基于图像和激光点云融合的移动机器人SLAM算法研究

作     者：李东方 

作者单位：河南理工大学 

学位级别：硕士

导师姓名：赵俊伟;代军

授予年度：2022年

学科分类：08[工学] 080202[工学-机械电子工程] 080203[工学-机械设计及理论] 0802[工学-机械工程] 

主      题：同时定位和建图 联合标定 多传感器融合 图像特征 非线性优化 

摘      要：移动机器人在当今世界应用广泛,特别是疫情爆发后“非接触式机器人使用场景增加。SLAM(Simultaneous Localization and Mapping)算法作为基础技术完成机器人的定位和建图工作,是实现机器人自主移动的前提。应用单一传感器的SLAM算法存在鲁棒性差,定位精度低,而且在移动机器人长时间运动出现漂移现象,无法保证其在多种环境下长期稳定运行。为提高算法的鲁棒性和准确性,在视觉SLAM算法和激光SLAM算法的基础上,利用激光点云数据加强视觉SLAM算法完成定位和建图工作,具体研究内容如下:(1)针对相机和激光雷达的外参标定问题,提出了一种基于非线性优化的联合标定方法。首先通过棋盘格标定板得到单目相机的内参,然后同时在点云和图像中检测标定板的特征,根据点云检测特征点到图像的投影误差构建目标函数,将外参求解转化为最小二乘问题。最终通过基于列文伯格-马夸尔特的非线性优化算法,迭代求解得到最优外参。(2)深入研究了基于视觉的SLAM算法。首先,阐述了视觉SLAM系统模块组成以及各个模块的工作原理。前端模块从图像中提取特征以及在特征匹配过程中使用RANSAC算法剔除误匹配,根据3种特征点基本匹配情况估计相机运动。阐述了后端优化策略,包括根据重投影误差构建目标函数,使用基于非线性最小二乘的方法优化相机位姿,以及关键帧的选取策略。在回环检测环节研究如何构建词袋模型、计算图像相似度判断回环,最后在TUM数据集运行SLAM算法验证了优化和回环效果。(3)针对基于视觉SLAM算法在运动估计中存在的问题,结合激光雷达提出了改进方案。利用激光点云的数据为图像特征提供额外的深度信息来辅助单目相机完成运动估计。在帧间位姿估计过程中引入对极误差,根据特征点是否具有深度信息分别计算残差,利用特征点残差重新构建目标函数并对位姿进行迭代求解,增强SLAM算法前端的稳定性。其次,为降低优化问题的复杂度,采用基于关键帧的方法对位姿进行局部优化。最后,将改进前后的方法分别KITTI数据集和室外场景开展实验,相比于纯视觉SLAM算法,移动机器人轨迹误差下降52.7%。实验结果表明改进后的算法跟踪稳定,对环境具有较强适应性,实现了高精度的位姿估计和稠密建图。本文共用图41幅,表9个,参考文献72篇。