基于RGB-D与激光雷达传感器的SLAM算法研究与实现

摘要

同时定位与建图（Simultaneous Locating And Mapping，SLAM）是移动机器人领域的热门研究课题。SLAM是移动机器人实现智能化的前提，包含丰富环境信息的地图是移动机器人进行后续各类智能化任务不可或缺的。随着传感器技术的发展，RGB-D相机、激光雷达等传感器减少了 SLAM的实现难度，但由于环境噪声和传感器自身的性能限制，各类传感器收集到的环境信息可能存在不全面或者可信度较低的问题，这使得 SLAM所建的环境地图存在优化空间。因此研究基于 RGB-D与激光雷达传感器的SLAM算法在理论和应用层面上均有意义。 本文以 SLAM为研究目标，重点研究基于 RGB-D相机与激光雷达传感器的移动机器人 SLAM实现算法，并在此基础上实现了深度图像中缺失的有效值修复与传感器数据融合。本文设计并搭建移动机器人实验平台并在此平台上实现移动机器人路径规划系统。 首先，本文研究现有基于滤波器的经典 SLAM算法与视觉SLAM算法，包括卡尔曼滤波（Kalman Filter，KF）、扩展卡尔曼滤波（Extended Kalman Filter，EKF）、粒子滤波（Particle Filter，PF）、RGB-D SLAM、ORB-SLAM，还研究了基于激光雷达传感器的Gmapping建图方法。 然后，为了获取更丰富的环境信息，弥补激光雷达传感器自身的性能限制，如无法检测低于其安装平面的障碍物，本文提出一种RGB-D相机与激光雷达传感器的数据融合方法，并在此融合方法的基础上实现Gmapping算法。其中，本文提出一种基于简单的线性迭代聚类 SLIC（Simple Linear Iterative Clustering，SLIC）超像素分割的图像修复方法对RGB-D相机获取的深度图像进行修复。 最后，本文设计并搭建移动机器人实验平台，研究 SLAM在移动机器人路径规划方面的应用，并在搭建的实验平台上实现移动机器人路径规划系统。 实验证明，本文提出的基于SLIC超像素分割的修复方法可以较好的修复深度图像中的缺失值，提出的RGB-D相机与激光雷达数据融合方法结合了两种传感器的优点，得到了更丰富的环境信息。

目录

第一个书签之前