欠點(diǎn)特征環(huán)境的視覺(jué)同步定位與制圖研究.pdf

1、機(jī)器人的同步定位與制圖（SLAM，Simultaneous Localization and Mapping）研究是當(dāng)今機(jī)器人領(lǐng)域的一個(gè)重要內(nèi)容。本文側(cè)重于研究基于視覺(jué)的SLAM方法。以RGBD-SLAM算法為代表的圖優(yōu)化SLAM在實(shí)際環(huán)境中使用時(shí)，深度攝像頭常會(huì)遭遇欠點(diǎn)特征條件，即連續(xù)幾幀圖像點(diǎn)特征稀少，這會(huì)直接導(dǎo)致圖像關(guān)鍵幀之間缺乏足夠多的特征匹配對(duì)，不足以用來(lái)對(duì)機(jī)器人或傳感器進(jìn)行運(yùn)動(dòng)估計(jì)，最終導(dǎo)致機(jī)器人位姿圖斷鏈，同步定位與制圖任

2、務(wù)失敗。
　　針對(duì)這類問(wèn)題，本文提出了兩種解決方案：第一種從深度傳感器的局限性出發(fā)，提出了基于雙Kinect的SLAM算法，用于解決欠點(diǎn)特征條件下的RGBD-SLAM問(wèn)題；第二種針對(duì)現(xiàn)有的大部分基于如SIFT、SURF或ORB等圖像點(diǎn)特征視覺(jué)方法的局限性，對(duì)線特征進(jìn)行研究，提出了基于線特征的視覺(jué)SLAM算法。
　　在第一種方案中，本文沿用原RGBD-SLAM算法部分框架，提出了傳感器外參數(shù)標(biāo)定方法、以及基于圖的SLAM與地圖

3、融合算法。此外,通過(guò)分析原始的彩色和深度數(shù)據(jù)的特點(diǎn)，本文提出了面向欠點(diǎn)特征問(wèn)題的第二個(gè)解決方案，即基于線特征的RGB-D視覺(jué)SLAM方法,具體包含圖像線特征提取、結(jié)合深度值的三維線段估計(jì)、三維線特征匹配、相對(duì)運(yùn)動(dòng)估計(jì)、位姿圖優(yōu)化以及地圖構(gòu)建。本文采用馬氏距離（而非歐式距離）的方法衡量一個(gè)三維點(diǎn)到一條三維直線的距離，并用RANSAC算法以及最大似然估計(jì)實(shí)現(xiàn)對(duì)三維線段的參數(shù)估計(jì)，保證了提取出的三維線段的準(zhǔn)確度；在估計(jì)相對(duì)運(yùn)動(dòng)時(shí)，用RANSA

4、C算法隨機(jī)選取基數(shù)為3的最小樣本集，對(duì)該最小樣本集用奇異值分解算法求解出運(yùn)動(dòng)模型參數(shù)的解析解，將解析解作為初始值代入RANSAC算法用于區(qū)分局內(nèi)局外數(shù)據(jù)，并統(tǒng)計(jì)樣本一致集與多次迭代中的最優(yōu)樣本一致集，最后用最優(yōu)一致集優(yōu)化出相對(duì)運(yùn)動(dòng)估計(jì)值。
　　實(shí)驗(yàn)結(jié)果表明，基于雙Kinect的SLAM算法能夠應(yīng)用于實(shí)際環(huán)境中，且比常規(guī)的RGBD-SLAM方法更具有魯棒性；基于直線的視覺(jué)SLAM算法在特征豐富的室內(nèi)環(huán)境下是可行的。基于直線的視覺(jué)SL