基于單目視覺的同時定位與建圖.pdf

1、機器人在未知環(huán)境中探索,一個基本的要求是機器人能夠決定自己在環(huán)境中的位置,這可以在給定地圖的前提下,輔助一些傳感器完成。但是,很多時候,先驗的地圖并不存在,需要機器人在運動過程中建立,由此引出了同時定位與建圖,即SLAM(Simultaneous Localization and Mapping)的問題。SLAM是當(dāng)前智能機器人研究的熱點,被很多學(xué)者認為是實現(xiàn)真正全自主移動機器人的關(guān)鍵。SLAM主要解決移動機器人在沒有先驗地圖的未知環(huán)境

2、中的定位與建圖問題,它是一個“雞生蛋,蛋生雞”的問題,一方面機器人定位需要地圖信息的指導(dǎo),而開始并沒有地圖,另一方面建圖需要精確地知道機器人當(dāng)前位姿,二者互為前提。 自上世紀80年代末應(yīng)用卡爾曼濾波器的SLAM方法出現(xiàn)以來,基于概率的方法成為主流的解決方法。SLAM過程中以激光傳感器和超聲傳感器為主的二維傳感器常被采用,隨著SLAM問題的不斷深入研究,傳統(tǒng)的二維傳感器不能滿足實際的需要,視覺傳感器由于能夠獲取的環(huán)境信息豐富,近幾

3、年在SLAM中得到廣泛應(yīng)用。短短20年時間SLAM研究取得了飛速發(fā)展,但是,目前SLAM方法能夠處理的環(huán)境規(guī)模小,大規(guī)模環(huán)境下SLAM仍然是未來研究追求的目標,特別是對于基于視覺傳感器的SLAM。大規(guī)模環(huán)境下的SLAM未來仍具有挑戰(zhàn)性,需要各個環(huán)節(jié)的有效解決,對于視覺SLAM,主要表現(xiàn)在如下幾個方面：(1)可靠陸標的提取。陸標是機器人用于抽象表示實際環(huán)境模型的基本元素,可靠的、便于提取的陸標對于機器人在較高不確定性下的陸標匹配以及算法的

4、實時性影響舉足輕重。(2)探索策略與SLAM過程的集合。傳統(tǒng)的SLAM算法只關(guān)心機器人的定位與建圖,而不關(guān)心機器人在建圖過程中運行路徑,一般采用隨機運行或者人為控制按預(yù)定路徑運行,事實上,機器人的建圖效率、定位與建圖精度都與機器人的運動路徑有關(guān)。探索策略與SLAM過程的結(jié)合,即主動SLAM,是機器人獲得真正自主的必須。(3)實時性問題。在SLAM過程中,機器人用于抽象表示環(huán)境的陸標隨著新環(huán)境的探索逐漸增加,從而使得系統(tǒng)需要估計的狀態(tài)變量

5、增加,在陸標數(shù)量增長到一定量級時,算法是否能夠?qū)崟r進行估計直接影響到機器人的實際應(yīng)用。(4)環(huán)境表示形式。真實的環(huán)境有多種抽象表示形式,如何盡可能豐富的表示環(huán)境,從而使得地圖除了應(yīng)用于機器人定位之外,還能夠用于機器人高層任務(wù)的路徑規(guī)劃,此外,機器人所建立的地圖應(yīng)該便于人識別,這些都是面向未知環(huán)境不可缺少的需求。針對上述問題,本文應(yīng)用單目視覺傳感器研究室內(nèi)環(huán)境下的SLAM問題,主要工作包括： (1)室內(nèi)環(huán)境的陸標特征提取方法。針對

6、當(dāng)前視覺SLAM普遍采用的SIFT點特征陸標的不足,對其進行改進,使之定位與環(huán)境重構(gòu)精度進一步提高。針對室內(nèi)環(huán)境中直線特征豐富的現(xiàn)實,將視覺傳感器提取的垂直直線作為陸標應(yīng)用于環(huán)境地圖的表示,進一步豐富環(huán)境地圖的內(nèi)容,同時提高SLAM算法的估計精度。 (2)同時定位與建圖算法研究。針對當(dāng)前主要的兩類概率SLAM算法--基于擴展卡爾曼濾波器與粒子濾波器的算法,首先,給出適合點特征和線特征陸標的基于擴展卡爾曼濾波器的SLAM算法實現(xiàn)機

7、制。其次,為滿足較大規(guī)模環(huán)境下的單目視覺SLAM的需要,進一步改進具有對數(shù)級復(fù)雜度的FastSLAM算法,在不影響其計算復(fù)雜度的情況下,應(yīng)用無味卡爾曼濾波器代替擴展卡爾曼濾波器進行FastSLAM實現(xiàn),進一步提高其估算精度,為較大規(guī)模環(huán)境下的單目視覺SLAM做好算法上的鋪墊。 (3)研究考慮成本的主動視覺SLAM,避免當(dāng)前視覺SLAM研究中,只考慮采取某一行為的收益而忽略為獲得該收益所付出代價的不足,促進主動視覺SLAM的完善與