论文部分内容阅读
视觉SLAM（同步定位与构图，Simultaneous Localization and Mapping）是移动机器人导航领域的热点。机器人在执行SLAM、定位导航等任务时，将面临大量的数据处理和计算任务，对存储和计算资源有较高的需求，与机载硬件的有限资源形成了矛盾。本文借助云计算在计算能力和资源共享方面的优势，将机器人与云计算相结合，研究基于视觉SLAM的导航实现，具有很强的新颖性和较高的科学价值。
在室内未知环境的三维地图重构过程中，本文采用了基于ORB特征的视觉SLAM算法，经过传感器信息读取、视觉里程计、后端优化、回环检测、图优化等步骤，实现了室内点云地图的构建，构图精度约0.01m。由于点云地图无法直接用于机器人导航，在通过ORB SLAM完成室内环境的点云地图生成后，通过Octomap转化为导航所能使用的地图。
在全局路径规划算法的设计中，本文对基于随机采样的单查询规划算法(快速扩展随机树算法，RRT)进行改进，将基于启发式A*算法中的路径代价函数引入RRT算法中，对随机节点生成函数和步长调整函数进行改进，使得算法可以朝着目标点方向扩展搜索路径。通过仿真实验，证明了本文所提算法的有效性和稳定性。在定位算法方面，通过ORB SLAM的关键帧技术对应的场景回环检测中的词袋匹配，实现了移动机器人在室内环境下的重定位。
对于云机器人系统的构建，本文采用了层次化的架构，将其划分为机器人端、云端、用户端等三个层次进行设计。在机器人端，采用Kinect RGB-D传感器，Turtlebot2底盘和低成本的嵌入式主板构建机器人硬件系统。在私有云平台创建的虚拟机实例，构建了云端服务程序，依托机器人操作系统(ROS)和Django Web框架，采用B/S结构实现了云端和机器人端的系统架构及面向用户的Web设计。在用户端，通过Rosbridge协议和JavaScript脚本将机器人的导航、视频流数据、机器人状态等发布到Web浏览器。根据云计算共享的理念，将机器人资源以服务的形式提供给用户，提供更经济友好的人机交互方式。为了验证本文云机器人平台的远程操控、建图和自主导航性能，在典型的实验室环境开展了实验测试，验证了本文云机器人导航的有效性。
最后，总结了本文所开展的研究工作，并对未来的研究内容进行了展望。
在室内未知环境的三维地图重构过程中，本文采用了基于ORB特征的视觉SLAM算法，经过传感器信息读取、视觉里程计、后端优化、回环检测、图优化等步骤，实现了室内点云地图的构建，构图精度约0.01m。由于点云地图无法直接用于机器人导航，在通过ORB SLAM完成室内环境的点云地图生成后，通过Octomap转化为导航所能使用的地图。
在全局路径规划算法的设计中，本文对基于随机采样的单查询规划算法(快速扩展随机树算法，RRT)进行改进，将基于启发式A*算法中的路径代价函数引入RRT算法中，对随机节点生成函数和步长调整函数进行改进，使得算法可以朝着目标点方向扩展搜索路径。通过仿真实验，证明了本文所提算法的有效性和稳定性。在定位算法方面，通过ORB SLAM的关键帧技术对应的场景回环检测中的词袋匹配，实现了移动机器人在室内环境下的重定位。
对于云机器人系统的构建，本文采用了层次化的架构，将其划分为机器人端、云端、用户端等三个层次进行设计。在机器人端，采用Kinect RGB-D传感器，Turtlebot2底盘和低成本的嵌入式主板构建机器人硬件系统。在私有云平台创建的虚拟机实例，构建了云端服务程序，依托机器人操作系统(ROS)和Django Web框架，采用B/S结构实现了云端和机器人端的系统架构及面向用户的Web设计。在用户端，通过Rosbridge协议和JavaScript脚本将机器人的导航、视频流数据、机器人状态等发布到Web浏览器。根据云计算共享的理念，将机器人资源以服务的形式提供给用户，提供更经济友好的人机交互方式。为了验证本文云机器人平台的远程操控、建图和自主导航性能，在典型的实验室环境开展了实验测试，验证了本文云机器人导航的有效性。
最后，总结了本文所开展的研究工作，并对未来的研究内容进行了展望。