没有合适的资源?快使用搜索试试~ 我知道了~
基于RGB-D图像的即时定位与构图(SLAM)研究1
需积分: 0 0 下载量 49 浏览量
2022-08-03
22:33:51
上传
评论 1
收藏 5.94MB PDF 举报
温馨提示
试读
81页
摘要I1绪论 11.1课题概述
资源详情
资源评论
资源推荐
分类号 学号 M201570603
学校代码 10487 密级
硕士学位论文
基于RGB-D图像的即时定位与构图
(SLAM)研究
学位申请人: 徐 奥
学科专业:机械工程
指导教师:高 亮 教授
答辩日期:2017 年 5 月 14 日
万方数据
A Thesis Submitted in Partial Fulfillment of the Requirements
for the Degree of Master of Engineering
Research on Simultaneous Location and
Mapping (SLAM) Based on RGB-D Picture
Candidate : Xu Ao
Major : Mechanical Engineering
Supervisor : Professor Gao Liang
Huazhong University of Science and Technology
Wuhan, Hubei 430074, P. R. China
May, 2017
万方数据
独创性声明
本人声明所呈交的学位论文是我个人在导师指导下进行的研究工作及取得的研
究成果。尽我所知,除文中已经标明引用的内容外,本论文不包含任何其他个人或
集体已经发表或撰写过的研究成果。对本文的研究做出贡献的个人和集体,均已在
文中以明确方式标明。本人完全意识到本声明的法律结果由本人承担。
学位论文作者签名:
日期: 年 月 日
学位论文版权使用授权书
本学位论文作者完全了解学校有关保留、使用学位论文的规定,即:学校有权
保留并向国家有关部门或机构送交论文的复印件和电子版,允许论文被查阅和借阅。
本人授权华中科技大学可以将本学位论文的全部或部分内容编入有关数据库进行检
索,可以采用影印、缩印或扫描等复制手段保存和汇编本学位论文。
保 密□,在 年解密后适用本授权书。
不保密□。
(请在以上方框内打“√”)
学位论文作者签名: 指导教师签名:
日期: 年 月 日 日期: 年 月 日
本论文属于
万方数据
华 中 科 技 大 学 硕 士 学 位 论 文
I
摘
要
随着移动机器人应用领域的不断拓展,即时定位与构图(
Simultaneous Location
and Mapping
,
SLAM
)技术作为其关键技术得到了广泛关注。在视觉
SLAM
研究领
域,以
Kinect
为代表的
RGB-D
相机凭借着其独特优势被广泛用于解决室内
SLAM
问题。但当前基于
RGB-D
图像的
SLAM
研究在算法实时性、准确性方面仍存在许多
问题亟待解决。因此,本文结合实际需求,在传统
RGB-D SLAM
系统解决方案的基
础上,对影响
SLAM
系统效果的关键技术进行了更为深入的研究。
首先,在
SLAM
图像前端算法研究部分,通过实验分析
SIFT
,
SURF
和
ORB
三
种特征提取算法特点,对比了穷举法和快速最近邻逼近搜索法的适用性,分析了最小
距离比例法和随机采样一致性算法匹配提纯的效果,完成误匹配剔除方法的确定。在
上述研究基础上,根据
RGB-D
相机深度信息误差的特点,提出了一种基于自适应性
方法的改进
RANSAC
算法,并将其应用于位姿估计环节,通过实验验证了该改进算
法的高效性、准确性和鲁棒性。
其次,在
SLAM
后端优化与构图部分,为了合理选择关键帧信息,结合常用方
法的优点,提出了一种结合内点判定法与相对运动大小判定法的关键帧提取方法,同
时采用了基于近距离回环与远距离回环的帧间配准闭环检测方法。在上述研究基础
上建立全局位姿优化图并利用
g2o
求解器完成了优化求解。同时对比分析了生成的
两种不同形式地图。
然后,基于上述研究,在利用黑白棋盘法对
Kinect2.0
进行相机标定后,搭建
RGB-
D SLAM
系统实验平台并进行了真实环境实验研究,验证了系统方案的可行性;同
时利用基准数据集对不同环节的多种算法进行了对比实验研究,确定了各环节不同
算法对
RGB-D SLAM
系统效果的影响因子,有效地推进了
RGB-D SLAM
系统在工
程实际中的应用。
最后,总结了全文并对未来研究方向做了展望。
关键词:
RGB-D
相机;即时定位与构图(
SLAM
);随机采样一致性(
RANSAC
);
位姿估计;关键帧提取
万方数据
华 中 科 技 大 学 硕 士 学 位 论 文
II
Abstract
Recently, with the development of robotics, its core technology - Simultaneous
Location and Mapping (SLAM) has also been widely concerned. In the field of visual
SLAM, with its advantages of simultaneous access to color images and depth images, RGB-
D camera is widely used in the solution for indoor SLAM. However, there are still many
problems to be solved urgently in the real-time and accuracy aspect of the current RGB-D
SLAM algorithm. Therefore, based on the original solution of RGB-D SLAM, this thesis
has made a much deeper study on the important parts of SLAM system.
Firstly, in the part of SLAM frontend, the different feature extraction algorithms and
different feature matching algorithms are compared and analyzed, and an improved
RANSAC algorithm based on the adaptive method is proposed and applied to the pose
estimation. By doing comparative experiments, it’s proved that proposed RANSAC
algorithm can effectively improve the accuracy, stability and efficiency of the pose
estimation.
Secondly, in the parts of SLAM backend and mapping, a key frame extraction method
combining the method of inliers determination and relative motion-size determination is
proposed. Based on the research of key frame extraction and loop-closure search, a global
pose optimization graph is established and solved by g2o (General Graph Optimization). At
the same time, this thesis compares and analyzes the different two forms of the map.
Then, based on the above study, the experimental platform of RGB-D SLAM system
is established and its experimental study in real environment is carried out to verify the
feasibility of the system proposal. What’s more, by doing the comparative experiments of
different algorithms in different parts based on benchmark dataset, the influence of different
algorithms to the result of RGB-D SLAM system is verified, which is of great significance
to promote the application of RGB-D SLAM research in daily life.
Finally, the thesis summarizes the whole paper and makes a prospect for the future
research direction.
Keywords
: RGB-D camera; Simultaneous Location and Mapping (SLAM); Random
Sample Consensus (RANSAC); pose estimation; key frame extraction
万方数据
剩余80页未读,继续阅读
懂得越多越要学
- 粉丝: 20
- 资源: 308
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功
评论0