移动机器人视觉SLAM过程中图像匹配及相机位姿求解的研究_林志诚1

本文主要探讨的是移动机器人视觉SLAM（同步定位与地图构建）过程中的图像匹配和相机位姿求解问题。SLAM是移动机器人自主导航的关键技术，它涉及定位、建图和导航三个部分。在视觉SLAM中，相机作为主要传感器，通过捕捉图像来感知环境并确定自身位置。 文章介绍了使用ORB特征匹配算法来处理移动机器人连续采集的两帧图像，以获取特征点集。ORB（Oriented FAST and Rotated BRIEF）是一种快速且鲁棒的特征检测和描述算法，结合了FAST关键点检测器和BRIEF描述符，能够在各种环境变化下保持稳定，同时具有较高的计算效率，适合实时应用。 在获取特征点后，文章分析了最小二乘法理论，并利用该方法建立相机运动模型。基于最小二乘法的ICP（迭代最近点）算法用于两帧图像间特征点的对应，通过比较和调整，逐步优化模型以更准确地匹配特征点。然后，通过奇异值分解（SVD）方法求解运动模型，估计相机的位姿状态。非线性优化算法被用来验证SVD分解法的准确性。 实验部分，作者使用RGB-D相机Kinect来收集图像数据，实验结果表明，这种方法能够得到精确的相机姿态信息，有效地解决了移动机器人在三维空间局部移动时的定位问题。RGB-D相机能同时提供彩色图像和深度信息，使得在SLAM中进行三维重建和定位更为准确。 此外，文章还简要讨论了移动机器人的系统构成，强调了传感器技术、信息处理和自动化控制在移动机器人自主导航中的重要性。虽然SLAM技术有多种实现方式，如单目、双目和RGB-D相机，但RGB-D相机因其提供的额外深度信息而成为研究热点。 这篇文章深入研究了移动机器人视觉SLAM中的关键技术，包括ORB特征检测匹配、最小二乘法和ICP算法的应用，以及相机位姿的SVD求解，为提高移动机器人的自主导航能力和环境适应性提供了理论和技术支持。