基于ORB關(guān)鍵幀閉環(huán)檢測算法的SLAM方法研究.pdf

1、在未知環(huán)境下，機器人通過傳感器獲取外部環(huán)境信息，實現(xiàn)位姿估計并增量式地構(gòu)建環(huán)境模型，進而確立自身的全局位置，上述過程稱為機器人同時定位與地圖構(gòu)建(Simultaneous Localization and Mapping，SLAM)。SLAM問題是目前機器人研究熱點之一，對實現(xiàn)機器人任務(wù)規(guī)劃、自主控制具有重要的理論意義和應(yīng)用價值。
　　基于圖優(yōu)化方法的RGB-D SLAM系統(tǒng)框架采用RGB-D傳感器，可在獲取彩色圖像的同時得到環(huán)境

2、深度信息，減少三維重構(gòu)計算開銷，因而受到了廣泛研究與應(yīng)用。SLAM系統(tǒng)框架中的閉環(huán)檢測可校正傳感器誤差與配準(zhǔn)錯誤，是減少地圖定位漂移，提高地圖一致性，實現(xiàn)健壯SLAM的重要算法。
　　本文基于ORB關(guān)鍵幀閉環(huán)檢測算法，實現(xiàn)了一種健壯、實時的RGB-D SLAM系統(tǒng)框架，本研究主要工作和成果如下：
　　首先，詳細(xì)介紹了RGB-D傳感器的成像原理及內(nèi)外參數(shù)模型，標(biāo)定基本原理。通過彩色相機與深度相機標(biāo)定，相機坐標(biāo)變換實現(xiàn)彩色與深度

3、相機的視角標(biāo)齊，為后續(xù)特征匹配、幀間配準(zhǔn)提供視角一致的小畸變圖像信息；
　　其次，對特征點檢測算法進行了研究，分析對比SIFT、FAST特征檢測算法及SIFT、BRIEF特征描述子方法。為滿足 SLAM實時性強的系統(tǒng)特性，研究并改進基于 FAST特征檢測與BRIEF特征描述的ORB算法，增強了圖像特征匹配的旋轉(zhuǎn)不變性與實時性；
　　再次，系統(tǒng)地研究了基于圖優(yōu)化的SLAM方法。提出一種基于ORB關(guān)鍵幀閉環(huán)檢測的改進SLAM系統(tǒng)

4、框架，建立了關(guān)鍵幀閉環(huán)匹配算法與SLAM之間的關(guān)系；
　　然后，分析了特征檢測與描述子建立、幀間配準(zhǔn)、位姿變化估及閉環(huán)檢測等算法對SLAM實時性與魯棒性的影響。系統(tǒng)前端通過ORB算法加快了圖像特征點檢測與描述子建立速度；結(jié)合相機小孔模型與深度信息，將二維圖像轉(zhuǎn)換為三維彩色點云；通過隨機采樣一致性(RANSAC)與最近迭代點(ICP)相結(jié)合的RANSAC-ICP算法，實現(xiàn)機器人在初始配準(zhǔn)不確定的條件下精確位姿估計?；?ORB關(guān)鍵幀

5、詞袋閉環(huán)檢測算法將關(guān)鍵幀的特征點聚類成為字典，根據(jù)字典單詞間的相似度判斷是否形成場景閉環(huán)，修正位姿錯誤。通過閉環(huán)檢測可減少地圖冗余結(jié)構(gòu)，生成具有一致性的地圖；
　　最后，通過標(biāo)準(zhǔn)測試數(shù)據(jù)集，以幀間配準(zhǔn)速度及絕對軌跡誤差(ATE)的均方根值(RMSE)為評價標(biāo)準(zhǔn)，對改進 SLAM系統(tǒng)的實時性與魯棒性進行評價。與傳統(tǒng) RGB-D SLAM系統(tǒng)框架結(jié)果進行了對比，結(jié)果驗證了本文提出的改進 SLAM方法的可行性和有效性；最后，搭建移動機器