基于视觉和惯性传感器的机器人自主导航算法

摘要

随着时代的发展，室内移动机器人的需求越来越大，对导航算法的要求也越来越高。导航算法包括了定位、建图、路径规划、动态避障、运动控制等，其中定位更是导航过程中的核心。室内定位有多种方案可选，但是基于GPS的定位在室内效果不佳；基于光电码盘的里程计法则需要指定机器人初始位置，并且随着距离的增加，误差会不断累积。近些年来，基于视觉的同时定位与建图技术(Simultaneous Localization and Mapping,SLAM)越来越流行。然而，纯视觉SLAM也存在着一些缺点，在弱纹理区域或者动态环境下效果较差。因此，本文对视觉SLAM方案进行研究改进，加上一些额外的传感器，完成一套室内移动机器人的自主导航方案。主要工作如下： （1）定位建图系统原理研究。对视觉SLAM和视觉惯性SLAM的发展现状进行调研，对SLAM系统中涉及到的相机模型，位姿解算，全局优化等理论问题进行数学推导。 （2）视觉惯性里程计研究。利用硬件系统提供的码盘信息和陀螺仪信息，对视觉里程计进行改进。对图像提取ORB特征，根据码盘陀螺仪信息提供的先验信息匹配特征点，然后根据匹配的特征点用PnP方法最小化其重投影误差，恢复相机的相对运动。 （3）回环检测与优化。对基于词袋模型的回环检测应用到SLAM系统中，研究IMU的预积分模型。同时将回环检测的结果和IMU信息加入了全局位姿图优化，进一步优化定位与建图的准确性。 （4）导航系统搭建，在SLAM算法的基础上，对路径规划、动态避障、运动控制等算法进行研究和改进。 （5）搭建硬件平台。移植相关算法，对其软件实现，最后进行实验验证，以使整个导航系统精度在5%以内并且在复杂的室内环境下稳定运转，最终达到实用的目的。

目录

声明

第一章绪论

1.1研究背景和意义

1.2.1视觉SLAM的研究现状

1.2.2视觉惯性SLAM的研究现状

1.3本文研究内容

第二章视觉SLAM的相关理论基础

2.1刚体的运动描述

2.1.1旋转矩阵

2.1.2旋转向量和欧拉角

2.1.3四元数

2.1.4李群和李代数

2.2相机模型

2.2.1深度相机原理

2.2.2针孔相机模型

2.2.3双边滤波

2.3 SLAM系统模型

2.3.1 SLAM及导航整体框架

2.3.2 SLAM问题的数学表达

2.4本章小结

第三章基于视觉和惯性传感器的定位方法与改进

3.1基于码盘陀螺仪的相对定位

3.2视觉里程计的定位

3.2.1特征点的选择和提取

3.2.2特征点间的匹配

3.2.3相机运动求解

3.3里程计模型的优化

3.4本章小结

第四章机器人位姿的优化与建图

4.1基于词袋模型的回环检测

4.1.1词袋模型

4.1.2 tf-idf计算回环相似度

4.1.3回环检测

4.2机器人全局位姿优化

4.2.1 IMU预积分模型

4.2.2图优化模型

4.2.3基于g2o的图优化实现

4.3地图构建

4.3.1三维点云地图

4.3.2由点云地图获取二维栅格地图

4.3.3基于回环检测的地图融合

4.4本章小结

第五章移动机器人导航系统设计

5.1代价地图的获取

5.2全局路径规划

5.2.1迪杰斯特拉算法

5.2.2 A*算法

5.3局部避障算法

5.4整体导航流程

5.5本章小结

第六章机器人自主导航系统的实验与验证

6.1.1硬件平台搭建

6.1.2软件实现

6.2.1建图精度实验

6.2.2地图融合实验

6.3机器人导航实验

6.3.1机器人导航精度实验

6.3.2机器人导航避障实验

6.4本章小结

第七章总结与展望

7.1总结

7.2展望

致谢

参考文献

攻读硕士学位期间取得的成果