基于双目视觉的机器人室内定位与导航方法研究

论文总字数：33848字

摘 要

随着科技的发展，机器人的智能化水平不断提升，在各个领域中都能看见它的身影，在这些场景中的定位与导航技术也越来越重要。目前，移动机器人通常配备多种传感器来感知、测量、分析所在的周围环境并构建一张环境地图，从而判断此时位姿，以预设的移动方式到达目的地，在移动过程中还可以检测出障碍物进行躲避，这种技术被称为实时定位与建图。SLAM技术在移动机器人应用中具有重大的研究意义和极好的应用前景，因此针对室内复杂环境下的双目视觉SLAM技术进行研究，主要工作如下：

首先对国内外的视觉SLAM 发展及现状进行了归纳和总结，指出其中存在的重点和难点。介绍了本文所使用的硬件平台：ABC ROBOT原型机和Kinco双目视觉摄像头。引入双目视觉SLAM中涉及到的四种坐标系、相机成像原理、图像畸变、标定方法等概念。通过实验展示双目相机标定过程和结果。其次，提出了一个基于自动编码器的回环检测框架，改进自动编码器的损失函数训练模型，提取了有效度更高的低维特征，采取相似矩阵进行回环检测。对自建数据集进行实验，并于基于词袋的方法和基于CNN的方法进行对比。实验表明提出的方法在室内复杂场景中，实现了更高精度、效率的回环检测。再次，使用基于k-d tree的最近邻搜索算法进行SURF特征匹配算法，并使用基于图优化的双目视觉SLAM后端优化算法，纠正误差构建出全局统一的环境地图和机器人路径。通过实验展示了特征匹配算法的过程和对比结果。

最后，构建了二维可视化特征地图，将环境地图中提取出的SURF特征点作为路标点，并计算出该点的三维坐标生成特征库进行特征匹配。使用基于人工势场法的路径规划对机器人进行运动控制，实验结果证明了该方案的有效性。

关键词：移动机器人；双目视觉；特征匹配；回环检测

Research on Indoor Mobile Robot Positioning and Navigation

Based on Binocular Vision System

Abstract

The level of intelligence of robots is constantly increasing with the development of technology, and it can be seen in various fields. Positioning and navigation technology in these scenes are also becoming more and more important. At present, mobile robots are usually equipped with a variety of sensors to sense, measure, and analyze the surrounding environment and construct an environmental map to determine the pose at this time, to reach the destination by preset movement, and to detect during the movement. Obstacle avoidance, this technique is called real-time positioning and mapping. SLAM has great research significance in mobile robot applications. Therefore, the research on binocular binocular vision SLAM in indoor complex environment is as follows:

Firstly, the development of visual SLAM are summarized and summarized, and the key points and difficulties are pointed out. The hardware platform used in this article is introduced: ABC ROBOT prototype and Kinco binocular vision camera. The concepts of four coordinate systems, camera imaging principles, image distortion, and calibration methods involved in binocular vision SLAM are introduced. The binocular camera calibration process and results are demonstrated experimentally. Secondly, a loop closing detection framework based on automatic encoder is proposed. The loss function training model of the automatic encoder is improved, and the low-dimensional features with higher validity are extracted. The similar matrix is used for loop detection. Experiments were conducted on self-built data sets. Experiments show that the proposed method achieves more accurate and efficient outcome in indoor complex scenes. Thirdly, the nearest neighbor search algorithm based on k-d tree is used to perform SURF feature matching algorithm, and the binocular vision SLAM backend optimization algorithm based on graph optimization is used to correct the error to construct a global unified environment map and robot path. The process of the feature matching algorithm and the comparison results are demonstrated through experiments.

Finally, a two-dimensional visual feature map is constructed. The SURF feature points extracted from the environment map are used as landmark points, and the three-dimensional coordinates of the points are generated to generate feature libraries for feature matching. The motion control of the robot is carried out by path planning based on artificial potential field method. The experimental results demonstrate the effectiveness of the scheme.

Key words: Mobile Robot；Binocular Vision System；Feature Matching；Loop Closing Detection

目 录

摘 要 I

Abstract II

第一章 绪 论 5

1.1 引言 5

1.2 课题背景及研究意义 5

1.3 视觉SLAM 发展及现状 6

1.4 本文主要工作 7

第二章 机器人系统结构 8

2.1 原型机硬件结构 8

2.2 原型机系统架构 9

2.3 原型机运动控制 10

2.4 本章小结 11

第三章 双目视觉SLAM基础知识 12

3.1 相机物理模型 12

3.1.1 坐标系介绍 12

3.1.2 相机模型 13

3.1.3 透镜畸变 14

3.1.4 双目相机模型 14

3.2 双目视觉标定 16

3.3 相机位姿 17

3.4 实验验证 17

3.5 本章小结 20

第四章 特征匹配与后端优化 21

4.1 特征匹配算法 21

4.1.1 特征匹配算法介绍 21

4.1.2 特征点检测 21

4.1.3 特征点描述 22

4.1.4 特征点匹配 23

4.2 后端优化 24

4.2.1 基于图优化的后端优化 24

4.2.2 Bundle Adjustment计算 24

4.3 实验验证 25

4.4 本章小结 26

第五章 回环检测 27

5.1 回环检测介绍 27

5.2 研究现状 27

5.3 基于自动编码器的回环检测 28

5.3.1 算法整体流程 28

5.3.2 自动编码器介绍 28

5.3.3 相似矩阵 30

5.4 实验验证 31

5.5 本章小结 33

第六章 地图构建与路径规划 34

6.1 地图构建 34

6.1.1 概述 34

6.1.2 环境特征地图构建 34

6.2 路径规划 35

6.2.1 概述 35

6.2.2 人工势场法 35

6.3 实验验证 37

6.4 本章小结 40

第七章 总结和展望 41

参考文献 42

致谢 45

1. 绪 论
2. 引言

1972年历史上第一台移动机器人Shakey由斯坦福AI中心研制而成，虽然此机器人只能在非常简单的室内环境下进行自主移动，但这已经是当时最成功的机器人AI技术研究平台，也是对于移动机器人研究的起点^[1]。随着计算机被广泛应用，计算机的体积越来越小，计算效率也不断提升，非常有利于移动机器人的发展，加之传感器的不断创新与成熟，无数专家学者在这一领域内推陈出新，掀起了全球研究的浪潮。移动机器人开始在各个领域出现，如军事、工业等，甚至还进入到人们的日常生活中，比如点餐机器人、扫地机器人等，移动机器人变得越来越智能化和自主化^[2]。

目前的移动机器人通常需要配备多种类型、功能不同的传感器来感知、测量、分析机器人所在的周围环境，从而判断此时的位姿，这样就可以以预设的移动方式到达目的地，在移动过程中还可以通过特定的传感器检测出障碍物进行躲避，这种自主的运动方式就称为导航^[3]。

剩余内容已隐藏，请支付后下载全文，论文总字数：33848字