论文部分内容阅读
矿井巷道、隧道和地铁通道等狭闭空间,容易聚集有毒有害气体、积水和落石等,危害人员安全和正常的生产生活,需要进行日常巡检。其中人工巡检存在效率低且主观性强,危险因素判断依赖于经验,缺乏科学、客观且准确的判定依据等局限性,已不能满足数字化社会生产和发展需求,需要研发自主机器人平台代替人类完成相关工作,这对安全生产和人员安全,以及智能生产和数字化社会具有重要意义。本文采用同时定位与地图构建(Simultaneous Localization and Mapping,SLAM)算法和视觉导航算法,基于ORB-SLAM2框架,融合视觉与惯性测量单元(Inertial Measurement Unit,IMU)传感器,完成了以下工作:(1)对比确定适用于狭闭空间环境的特征检测算法特征检测算法多用于特征丰富的室内和常见的开阔室外场景,在实际狭闭空间中,特征检测算法表现存在不确定性。针对狭闭空间具体环境,研究包括SIFT、BRIEF、Shi-Tomasi等多种特征检测与描述提取算法,结合实验从特征检测数量、耗时、算法鲁棒性等多方面对比分析,确定最适合狭闭空间环境的特征检测算法。(2)改进特征误匹配剔除算法正确的特征匹配是视觉SLAM中估计相机位姿的关键。针对现有特征误匹配剔除算法随机采样一致性(Random Sampling Consensus,RANSAC)在效率、精度和存在退化等方面的不足,研究并改进为渐进一致采样算法(Progressive Sample Consensus,PROSAC),分别基于仿真数据和真实数据的实验验证了改进为PROSAC算法的可行性和有效性。(3)融合视觉与惯导的SLAM系统实现针对纯视觉ORB-SLAM2系统缺失尺度信息,以及无法应对相机快速运动的情况,研究IMU预积分、多传感器标定和融合等理论,基于ORB-SLAM2框架,通过松耦合框架在初始化阶段融合视觉与惯性单元数据实现尺度系数、IMU偏移等初始化参数标定;通过紧耦合框架将视觉与IMU数据融合估计系统状态,并构建融合视觉与IMU的硬件系统,分别在公开数据集和狭闭空间数据集上进行实验,验证了融合视觉与惯导的SLAM系统的精度和鲁棒性。(4)狭闭空间下视觉导航方法研究结合具体狭闭空间环境,研究图像分割算法及其特点,提取狭闭空间环境图像中的结构化信息,提出视觉导航方法,解算无人机相对狭闭空间的偏航角度,为飞行控制器提供姿态反馈。结合实验验证了该视觉导航方法的可行性。本文方法能够在狭闭空间环境内实现定位与地图构建,对运动轨迹和地图恢复尺度信息,并为无人机平台提供姿态反馈。通过视觉与惯性单元的融合,提高了定位精度和鲁棒性。论文有图79幅,表9个,参考文献92篇。