论文部分内容阅读
采摘机器人对实现农业自动化有非常重要的作用，新的智慧农业生产模式促进了相关技术的研究。近年来，采摘机器人的开发主要包括自主移动技术、机械手设计和采摘对象的检测识别。在整个生产和收获过程中，自主移动是采摘机器人最基本、最重要的能力，结合机器视觉的同时定位与建图(Simultaneous Localization and Mapping， SLAM)成为研究热点。为了提高采摘机器人定位和建图的准确性和鲁棒性，本文研究采摘机器人的位姿估计和位姿优化算法，设计基于深度相机的视觉SLAM系统。主要内容如下：
学习视觉SLAM技术的理论框架和基本算法，开展以深度相机作为感知设备的视觉SLAM系统研究。掌握Kinectv1获取彩色图和深度图的原理，基于机器人操作系统(Robot Operating System，ROS)进行开发，完成了采摘机器人模型的建立、可视化与运动控制。
为了解决视觉SLAM前端的采摘机器人位姿估计问题，提出基于四叉树的ORB图像特征算法以及位姿计算方法。以ORB图像检测算法为基础，针对检测中存在的特征点提取不均匀问题，运用四叉树均匀处理对现有方法进行改进，实现提取的特征点能均匀分布于图像的目的，有效促进特征点对的快速匹配和误匹配之间的剔除。通过良好的数据匹配信息，融合随机采样一致性算法的思想，结合EPNP和迭代最近点法求解位姿，获取多次迭代后的最优位姿。使用TUM数据集进行实验，验证了改进算法的有益效果。
针对累积误差造成位姿估计不准确的问题，提出基于视觉SLAM的采摘机器人位姿优化算法，实现全局轨迹的一致性。介绍图优化的基本理论，基于词袋模型进行相似度计算得到回环信息，设计关键帧的选择标准优化数据规模，选取关键帧集合，以待优化位姿变量作为节点，节点间的估计位姿约束和回环约束作为边，使用通用图优化求解器(General graph optimization，g2o)构造并优化位姿图结构实现位姿优化。实验结果表明，优化算法的各项性能指标显著提高，轨迹估计误差减小。
设计视觉SLAM系统的总体框架和算法流程，实现采摘机器人在仿真和实验平台的研究。仿真情况下，利用ROS中的Gazebo插件设计物理仿真环境，通过发布节点的运动控制方式完成采摘机器人模型的移动，验证视觉SLAM系统的可靠性。开展采摘机器人在真实环境的定位和建图实验，并且与RGB-DSLAMv2方法作对比，结果显示出良好的定位和建图效果，说明本文系统的鲁棒性和准确性更高。
学习视觉SLAM技术的理论框架和基本算法，开展以深度相机作为感知设备的视觉SLAM系统研究。掌握Kinectv1获取彩色图和深度图的原理，基于机器人操作系统(Robot Operating System，ROS)进行开发，完成了采摘机器人模型的建立、可视化与运动控制。
为了解决视觉SLAM前端的采摘机器人位姿估计问题，提出基于四叉树的ORB图像特征算法以及位姿计算方法。以ORB图像检测算法为基础，针对检测中存在的特征点提取不均匀问题，运用四叉树均匀处理对现有方法进行改进，实现提取的特征点能均匀分布于图像的目的，有效促进特征点对的快速匹配和误匹配之间的剔除。通过良好的数据匹配信息，融合随机采样一致性算法的思想，结合EPNP和迭代最近点法求解位姿，获取多次迭代后的最优位姿。使用TUM数据集进行实验，验证了改进算法的有益效果。
针对累积误差造成位姿估计不准确的问题，提出基于视觉SLAM的采摘机器人位姿优化算法，实现全局轨迹的一致性。介绍图优化的基本理论，基于词袋模型进行相似度计算得到回环信息，设计关键帧的选择标准优化数据规模，选取关键帧集合，以待优化位姿变量作为节点，节点间的估计位姿约束和回环约束作为边，使用通用图优化求解器(General graph optimization，g2o)构造并优化位姿图结构实现位姿优化。实验结果表明，优化算法的各项性能指标显著提高，轨迹估计误差减小。
设计视觉SLAM系统的总体框架和算法流程，实现采摘机器人在仿真和实验平台的研究。仿真情况下，利用ROS中的Gazebo插件设计物理仿真环境，通过发布节点的运动控制方式完成采摘机器人模型的移动，验证视觉SLAM系统的可靠性。开展采摘机器人在真实环境的定位和建图实验，并且与RGB-DSLAMv2方法作对比，结果显示出良好的定位和建图效果，说明本文系统的鲁棒性和准确性更高。