基于视觉和激光的移动机器人地图构建方法研究与实现

摘要

地图构建是移动机器人领域的重点研究方向，是移动机器人实现自主导航的前提。地图构建的核心技术是同时定位与建图（Simultaneous Localization and Mapping，SLAM）。SLAM是指机器人本体在未知环境中运动时，估计自身运动，同时构建环境的地图。移动机器人在室外的地图构建方法选择和应用是其设计的难点之一。SLAM按其传感器类型可以分为基于激光雷达的SLAM方法和基于相机的SLAM方法，激光雷达受光线干扰小，探测距离远。而相机的信息更加丰富，不受地形影响，可以提供3D位姿和里程信息。因此，在室外环境下，利用视觉SLAM为激光SLAM提供辅助信息，结合两种方法的优点，具有一定的研究意义。本课题以室外环境下的地图构建为目标，主要研究和工作如下：　　首先针对基于ORB（Oriented FAST and Rotated BRIEF，ORB）特征提取的ORB-SLAM2算法框架特征提取耗时的缺陷，优化了其算法的跟踪线程，实现了实时性较高的视觉里程计。主要方法是利用计算速度快的稀疏直接法处理非关键帧，同时保留ORB-SLAM2的关键帧选取策略和后端优化模块，在基本保证算法精度的前提下减少了计算量，提高了算法的运行速度。实验结果表明，该方法提高了ORB-SLAM2的实时性。　　随后对基于移动机器人的地图构建进行研究，以地图精度和计算资源的消耗量为指标，对比Hector方法、Gmapping方法、Cartographer方法三种激光SLAM算法，分析算法的优缺点。通过对实验结果的分析，最终选择Cartographer作为移动机器人的地图构建算法。在此基础上，利用前文实现的改进视觉里程计，为Cartographer提供一个具备参考意义的初始位姿。　　最后将算法部署到移动机器人上，进行室内外的地图构建实验，通过对比地图对实际场景的恢复效果验证算法的有效性，从而为移动机器人室外地图构建提供了一套可行方案。

目录

1 绪论

1.1 研究背景及意义

1.2 国内外研究现状

1.2.1 SLAM 国内外研究现状

1.2.2 国内外研究现状总结

1.3 研究内容

2 基于稀疏直接法的视觉里程计

2.1 ORB-SLAM研究

2.1.1 输入预处理

2.1.2 跟踪线程

3.1.3 局部地图构建线程

2.1.4 回环检测线程

2.1.5 ORB-SLAM2分析

2.2.1 直接法原理

2.2.2 算法框架对比

2.3.1 数据集实验对比

2.3.2 改进后算法的在线场景实验

2.4 本章小结

3 基于激光的地图构建方法

3.1 SLAM方案选型

3.1.1 Hector 方法

3.1.2 Gmapping 方法

3.1.3 Cartographer方法

3.2 各方案仿真对比实验及分析

3.2.1 实验设计

3.2.2 实验结果分析

3.3 以改进视觉里程计为输入的地图构建

3.4 本章小结

4 地图构建算法验证平台软硬件设计

4.1 硬件架构设计

4.2.1 主控计算机

4.2.2 激光雷达

4.2.3 双目相机

4.2.4 电源与动力系统

4.2.5 通信模块

4.2.6 其他传感器

4.3 ROS 导航框架设计

4.4 整车搭建

4.5 本章小结

5 基于算法验证平台的室内外地图构建实验

5.1 室内环境地图构建

5.2 室外环境地图构建

5.3 本章小结

6 总结与展望

6.1 总结

6.2 展望

参考文献

附录

A. 作者在攻读学位期间发表的专利

B. 作者在攻读学位期间参与的项目

C. 学位论文数据集

致 谢