论文部分内容阅读
室内定位具有极大的应用需求,室内自动导引运输车、医院电子导医、虚拟现实、扫地机器人、服务机器人等都需要对载体自身的位置和姿态进行估计。室内定位的技术方案有多种可选,但是基于GPS的定位在室内由于遮挡和信号原因,无法适用;基于无线信号或者场景标签的方法又需要事先布置场景,扩展性不高,不易推广。基于视觉的定位方法和基于惯性测量单元的定位方法由于其传感器不依赖外部环境,适用范围广,精度高,是移动机器人室内定位的不错选择。本文使用视觉和惯性融合的视觉惯性里程计进行了移动机器人室内定位算法研究和实现。首先,研究了基于视觉里程计的定位方法,推导了视觉里程计的定位过程。为了获得真实尺度的定位结果,选择深度相机作为视觉传感器,设计了基于深度相机RealSense R200的视觉里程计定位系统。设计的视觉里程计以ORB-SLAM为框架,采用ORB特征点,先进行特征点的检测和匹配,根据匹配的特征点信息,利用PnP方法最小化特征点的重投影误差,恢复相机之间的相对运动。其次,以深度相机RealSense R200为图像采集系统,在双轮移动小车上验证了本课题设计的视觉里程计定位算法的可行性,并对结果进行了分析。根据视觉里程计的定位结果,重建了稠密点云地图,并且对点云地图的精度进行了定量的测量和分析。然后,研究了视觉和惯性融合的视觉惯性里程计,推导了预积分表示的IMU动力学运动方程,基于ROS操作系统,构建了视觉惯性定位系统。利用预积分IMU动力学方程,构建机器人运动方程的误差项,将这个误差项与视觉里程计的重投影误差项相加构成代价函数,优化代价函数得到估计的机器人位姿。最后,以optor惯性相机为图像传感器和惯性传感器,在双轮无人小车上进行定位实验,验证了构建的视觉惯性里程计的可行性,并对实验结果进行了分析。