室内动态场景下移动机器人视觉SLAM算法研究

发布时间：2024-04-08 03:08

　　在现代工业制造业开始向着智能化、数字化工厂转型的大背景下,移动机器人作为实现工业智能制造的重要一环,已被应用于诸多工作场景中。同时定位与建图技术(Simultaneous Localization and Mapping,SLAM)作为移动机器人实现定位、目标导航等功能的重要基础,是目前移动机器人领域内的热门研究方向。在SLAM技术研究领域中,动态视觉SLAM将深度学习技术与视觉SLAM相结合,相比传统SLAM技术,动态视觉SLAM的算法准确性与鲁棒性更佳,能使移动机器人适用于更为广阔的应用场景。因此,本文面向室内动态场景,从视觉SLAM算法、实时语义分割网络两方面展开了算法研究及优化改进,设计了基于深度学习的动态视觉SLAM算法。首先,根据移动机器人实际运行场景,完成RGB-D SLAM算法的系统搭建及优化,实现移动机器人视觉定位。算法以ORB-SLAM2为基础,通过相机采集图像来完成特征提取与匹配,并采用Pn P方法求解位姿。本文通过改进传统关键帧选择机制,再结合回环检测等方法来消除算法累计误差,并在TUM数据集下利用位姿估计结果实现场景稠密点云地图构建。其次,针对经典动态视觉SL...

【文章页数】：84 页

【部分图文】：

图1-1经典视觉SLAM框架

算法的提出打破了一直以来以基于特征为主导的SLAM研究，为SLAM研究提供了新的研究思路。2015年，RaulMur-Artal等人[13]提出ORB-SLAM，该算法对PTAM进行改进。使用ORB特征关联帧间信息来估计位姿，创新性的提出了基于词袋模式（BagofWord，BoW....

图1-2经典目标检测系统框架

1绪论5等[37]基于HOG特征提出一种目标检测器DPM，该检测器对目标形变及尺度变化等有较好鲁棒性，是目标检测研究历史中最经典的方法之一。随后有国内外学者先后对DPM在精度和效率方面提出一些改进方法[38][39][40]，但这些检测器大为通过人为设定特征完成目标检测。这些特征....

图1-3动态场景下的SLAM问题（a）静态场景（b）动态场景（a）Staticscene（b）Dynamicscene

文6出了一种使用深度信息和视觉测距法检测场景中的运动物体。通过将检测到的外点信息和视觉传感器的深度信息相融合可容易获得场景中的运动目标位置。但是由于深度信息的不确定性和相邻帧间的变换矩阵计算误差，该算法目标检测分割精度较低。Yi[56]等使用双单高斯模型(SingleGaussi....

图2-1ORB-SLAM2系统框架

2改进SLAM系统框架92改进SLAM系统框架SLAM框架是SLAM系统总规划，对后续SLAM问题解决起着至关重要作用。动态场景下，SLAM系统应严格控制输入端动态信息输入，而大多现有SLAM系统框架没有动态信息滤除模块。此外，地图构建模块负责SLAM系统对外部环境地图构建，然而....

本文编号：3948391