视觉SLAM移动机器人闭环检测技术研究

需积分: 0 74 浏览量更新于2024-06-30 1 收藏 2.02MB PDF 举报

"基于视觉SLAM的移动机器人闭环检测研究" 本文是广东工业大学硕士研究生杨孟军的学位论文，主要探讨了基于视觉SLAM（Simultaneous Localization And Mapping，即同时定位与建图）的移动机器人闭环检测技术。该研究旨在解决移动机器人在未知环境中进行探测建图和实时定位导航的问题，这是移动机器人技术中的一个关键挑战。视觉SLAM利用摄像头作为传感器，因为它具有信息丰富、体积小、成本低等优势，特别适合于机器人自主导航。SLAM系统通常包括前端的视觉里程计（Visual Odometry, VO），它通过连续分析相邻图像帧之间的变化来估计机器人的运动，从而实现定位。然而，VO方法存在累积误差问题，随着时间推移，机器人路径中的误差会逐渐增加，导致定位不准确，地图构建也难以达到全局一致性。闭环检测是SLAM算法中的一种重要策略，用于识别机器人是否回到了先前已经访问过的位置。当闭环被成功检测到时，可以显著减少累积误差，更新和校正地图，确保长期定位的精度和地图的准确性。这对于大规模环境下的SLAM算法至关重要，因为大范围探索更容易产生显著的误差积累。论文作者杨孟军在导师苏成悦教授的指导下，研究了如何结合视觉传感器数据，改进闭环检测算法，以提高移动机器人的定位精度和地图构建质量。研究可能涉及特征匹配、误差校正、数据关联以及优化策略等多个方面，以期在实际应用中实现更可靠的移动机器人自主导航。这篇论文深入研究了视觉SLAM中的闭环检测技术，对于提升移动机器人在未知环境中的自主导航性能具有重要意义。通过闭环检测的优化，可以有效减少累积误差，增强SLAM系统的鲁棒性和全局一致性，对于推动移动机器人技术的发展有着积极的贡献。

CONTENTS

VII

CONTENTS

Abstract (Chinese) ................................................................................................................... I

Abstract ................................................................................................................................. III

CONTENTS(Chinese) ........................................................................................................... V

CONTENT ........................................................................................................................... VII

Chapter 1 Introduction .......................................................................................................... 1

1.1 The research background and significance of matter ................................................. 1

1.2 Visual SLAM Overview and Research Status ........................................................... 3

1.2.1 Filter Based Visual SLAM Research Status.................................................... 3

1.2.2 Research Status of Visual SLAM Based on Graph Optimization ................... 3

1.3 Loop closure detection overview and research status ................................................ 4

1.3.1 Research Status Based on Artificial Design Features ..................................... 4

1.3.2 Research Status of loop closure detection Based on Deep Learning .............. 5

1.4 The main content of this article .................................................................................. 5

Chapter 2 The principle introduction of visual slam and loop closure detection ........... 7

2.1 Visual slam principle introduction ............................................................................. 7

2.1.1 Sensor .............................................................................................................. 7

2.1.2 Visual odometer .............................................................................................. 9

2.1.3 Behind end of the SLAM framework ............................................................ 11

2.1.4 The construction of SLAM framework ......................................................... 15

2.2 Mathematical expression of SLAM problem ........................................................... 16

2.2.1 Least Squares ................................................................................................. 18

2.2.2 The solution of Least square ......................................................................... 18

2.3 Chapter summary ..................................................................................................... 19

Chapter 3 Loop closue detection based on artificial design features ............................... 20

3.1 Artificial design feature extraction algorithm classification .................................... 20

3.2 Bag-of-Word ............................................................................................................ 22

3.2.1 Dictionary ...................................................................................................... 23

3.2.2 K-means algorithm ..................................................................................... 23

3.3 Loop closure detection experiment based on Bag-of-Word model .......................... 24

3.3.1 The environment of experiment .................................................................... 24

万方数据

广东工业大学硕士学位论文

VIII

3.3.2 Standard test dataset ...................................................................................... 25

3.3.3 Similarity calculation .................................................................................... 25

3.3.4 Experimental process and results .................................................................. 26

3.4 Chapter summary ..................................................................................................... 27

Chapter 4 Loop closure detection based on convolutional neural network .................... 29

4.1 Experimental model .............................................................................................. 29

4.1.1 vgg16-places365 convolutional neural network structure framework .......... 29

4.1.2 vgg16-places365 convolutional neural network training .............................. 31

4.2 Loop closure detection method for experiment ..................................................... 32

4.3 Experimental results and analysis ......................................................................... 33

4.3.1 Experimental results and analysis ................................................................. 33

4.3.2 Experimental dataset ..................................................................................... 34

4.3.3 Comparison of accuracy rate and recall rate ................................................. 34

4.3.4 Time performance comparison ...................................................................... 37

4.4 Chapter summary ..................................................................................................... 37

Summary and outlook .......................................................................................................... 39

Reference ............................................................................................................................... 41

Published work ..................................................................................................................... 47

The originality statement of the dissertation ..................................................................... 47

Thanks ................................................................................................................................... 49

万方数据

第一章绪论

1.1 选题背景及意义

移动机器人是灵活性较高和自主能力较强的自动化综合体，可具有感知、规划、

协同等与人相似的能力，涉及了传感技术、机械电子、自动化控制、计算机科学、人

工智能等各个领域学科的研究。随着机器人领域的新一代技术的飞速发展，移动机器

人能够在复杂危险的确定性环境下，代替或帮助人类完成一些难以进行的工作任务，

如灾难救援、处理爆炸物、医疗护理等。此外，移动机器人也应用于服务业、娱乐业

等便民生活方面。因此，移动机器人的各项技术已经得到全世界的研究人员的广泛关

注。对移动机器人的探索研究开始于20世纪60年代末期，1966年至1972 年Nils Nilssen

和Charles Rosen 等人研发出了自主移动机器人

[1]

。同一时期，美国和前苏联研制研发

了移动机器人，将其投射到月球进行探测。美国“探测者”在地面站的控制下完成了在

月球上挖掘等一些简单操作。苏联的“登月者”在无人驾驶的状态下降落在月球表面收

集土壤和岩石样品。1997年美国NASA研制了第一台用于在火星上从事科学考察工作

的自主式移动机器人，该移动机器人使用了视觉传感器和激光传感器。21世纪初美国

iRobot机器人公司推出的扫地机器人Roomba

[2]

，具有自主避障和自主回充等功能，自此

移动机器人开始逐渐步入人们的日常生活，智能机器人技术在世界范围内得到了大力

发展。近二十几年来，我国加强智能机器人技术的研究力度，成功研发出一系列工业

机器人和特种机器人

[3]

。一些高校科研基地也取得了丰硕的研究成果，清华大学自主研

发了THMR-V智能车，该移动机器人能在路面上自主行驶、自主避让和巡航

[4]

；上海交

通大学的FRONTER-1自主移动机器人装有多种视觉传感器，操作性简单，反应速度快

[5]

；哈尔滨工业大学研制的服务机器人装备了机械臂和激光等多种传感器，可受远程控

制，是一款真正物联网意义上的机器人

[6]

。移动机器人也逐步走向产业化，涌现一批小

米、科沃斯等品牌的全自动扫地机器人，还有用于餐饮、商场等场所的智能服务机器

人。移动机器人的自主导航技术是机器人领域的研究热点之一，Leonard 和

Durrant-Whyte首次提出要实现移动机器人在陌生环境下自主导航

[7,8]

，需要解决三个因

素：“机器人在哪儿？”、“机器人的周围环境是怎样的？”以及“机器人怎样到达目标位

置？”。前两个因素表示移动机器人在环境中实时定位和创建地图，后一个因素表示移

万方数据

剩余60页未读，继续阅读

Friday永不为奴

粉丝: 20
资源: 317

视觉SLAM移动机器人闭环检测技术研究

视觉SLAM中闭环检测算法的研究

移动机器人视觉SLAM闭环检测算法研究1

基于视觉的移动机器人SLAM算法研究1

基于视觉字典的移动机器人闭环检测方法研究

移动机器人视觉SLAM闭环检测与路径规划研究1

基于视觉SLAM的移动机器人室内未知环境探测研究1

基于ROS的移动机器人改进视觉SLAM算法研究1

基于改进M-ORB的视觉SLAM直接-闭环检测算法.docx

基于双目视觉的室内移动机器人SLAM技术研究1

基于自动编码器的视觉SLAM闭环检测方法研究1

最新资源