉SLAM建图技术日趋成熟。本文将图像处理和视觉SLAM技术与传统的移动机器人技术相结合,利用视觉检测技术实现核环境中移动机器人重定位。本文首先介绍了核辐射环境图像去噪与SLAM的最新进展,阐述单目相机成像的基本原理,分析并解决了相机的畸变。针对核辐射环境下SLAM系统的受环境的影响,提出了包含图像预处理、SLAM建图以及全局重定位的整套算法。最后,提出了目前视觉SLAM识别方法中存在的一些不足与难点问题。图像处理上,首先分析图像噪声与核辐射噪声的成因;其次从时域和频域滤波上介绍了自适应滤波、中值滤波和小波变换去噪等滤波方法并进行运算速度与精度的对比,最后提出了新的基于RGB三通道的直方图滤波算法,实现了核辐射噪声的基本消除。SLAM建图方面,首先基于传统的ORB-SLAM提出了包含特征法与直接法的新的视觉里程计;接着使用关键帧法来完成全局地图的构建;使用字典和词袋模型实现闭环检测;最后的非线性优化中基于传统BA法提出了新的增量BA法来优化相机位姿和特征点空间位置。在全局重定位上,使用Pn P方法对当前获取的特征点与词袋特征点匹配结果进行优化估计,实现核辐射环境中机器人重定位。通过实验与测试,本文提出的整套算法能够有效地在数据集和核辐射环境中实现全局重定位的效果。在数据集验证中,全局地图构建均方根误差最低能够达到0.0070m,重定位误差最低为0.0039m,满足实时性且速度最高达到65帧,实验结果表面本文方法具有一定的工程应用价值。