论文部分内容阅读
随着煤炭开采深度的增加和开采环境的恶化,每年都会发生各类煤炭开采安全事故。为了提高事故救援的效率和安全性,研究人员研制了救援机器人可进入巷道参与救援行动。由于矿井巷道没有GPS信号,所以救援机器人在井下如何自主行走成为研究难点之一。自主导航和定位是实现机器人智能侦测和救援的关键技术,而巷道三维地图的构建又是自主导航和定位的基础,因此本文将SLAM(simultaneous localization and mapping)相关技术引入到井下巷道三维建图中,构建矿井巷道环境的三维地图,以保障机器人井下应急救援任务的顺利执行。高精度的点云是实现三维地图构建的基础。但是,点云地图的生成会因采集信息传感器的精度和外界噪声等原因造成较大的误差。点云配准的过程也会由于配准算法的精度和场景的增大而造成较大的累计误差。因描述太多细节,点云地图占据了较大的存储空间,且点云间是离散的,没有拓扑结构,以上原因导致点云地图难以满足救援机器人自主导航的需求。针对以上问题,本文采用可同时采集深度和彩色图像信息的RGB-D相机对外界环境信息进行采集,以更准确方便地获取点云信息。为了提高点云配准的精度和实时性,并考虑到巷道环境的特殊性,对比分析了SIFT、SURF、ORB算法在巷道环境的适用性,由实验结果确定采用鲁棒性最好的ORB算法进行特征检测。在剔除特征点误匹配阶段,通过分析RANSAC算法的特点,提出了改进的RANSAC算法进行误匹配剔除,不随机选取生成初始模型的匹配特征点,而是对匹配的特征点进行质量评价,选取质量较高的特征匹配点进行初始模型的生成,提高了初始迭代数据的精确度,有效减少了迭代次数。实验结果验证了改进RANSAC算法的优越性,算法耗时减少的同时提升了特征点误匹配剔除的精确度,提高了初始配准的精度。为进一步提高初始配准后点云的配准精度,需要对点云进行精度配准,来满足三维建图对点云配准的高精度需求。但在ICP算法的点云精度配准实验中发现部分点云精度配准失败。基于此提出了一种依据点云空间位置,融合3DNDT和ICP算法的两步式配准算法。两步式点云配准技术解决了因巷道环境多变导致初始配准误差较大而造成的ICP算法陷入局部最优解的问题,从而解决了ICP算法在模拟矿井环境实验中的问题。针对整个建图过程中的累计误差,引入基于关键帧的局部优化和视觉词袋模型进行位姿优化,获取全局一致性的地图。为了解决点云地图离散问题造成的救援机器人不能自主避障和导航的问题,把生成的点云地图转化为三维八叉树地图,为救援机器人提供地图服务,同时三维八叉树地图减少了对存储空间的需求。