论文部分内容阅读
智能移动机器人是机器人领域的一个重要分支，广泛应用于家庭服务、安防医疗、深海打捞、太空探索、矿产勘探、军事侦察等领域。对于智能移动机器人来说，自主导航是一个最基本的要求，需要机器人在工作中能自主的移动并完成指定任务。在未知环境中，要实现机器人的自主导航，就需要机器同时创建环境地图和完成自身定位，也就是同时定位和地图创建问题(SLAM)。由于视觉传感器具有成本低、信息丰富的特点，被越来越多的应用于SLAM问题，本文就围绕着移动机器人研究中的基于视觉的SLAM问题进行了深入研究，取得了一些有意义的成果。本文首先回顾了SLAM问题的一些关键问题，列举了常用的SLAM算法及其优缺点。由于视觉传感器得到的图像信息不如传统声纳、激光测距仪得到的距离信息直接，本文给出了视觉信息中点、线特征的提取方法，以及基于单目摄像头和双目摄像头的特征深度求取方法。针对获取的点特征，设计了基于扩展Kalman滤波的视觉SLAM算法，给出了系统模型、数据关联、状态更新等各个部分的具体实现。鉴于点特征在视觉SLAM实现中的一些局限性，本文还进一步提出了基于线特征的视觉SLAM算法，给出了一种点线结合的几何地图表示方法。基于Pineer3DX移动机器人平台的实验验证了上述两种算法的有效性，同时表明基于线特征的视觉SLAM算法在结构化环境中具有更快的收敛性。最后本文还在仿办公室环境中进行了算法应用的扩展。