论文部分内容阅读
移动机器人定位技术是机器人实现智能化、自主化工作的基础和前提。近年来，移动机器人的自主定位问题正受到越来越多的研究与关注。在众多机器人定位方法中，视觉定位和惯性导航定位方法由于其自主性、轻便性、低成本等特点已经成为机器人自主定位方法的主流，尤其是在GPS无法覆盖的区域、如室内环境、深空探测、森林救援等。
针对基于立体视觉和惯导的机器人定位问题，本文首先分别进行了基于立体视觉的定位方法和基于惯性导航的定姿定位方法研究；然后研究了立体视觉与惯导融合定位方法，在传统扩展卡尔曼滤波方法的基础上加以改进，提高了定位精度；最后研究了基于递增式光束法平差的立体视觉定位方法，该方法充分利用了多帧之间的共同观测，提高了立体视觉算法的鲁棒性与精度，同时能够达到10Hz实时定位的速度。具体的研究成果列举如下：
1)综述了国内外立体视觉定位基于立体视觉和惯导融合定位方法，对比了主流算法的优缺点，在此基础上确定了本文的研究内容，完成了视觉与惯导融合定位的算法框架搭建。
2)针对机器人视觉定位中的误匹配去除问题，提出了一种基于随机抽样一致性(Random Sample Consensus，RANSAC)算法和欧氏距离约束的误匹配去除方法，算法经国际权威开源数据集KITTIVisionBenchmarkSuite00数据集实验验证，定位失败次数相比只使用RANSAC去除误匹配的立体视觉定位方法降低50%，定位精度提高30%。
3)针对立体视觉与惯导的融合定位，在传统扩展卡尔曼滤波方法的基础上，提出了一种基于自适应扩展卡尔曼滤波和最小二乘的改进融合算法，进一步提升了联合定位算法精度。本算法经国际权威开源数据集KITTIVisionBenchmarkSuite两组实验验证，实验1均方根误差从95.19m下降到45.89m，实验2均方根误差从11.47m下降至8.12m，定位精度相比传统扩展卡尔曼滤波提高30%以上。
4)为了进一步提高立体视觉定位精度，针对视觉定位中多帧立体像对拥有共同观测的情况，考虑移动机器人定位精度和速度的共同需求，提出了一种基于二次优化的递增式光束法平差方法，增强了视觉定位的精度和鲁棒性，经开源数据集KITTI验证，在3.5km的长距离路径中跟轨迹真实值比较，偏移的均方根误差为19.46m，相对误差4‰。
最后对论文进行了总结展望。
针对基于立体视觉和惯导的机器人定位问题，本文首先分别进行了基于立体视觉的定位方法和基于惯性导航的定姿定位方法研究；然后研究了立体视觉与惯导融合定位方法，在传统扩展卡尔曼滤波方法的基础上加以改进，提高了定位精度；最后研究了基于递增式光束法平差的立体视觉定位方法，该方法充分利用了多帧之间的共同观测，提高了立体视觉算法的鲁棒性与精度，同时能够达到10Hz实时定位的速度。具体的研究成果列举如下：
1)综述了国内外立体视觉定位基于立体视觉和惯导融合定位方法，对比了主流算法的优缺点，在此基础上确定了本文的研究内容，完成了视觉与惯导融合定位的算法框架搭建。
2)针对机器人视觉定位中的误匹配去除问题，提出了一种基于随机抽样一致性(Random Sample Consensus，RANSAC)算法和欧氏距离约束的误匹配去除方法，算法经国际权威开源数据集KITTIVisionBenchmarkSuite00数据集实验验证，定位失败次数相比只使用RANSAC去除误匹配的立体视觉定位方法降低50%，定位精度提高30%。
3)针对立体视觉与惯导的融合定位，在传统扩展卡尔曼滤波方法的基础上，提出了一种基于自适应扩展卡尔曼滤波和最小二乘的改进融合算法，进一步提升了联合定位算法精度。本算法经国际权威开源数据集KITTIVisionBenchmarkSuite两组实验验证，实验1均方根误差从95.19m下降到45.89m，实验2均方根误差从11.47m下降至8.12m，定位精度相比传统扩展卡尔曼滤波提高30%以上。
4)为了进一步提高立体视觉定位精度，针对视觉定位中多帧立体像对拥有共同观测的情况，考虑移动机器人定位精度和速度的共同需求，提出了一种基于二次优化的递增式光束法平差方法，增强了视觉定位的精度和鲁棒性，经开源数据集KITTI验证，在3.5km的长距离路径中跟轨迹真实值比较，偏移的均方根误差为19.46m，相对误差4‰。
最后对论文进行了总结展望。