RGB-D SLAM定位与GPU三维建图：实时与精度优化方法研究

本篇硕士学位论文深入探讨了"基于RGB-D的SLAM定位与GPU三维建图方法研究"。SLAM（Simultaneous Localization and Mapping，同时定位与建图）是一种关键技术，用于机器人导航和自主系统，它能够在无需预先布设标记物的情况下，实时地估计自身位置并与环境建立精确的地图。传统的SLAM依赖于特定的传感器，如激光雷达或视觉传感器，但这些方法在处理大量图像数据和三维建模时往往面临计算资源消耗大、实时性和准确性难以兼顾的问题。 论文首先介绍了研究的背景，指出基于视觉的SLAM系统具有灵活性和适应复杂环境的优势，但其高计算需求限制了实时性能。针对这一挑战，作者提出了一种创新的方法，利用RGB-D（即红绿蓝深度）摄像头，这种设备同时提供颜色和深度信息，有助于更准确地处理和理解环境。 论文的核心部分分为两个主要部分：一是基于ORB特征的视觉里程计设计，通过提取RGB-D图像中的特征点，采用FLANN算法进行匹配，并结合距离筛选和RANSAC算法进行有效匹配，最终通过PNP（Perspective-n-Point）算法计算相机的姿态。这种方法使得系统能够实时处理图像序列，获取相机的精确位置。 第二部分聚焦于GPU加速的三维建图，通过构建拓扑图来记录相机的运动轨迹，利用闭环检测减少累积误差，同时通过关键帧的选择策略减少点云噪声。通过GPU的并行计算能力，优化了点云之间的坐标转换过程，将点云转化为八叉树地图，这是一种空间数据结构，能有效地压缩存储空间，提高地图构建的效率。 该论文结合RGB-D技术、特征匹配、GPU优化以及空间数据结构，旨在解决视觉SLAM在实时性和准确性之间的平衡问题，对于实际应用中的机器人导航和自主系统具有重要的理论和实践价值。通过这项研究，作者王振龙在周宽久教授的指导下，为解决复杂的环境导航问题提供了新的解决方案，并于2018年3月25日在大连理工大学完成了这一研究。