论文部分内容阅读
本文以微软公司的3D体感摄像机Kinect作为环境感知传感器,对移动机器人同时定位与地图构建(Simultaneous localization and mapping, SLAM)展开理论与实验研究。论文主要完成了以下工作：(1)对摄像机的模型、坐标系的转换、Kinect的硬件结构与功能进行了详细阐述；介绍了机器人获取环境目标深度的三种方法双目视差法、飞行时间法(ToF)与Kinect方法；介绍了Kinect开发平台OpenNI的数据采集流程,并通过OpenNI相关组件获取Kinect的深度图像与RGB图像。(2)采用张正友摄像机标定法,通过MATLAB toolbox_calib工具箱对Kinect进行了标定实验,获得了Kinect的内部参数与外部参数,并对实验过程进行了分析和改进,根据Kinect标定的外部参数,对深度图像与RGB图像进行配准实验。(3)对Kinect噪声源进行了分析,因Kinect深度图像受传感器自身、测量环境、物体特性的影响,对Kinect深度图像进行了均值滤波、中值滤波、高斯滤波理论与实验研究；引入了基于Kinect深度图像的滤波算法——双边滤波；双边滤波较好地平滑了噪声并保护了Kinect深度图像的边缘,但其运行效率较低,利用快速高斯估计法对双边滤波进行了加速优化。(4)对Kinect的RGB图像分别进行了FAST角点、Harris角点、SURF特征提取实验,并比较了三种方法的性能。介绍了特征匹配与区域匹配方法,提出了结合特征匹配与区域匹配的算法——基于SURF特征的SSD(平方差和)匹配,并引入RANSAC算法对误匹配进行剔除。(5)本文对基于扩展卡尔曼滤波(Extended Kalman Filter, EKF)的SLAM问题展开相关研究；构建了EKF-SLAM系统模型,进行了EKF-SLAM仿真实验。通过Kinect采集RGB数据流与深度数据流,进行了基于Kinect的EKF-SLAM相关研究,把EKF-SLAM仿真实验扩展为三维模式,完成了摄像机的定位与特征地图的构建。