论文部分内容阅读
随着老龄化社会的到来，人们对家庭服务机器人的需求越来越大。人们期待家庭服务机器人可以通过人机自然语言交互的方式，实现自主导航并提供取送物品等服务。为了实现上述目标，服务机器人首先需要获得室内环境的三维地图模型，以方便机器人进行路径规划及躲避障碍物。近年来随着视觉传感器技术的发展，一系列RGB-D相机的出现使得室内三维重建技术产生了巨大的进步。然而，如何在机器人移动过程中准确且高效地重建出室内场景的三维模型，仍是一个具有挑战性的问题。本文对此问题进行了一系列的探索和研究，主要工作有: 1.设计了一个基于单台深度相机与机器人位姿传感器的SLAM系统。该系统中，本文首先通过ROS操作系统获取机器人的姿态;然后基于机器人坐标系与相机坐标系的标定关系，将机器人的姿态转换为相机的姿态;接着使用自适应加权融合的算法将基于机器人位姿传感器的相机姿态与基于视觉的相机姿态进行了融合;另外设计了两种机器人运动模式以消除累积误差。多个实验证明了该算法的可行性与鲁棒性。 2.构建了一个基于多台深度相机的稠密SLAM系统。在该系统的预处理阶段，本文提出了两种相机外参数的标定方法:一种为基于手眼标定的方法，另一种为基于视觉SLAM的方法。在多相机SLAM阶段，本文首先从多台相机在同一时刻的姿态中选取一个误差最小的姿态作为参考姿态，使用相机间的外参数与参考姿态确定其余相机的最终姿态;然后本文在构成三维模型的面元上设置了“相机编号”的属性，令不同相机编号的面元进行不同的形变，提高了系统对闭合环路的适应性。同时，大量实验表明了该多相机RGB-D SLAM系统的建模高效性与定位鲁棒性。 3.实现了一个基于移动机器人的室内语义三维重建系统。系统包括以下模块:使用键盘控制机器人的运动进行数据采集;基于一种融合深度图像信息的卷积神经网络进行语义分割;基于一种多传感的RGB-D SLAM算法进行语义三维重建。