立体视觉惯性信息紧耦合自主机器人定位研究

摘要

本文以英伟达(Nvidia)公司的移动处理器TK1为核心处理器,结合德国IDS公司的工业相机ueye系列组建的双目立体图像采集系统,配合美国Microstrain公司的3DM系列微型IMU惯性传感器,完成整个系统组建。并将该系统置于差分驱动轮式移动机器人上,实现机器人的姿态检测并研究几种视觉里程计算法在自主机器人定位方面的性能。最终通过优化数据融合方式,实现定位性能提升。主要工作如下:
　　首先,深入探讨系统通过双目立体视觉、惯性信息实现自主定位的理论原理。主要涉及双目视觉里程计,惯性定位的实现原理,主要包括对于刚体(机器人)位姿描述的数学描述(矩阵,欧拉角,四元数),坐标系统的表示与转换,以及惯性积分原理和相关基本方程等。通过数学方面原理的讲述论述本论文实现的理论基础。
　　其次,根据设定的应用模型,搭建整个硬件核心系统。详细介绍整个硬件系统的选型,组建的过程并模块化分析各部分功能。主要包括立体视觉组建,惯性信息获取及轮式机器人的搭建与控制。并完成相关设备的初始化设置,如对相机的标定,整个系统坐标系的固定与转换等,为后续功能实现组建好完备性能优良硬件平台。
　　再次,编写整个硬件平台的算法。主要包括常用视觉里程计算法、惯性定位算法、以及整个算法运行的基础(ROS)的介绍与分析,深入研究算法实现方式、原理。提出视觉与惯性信息融合耦合的综合定位方式,并分析其原理基础及可行性。
　　最后,使用整个系统采集实际运行数据,实验验证相关算法。主要包括相关实验环境,具体数据实例,可视化的结果显示,相关性能分析图表等,通过实验持续改进系统稳定性与实时性等相关性能。
　　总之本文通过搭建整个双目立体式视觉与惯导的轮式移动机器人系统,从软硬两个方面详细介绍了系统,提出了性能改善建议。最终使用本系统运行多项实验,测试验证算法性能。

目录

声明

致谢

摘要

1．1．1 研究背景

1．1．2 研究意义

1．2 研究现状

1．2．1 视觉导航定位的发展与现状

1．2．2 惯性导航定位的发展与现状

1．3 研究目标与研究内容

1．3．1 研究目标

1．3．2 研究内容

1．4 论文结构安排

1．5 本章小结

2．1 概述

2．2 坐标系及其转换

2．3 刚体姿态描述

2．3．1 方向余弦矩阵

2．3．2 欧拉角

2．3．3 四元数

2．3．4 三种方式特点

2．4 立体视觉模型及原理

2．4．1 相机成像模型

2．4．2 双目立体视觉模型

2．4．3 双目标定数学原理

2．5 惯性导航原理

2．5．1 基本原理

2．5．2 基本方程

2．6 本章小结

3．1 硬件设计概述

3．2 电源管理模块

3．3 中央处理模块

3．4 控制输出模块

3．4．1 模型及原理

3．4．2 选型与实现

3．5 数据采集模块

3．5．1 模块概述

3．5．2 IMU选型

3．5．3 立体视觉搭建

3．5．4 立体视觉标定

3．6 本章小结

4．1 概述

4．2 机器人操作系统

4．2．1 ROS特点

4．2．2 ROS系统架构

4．2．3 ROS系统总结

4．3 视觉定位算法

4．3．1 特征描述子

4．3．2 视觉里程计

4．4 即时定位与地图构建简介

4．4．1 基于特征点的视觉SLAM

4．4．2 ORB-SLAM算法移植

4．5 视觉与惯导紧耦合算法

4．5．1 IMU与相机的互补性

4．5．2 VIO框架

4．5．3 动态权值融合算法

4．6 本章小结

5．1 概述

5．2 rviz与urdf

5．3 平台功能验证

5．4 算法实验比较

5．4．1 视觉里程计的缺陷

5．4．2 惯性定位的不足

5．4．3 耦合算法效果

5．5 性能测试

5．5 本章小结

6 总结与展望

参考文献

作者简历