基于圖像特征點的移動機器人立體視覺SLAM研究.pdf

1、移動機器人的同時定位與地圖創(chuàng)建(Simultaneous Localization and Mapping, SLAM)問題是整個移動機器人自主導(dǎo)航的基礎(chǔ)，也是其真正實現(xiàn)自主化和智能化的最重要條件之一。所謂SLAM就是將移動機器人定位與環(huán)境地圖創(chuàng)建融為一體，即機器人在運動過程中根據(jù)自身位姿估計和傳感器對環(huán)境的感知構(gòu)建增量式環(huán)境地圖，同時利用該地圖實現(xiàn)自身的定位。
　　本文針對室內(nèi)未知環(huán)境下基于圖像特征點的移動機器人立體視覺SLAM

2、進行研究。移動機器人在場景中運動，不需要任何先驗知識，利用雙目立體視覺來感知周圍環(huán)境信息。并提取穩(wěn)定的圖像特征點來表征3D空間實際物理點，以此作為自然路標，來構(gòu)建環(huán)境的幾何地圖，同時通過與當(dāng)前時刻之前所創(chuàng)建的環(huán)境地圖（自然路標庫）中的路標進行匹配，估計機器人當(dāng)前位姿并更新自然路標庫，從而實現(xiàn)移動機器人的SLAM過程。本文著重于以下內(nèi)容展開研究：圖像局部不變特征的提取算法、基于圖像特征點的全局定位方法和環(huán)境地圖表示方法。
　　為了表

3、征環(huán)境中典型的特征信息，本文首先針對圖像局部不變特征的提取算法進行研究。而興趣點作為圖像的一種重要局部特征，保留了圖像場景中的重要特征信息并同時有效地減少了信息的數(shù)據(jù)量而且具有旋轉(zhuǎn)不變性，幾乎不受光照條件的影響。針對此，本文提出了基于圖像二階多項擴展式局部方向張量的興趣點檢測PLOT(Polynomial Local Orientation Tensor)算子，能夠從場景圖像中提取尺度、旋轉(zhuǎn)、明亮、仿射等局部不變的興趣點，來表征機器人當(dāng)

4、前所在環(huán)境的典型局部特征。利用PLOT算子提取圖像局部特征不變興趣點，獲得相應(yīng)的位置和尺度等特征，為了區(qū)分這些不變的興趣點，本文利用SIFT描述符對其進行特征描述。最后通過召回率與準確率圖比較了目前典型的特征提取算子，可知PLOT算子對于各種圖像變換表現(xiàn)更穩(wěn)定。
　　移動機器人SLAM問題同時包括機器人的全局定位和環(huán)境地圖創(chuàng)建兩部分，兩部分是密切相聯(lián)且又相互影響的。移動機器人的全局定位依賴于所創(chuàng)建的環(huán)境地圖。而基于圖像特征點的機器

5、人定位過程就是指將當(dāng)前幀圖像PLOT特征匹配點與路標庫中PLOT自然路標對應(yīng)匹配，獲得滿足一定約束條件的模型參數(shù)，最終得到機器人位姿的最佳估計。本文提出了擴展隨機抽樣一致性算法來估計機器人的準確位姿，即把機器人的全局定位看作模型參數(shù)估計問題，獲得機器人在運動平面中的位置和方向角參數(shù)。
　　把獲得的圖像PLOT特征匹配點當(dāng)作環(huán)境自然路標，提出了基于圖像坐標點PLOT特征及對應(yīng)空間3D坐標等信息來創(chuàng)建環(huán)境的幾何特征地圖。左右攝像機特征

6、點匹配之后，可以獲得每一匹配點的特征信息，包括：全局3D坐標、特征尺度、特征方向和描述符等。把觀測到的特征點當(dāng)作環(huán)境自然路標，并建立自然路標數(shù)據(jù)庫來記錄所獲得的路標點。而機器人在環(huán)境中運動，不斷地獲得圖像PLOT特征匹配點，故在每幀時刻需要維護更新自然路標數(shù)據(jù)庫，包括：增加自然路標、記錄自然路標出現(xiàn)的次數(shù)、去除自然路標等，來適合機器人的動態(tài)工作環(huán)境。
　　針對基于圖像特征點的移動機器人立體視覺SLAM，為了驗證本文算法的有效性和準