基于立体视觉的同时定位与地图创建研究

摘要

机器人技术发展日新月异，而作为机器人行为的基础技术同时定位与地图创建(Simultaneous Localization and Mapping, SLAM)技术在近年来一直是研究者们积极探索的领域。机器人技术的进步很大程度上受到传感器工业发展的制约，因为它决定着机器人感知外部世界的方式。随着近年来廉价深度相机的出现，机器人可以以更低的成本同时获取深度和图像信息，掀起了机器人SLAM技术的新一轮热潮。本文首先介绍了同时定位与地图创建技术的发展历程，介绍了目前流行的立体视觉传感器Kinect，使用比较广泛的Particle Filter算法，以及本文将会采用的栅格地图表示方法。接着本文基于RGBD数据提出了一种新的基于深度图像信息模拟普通激光测距仪的算法，并从理论上证明了该方法能够以更加逼近真实激光测距仪的方式工作。
　　同时本文使用开源机器人操作系统RobotOperating System搭建了一个模拟实验环境，并在平台上验证了提出的新的基于深度图像信息模拟普通激光测距仪的算法是可行而且可以使模拟出来的激光测距仪更逼真的工作。接着，本文分析了在机器人同时定位与地图创建中使用的粒子滤波器目前存在的一些问题，既高复杂度问题，及其存在的原因，并通过对粒子滤波器执行步骤的逐一分析，基于两种思路提出了改进方法：第一种，是通过减少粒子滤波器维护的粒子的数量来减少重要性重抽样步骤的时间复杂度；第二种是通过计算“有效粒子规模”的评价参数并结合阈值减少重要性重抽样的步骤实际执行的次数来降低粒子滤波器算法的总体时间复杂度。并通过实验证明了这两点改进都是可行并且有效的。

目录

封面

中文摘要

英文摘要

目录

第1章 绪论

1.1 课题的研究背景

1.2 移动机器人领域SLAM研究现状

1.3机器人地图表示方法

1.4本文的主要内容

第2章 立体视觉模型与仿真实验平台

2.1引言

2.2 Kinect 3D相机原理介绍

2.3RoboticOperating System及其仿真环境介绍

2.4 Gazebo仿真模拟环境

2.5本章小结

第3章基于立体视觉虚拟激光测距仪

3.1引言

3.2 基于立体视觉虚拟激光测距仪的传统方法

3.3 基于立体视觉虚拟激光测距仪的改进方法

3.4基于立体视觉虚拟激光测距仪改进方法实验

3.5 实验结论

3.6 本章小结

第4章 基于粒子滤波的SLAM算法及其改进

4.1 引言

4.2 粒子滤波器理论介绍

4.3 使用粒子滤波器的SLAM方法

4.4 改进的Rao-Blackwellized粒子滤波器算法

4.5改进的粒子滤波器算法实验

4.6本章小结

总结与展望

参考文献

声明

致谢