论文部分内容阅读
随着移动机器人等智能应用在人们日常生活中的普及,移动机器人的智能化水平也随之不断提升。实现快速、精准的定位是目前智能移动机器人研究的关键技术之一。移动机器人在室外可以采用GPS系统来较准确地进行自身定位,而在室内或未知环境下,移动机器人只能通过自身携带的传感器进行同步定位来实时建图,即SLAM(Simultaneous Location And Mapping)。目前RGB-D深度相机可以直接获取像素的深度信息,简化了繁杂的深度值计算过程,因此基于RGB-D的室内三维SLAM的研究是国内外的研究热点。本文应用RGB-D深度相机提出了一种新型ORB关键帧的稠密SLAM系统,分别对刚性运动变换、视觉里程计、关键帧选取策略、位姿图构建、场景识别与回环检测、后端图优化和地图创建等模块进行了算法优化和改进实验。本课题来源于中国安防研究院深圳智能机器人研究中心与香港中文大学联合项目——“3D Mapping with an RGB-D Camera项目”,本文的主要工作如下:1、针对深度相机在非有效距离下获取的深度信息值误差大和不确定性等问题,提出了基于双边滤波的预处理方法,减少相机模型带来的误差影响;2、提出一种融合的运动估计方法,在ORB-SLAM2(Oriented FAST and Rotated BRIEF-SLAM2)跟踪线程中,改用基于像素的直接法进行运动跟踪,避免了原特征点法提取特征的耗时缺陷,优化关键帧的选取策略,对关键帧进行特征提取;3、提出一种动态的深度信息绑定方法(Random Sample Consensus-Iterative Closest Point,RANSAC-ICP),动态地利用有效深度信息的权值来参与构建RANSAC最优模型,剔除样本数据点中不符合的离群外点,最后将RANSAC的粗匹配结果进行ICP精匹配运动估计,求解出移动机器人刚性变换的变换矩阵;4、在ORB-SLAM2构建的稀疏地图基础上,本文实现了稠密地图的创建,生成了环境一致的稠密点云地图,并实现了易于存储和维护的八叉树地图创建,为后续的导航和路径规划提供了必要的前提条件。试验结果表明了本文提出的方案具有以下优点:优化算法跟踪性能良好,运动估计精确,能生成全局一致的轨迹地图;系统可以在实时环境下运行,视觉里程计时间大大减少;算法鲁棒性好;能正确检测回环,生成易维护和可更新的八叉树地图。