论文部分内容阅读
随着人口红利的降低,服务机器人在近几年得到了广泛的关注,由于其工作环境常为非结构化环境,SLAM(Simultaneous Localization And Mapping,同步定位与地图构建)技术对于机器人来说则显得尤为重要。早期SLAM的应用中主要采用激光雷达作为环境感知传感器,而随着计算机视觉领域研究的深入,学者将视觉传感器作为数据来源,并利用SFM(Structure From Motion,运动恢复结构)问题的解决方法求解SLAM问题。这不仅带来了观测数据关联的解决途径,使得系统能够进行回环检测及重定位,也降低了机器人SLAM技术应用的成本,推动了SLAM技术的应用。本文的研究工作主要包含以下四个方面:(1)对视觉SLAM的各组成模块进行了研究。对比了激光雷达与深度相机性能参数,在前端部分主要对利用图像局部特征的特征点法进行了研究,并进行了orb特征点提取与匹配实验,研究了RANSAC算法在基础矩阵优化过程中的应用。后端方面对比了滤波器方法与经常在SFM问题中应用的非线性优化算法—Bundle Adjustment。研究了回环检测中常用的词袋方法。(2)针对现有SLAM方案实验中均利用PC作为中位机这一问题,搭建了以嵌入式开发板Jetson TX1作为中位机的SLAM实验机器人,通过远程登录操控机器人获取数据信息,更面向真实应用环境。硬件方面对Jetson tx1所支持的并行计算编程模型CUDA进行了研究,软件方面对ROS平台的优越性、通信机制、以及ROS中在SLAM实验中需要用的工具进行了研究。最后经过实验验证,搭建的SLAM实验平台能够较好的完成机器人同步定位及建图任务。在数据处理速度上也能满足每秒大于5帧的实时性要求。(3)对深度相机的标定进行了研究。对比了在基于深度摄像头的SLAM应用中利用Kinect2相机的优越性,即本次标定实验的对象;根据相机成像模型研究了标定原理,得出了相机内外参的求解过程;最后,对Kinect2深度相机进行标定,获取了深度相机的内外参,并经过分析验证了所得参数的正确性。(4)利用Kinect2进行了二维、三维机器人同步定位及建图实验。分析了gmapping、ORB SLAM2、RTAB MAP三种SLAM方案的输入输出、信息处理流程、环境配置过程及方案的创新点,并对利用移动试验平台运行方案中遇到的问题进行了分析,最后,对三种SLAM方案的进行了对比,分析了三种方案的优势与局限。