基于双目视觉的移动机器人地图构建研究

摘要

随着科技的飞速发展，人类需要解决的工作任务不断增加，单靠人类自身已经很难满足众多需求。作为最具有人类思维模式的机器人一直都是人类所追求的最高理想工具，因此，对智能机器人的研究也在不断扩展和深入。研究在未知环境中运行的智能移动机器人，首先要解决的就是移动机器人对自己周围环境的认知，即机器人的地图构建问题。依靠机器人自身携带的传感器，获取周围环境信息，构建出准确的环境地图，对机器人的定位及后续的路径规划都有重要的意义。
　　本文主要针对室内未知环境下，移动机器人依靠双目视觉传感器获得环境信息，得到SIFT自然路标点，并通过扩展卡尔曼滤波完成了机器人在未知环境下增量式的地图构建及自定位问题，并结合障碍物轮廓提取对障碍物作出较准确描述。主要工作如下：
　　首先，搭建了基于双目视觉的移动机器人地图构建实现方法的整体结构框架，并从对双目立体视觉系统的研究入手，完成了双目图像的SIFT特征点提取与匹配、误匹配剔除、匹配点在世界坐标系下的三维信息恢复等内容，来获取机器人外界环境中可靠的自然路标，作为构建地图的基本要素。
　　其次，运用融合EKF的SLAM算法将移动机器人的外部环境特征和运动关系描述为非线性的观测模型和运动模型，模型中包含了对移动机器人传感器和运动的不确定性的表示。通过模型循环迭代的估计-校正过程，解决了传感器等带来的累积误差问题，得到准确的环境地图和机器人位置信息，递增地构建出由环境路标构成的地图。
　　最后，对环境中存在的障碍物分别进行二维轮廓和三维轮廓的检测与提取。在VS2008、OpenCV2.3的环境下对移动机器人双目视觉系统进行了应用程序编写，完成了室内环境的自然路标获取。在MATLAB中对融合EKF的SLAM算法进行仿真，验证了本文方法的可行性。并通过CoViS软件得到了环境中物体的三维轮廓。

目录

封面

声明

中文摘要

英文摘要

目录

1绪论

1.1研究背景及意义

1.2 国内外研究现状

1.3研究内容与论文框架

1.4本章小结

2移动机器人的自然环境路标

2.1引言

2.2环境模型的表示方法

2.3 SIFT特征向量的提取

2.4 SIFT特征向量的匹配

2.5本章小结

3环境路标的三维信息重建

3.1引言

3.2双目立体视觉系统

3.3环境路标的三维信息重建

3.4本章小结

4移动机器人SLAM算法的应用

4.1引言

4.2融合EKF的SLAM算法[44]

4.3 EKF-SLAM仿真实验及结果分析

4.4本章小结

5.障碍物轮廓提取原理及实验

5.1引言

5.2障碍物二维轮廓提取原理及实验

5.3障碍物三维轮廓提取原理及实验

5.4本章小结

6总结与展望

6.1全文总结

6.2展望

致谢

参考文献