基于视觉SLAM的移动机器人闭环检测算法研究

• 作 者: 张丹丹
• 机 构: 燕山大学
• 出 处: 燕山大学
• 发表日期: 2016年期
• 关键词: 移动机器人 闭环检测 BOVW模型 图像相似度 贝叶斯概率计算

机器人的闭环检测问题是机器人在定位、导航时是否需要更新地图的重要依据,但是移动机器人在同步定位与地图创建时,由于视觉传感器自身的累积误差,无法正确的判断是否发生了闭环响应。本文针对目前移动机器人闭环检测算法中存在的关键问题进行研究分析,主要研究内容包括:首先,以课题研究意义及背景为依据,介绍移动机器人视觉场景闭环检测算法,详细分析闭环检测算法的研究现状以及关键的问题,并建立移动机器人视觉成像模型,为后续的移动机器人闭环检测问题的研究提供理论模型。其次,针对模糊图像对特征点提取的影响,利用最大期望算法对图像进行盲去模糊处理,通过最大似然估计将图像恢复到清晰图像,然后使用SIFT算子进行MATLAB仿真实验,证明利用盲去模糊处理的图像提高了图像特征匹配的正确率。再次,针对机器人闭环检测算法中准确率低、耗时长等问题,设计一种基于改进视觉词典的闭环检测算法,提取经过盲去模糊化图像的底层特征,选出优化的特征描述符,并提出基于二次标记法的视觉词典构建算法,将提取到的连续图像特征转换为离散的视觉单词。最后利用场景分类仿真实验,证明改进的算法不仅提高了检测正确率,而且缩短了计算时间。最后,针对朴素贝叶斯算法中似然函数估计观测模型的准确性差、算法冗余、计算时间长等缺陷,设计出改进的贝叶斯算法模型,并与改进的BOVW模型结合,将算法分为训练阶段和测试阶段,实现贝叶斯框架下的图像相似度计算。解决利用传统贝叶斯概率模型中似然估计的不确定性带来的误差问题,通过对比实验,验证改进算法的性能。