基于圖優(yōu)化的單目視覺SLAM技術(shù)研究.pdf

1、機器人同步定位與建圖（簡稱SLAM）技術(shù)是機器人實現(xiàn)定位的主流研究方法。隨著傳感器和計算機視覺等技術(shù)的發(fā)展，視覺傳感器越來越多的被裝備到機器人上。單個攝像頭具有性價比高，結(jié)構(gòu)簡單，適用范圍廣等優(yōu)點，因此單目視覺SLAM方法受到越來越多的關(guān)注和研究。單目視覺SLAM方法主要分為基于濾波器的方法和基于圖優(yōu)化的方法，前者計算復(fù)雜度較高，無法滿足實時性要求，因此，本文主要研究基于圖優(yōu)化的單目視覺SLAM方法。
　　并行跟蹤，局部建圖和回環(huán)

2、檢測的單目視覺SLAM方法（ORB-SLAM）是目前比較完備和可靠的方法，本文對其進行了研究和實驗，并針對其中的一些問題進行了改進。ORB特征檢測算法只對一定范圍內(nèi)的旋轉(zhuǎn)和尺度變化具有不變性，因此本文設(shè)計了評估實驗對各種特征檢測算法進行評測，找到了性能最佳的適合在單目視覺SLAM中使用的特征檢測算法。特征的數(shù)目和分布對跟蹤效果和相機姿態(tài)估計會產(chǎn)生影響，穩(wěn)定的特征數(shù)目和均勻的特征分布會使算法更加魯棒，本文設(shè)計了一種可以控制特征點提取的數(shù)目

3、，并且使特征點在圖像中盡量均勻分布的算法。在地圖的初始化和局部建圖中生成新的地圖點時，ORB-SLAM使用的是線性三角化方法（簡稱LS算法），該方法生成的地圖點的位置有可能不準(zhǔn)確，本文將其改進為迭代的三角化方法（簡稱It-LS算法）。因為本文改進的特征檢測算法使用的特征描述子為FREAK，因此將改進后的SLAM方法簡稱為FREAK-SLAM。針對以上改進，本文設(shè)計了相關(guān)的實驗來進行驗證。
　　本文在室內(nèi)、室外環(huán)境下對 FREAK-