论文部分内容阅读
同时定位与建图(Simultaneous Localization and Mapping,SLAM)技术是移动机器人实现自主导航的先决条件和核心技术之一。基于多传感器融合的解决方案一直是提高SLAM精度和鲁棒性的研究热点,其中单目视觉惯导融合的SLAM系统近些年来备受关注。单目视觉传感器拥有价格低,分辨率高,不存在累计误差等优势,但是当遇到弱纹理环境、遮挡、快速运动等情况无法实现定位,且单目视觉缺少绝对尺度信息。惯性测量单元(Inertial Measurement Unit,IMU)拥有短时间定位准确的优势,但是无法进行长时间定位。二者的融合可以取长补短,构建更精确、可靠的SLAM系统。本文主要对单目视觉惯导融合的SLAM相关算法进行研究。主要工作包括:(1)研究基于松耦合的单目视觉惯导SLAM的联合初始化阶段。首先探究适合本文的视觉前端特征点提取和跟踪算法,针对跟踪过程出现的异值点,采用随机采样一致算法剔除。其次,研究并推导IMU预积分算法,获取当前时刻的位姿估计及后端优化所需要的状态量。最后提出融合IMU的基于模型选择初始化算法,使系统可以根据不同场景自动选择合适的模型来完成联合初始化,得到系统的初始值,提高了初始化阶段的鲁棒性。(2)研究了SLAM系统的主动故障检测和恢复模块。首先在完成联合初始化得到系统初始值的基础上,构建了基于紧耦合的单目视觉惯导融合优化模型。然后采用基于词袋模型的回环检测算法和全局优化算法,减少系统的累计误差,得到全局一致的轨迹估计。最后,针对在特殊环境下,SLAM系统容易发生故障的问题,提出了一种主动故障检测和系统恢复模块,该模块可以自动检测系统故障,并恢复到系统初始化阶段,建立一个新的独立位姿图,使系统重新正常运行,提高了系统的实用性。(3)搭建了验证本文SLAM算法所需要的实验平台,首先对IMU和相机进行标定实验,获取传感器的参数。然后在Euroc公开数据集和真实场景中对本文所提出的SLAM算法进行实验验证。实验结果表明基于本文所提出的单目视觉惯导融合的SLAM算法构建的系统,具有较好的精度,鲁棒性和实用性。