论文部分内容阅读
移动机器人技术的发展程度与应用水平代表着国家的工业自动化技术的水平高低,对于科学技术和国防等重要方面有着极其重要的战略意义。它同时体现了国家科技文化水平。如果机器人处于一些未知或复杂的地理环境下,实现移动机器人能够完全进行自动导航的关键技术就是同时定位与建图(Simultaneous Localization and Mapping,SLAM)。伴随着计算机硬件水平的快速提高以及计算机视觉的快速发展,视觉SLAM已经成为了 SLAM领域中的主流研究算法,本文重点对融合惯性信息的ORB-SLAM算法进行了深入的研究。主要对以下内容展开研究:(1)首先,对比分析视觉SLAM使用的多种相机传感器,选择深度相机作为视觉SLAM传感器,并对其标定。对ORB-SLAM算法的原理进行研究,主要包括ORB-SLAM的跟踪部分、局部建图和闭环检测。(2)其次,对ORB(Oriented FAST and Rotated BRIEF)特征点进行了深入研究,分析了 ORB特征点存在的不足。提出图像熵与图像金字塔融合算法来解决ORB特征的尺度不变性,使用一种基于图像力场理论的方法对ORB特征点的描述子进行改进,增加ORB特征的稳定性,在特征匹配环节使用PROSAC算法对ORB特征匹配算法进行优化,大幅度提升了 ORB特征匹配算法的精度。(3)然后,通过分析视觉SLAM应对快速运动的位姿估计较差问题,提出了融合惯性信息的ORB-SLAM算法。在该算法中,考虑到IMU(Inertial measurementunit,即视觉惯性测量单元)的数据频率和相机帧率相差过大,使用预积分的方法处理IMU数据,保证IMU数据与相机数据能够进行数据融合;使用基于关键帧的IMU自动初始化方式,来降低IMU自身带来的零偏和误差。(4)最后,采用Inter Corei5-7500处理器和8GB RAM的PC端作为SLAM系统的实验环境进行数据集实验,实验结果验证了融合IMU数据的ORB-SLAM系统在应对快速运动或旋转的情况下效果更好。