论文部分内容阅读
同步定位与地图构建(Simultaneous Localization And Mapping,SLAM)是移动机器人实现自主导航的关键技术,同时视觉SLAM由于能够采集到丰富的场景信息和低廉的价格而受到研究者的青睐。一直以来,视觉SLAM技术都依赖于场景中的点特征,忽略了结构化环境中存在着丰富的线特征。本文利用Kinect相机构建基于点线特征的RGB-D SLAM系统,目的在于提高移动机器人的定位精度和建图精度,主要研究内容如下:首先,设计了基于Kinect相机的RGB-D SLAM系统框架,将系统分为前端位姿估计和后端位姿优化两部分。利用张正友法对Kinect相机进行标定实验,根据标定结果对彩色摄像头和红外摄像头进行配准。分析Kinect相机深度图像的噪声来源,采用双边滤波算法进行图像降噪处理。然后,对基于点线特征的位姿估计算法进行研究。提取图像中的ORB点特征和LSD线特征,并计算特征的二进制描述子。通过改进RANSAC算法来提高误匹配剔除的准确率和速度。根据相邻帧匹配对关系推导出点线特征的重投影误差模型和雅克比矩阵的解析形式。其次,对基于点线特征的位姿优化算法进行研究。提出一种关键帧的选择方法,能够实时维护局部地图,通过构建局部地图的图模型来优化相机的位姿。对关键帧进行回环检测,在回环帧处构建位姿图优化模型得到全局一致的运动轨迹,同时重建环境的三维点云地图和八叉树地图。最后,利用Kinect相机搭建基于点线特征的RGB-D SLAM系统。在TUM数据集下进行多组对比实验,验证了本文提出的算法能够提高系统的定位精度和满足实时性要求。同时在室内现场环境下进行实验分析,验证了本文搭建的系统具有良好的地图重建精度。