多传感器多特征融合的移动机器人视觉SLAM系统研究

作     者：刘隆辉 

作者单位：东莞理工学院 

学位级别：硕士

导师姓名：叶国良;刘智勇

授予年度：2024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] 0804[工学-仪器科学与技术] 0802[工学-机械工程] 

主      题：移动机器人 视觉SLAM 多传感器融合 点线特征融合 动态场景 

摘      要：移动机器人发展活跃、应用广泛,是拥有巨大前景的新兴领域。移动机器人发展的未来在智能化,其关键技术是同步定位与建图((Simultaneous Localization and Mapping,SLAM),因此契合移动机器人应用的视觉SLAM,近年成为学术的研究热点。为了提高视觉SLAM技术的鲁棒性和精度,拓宽其在移动机器人领域的应用场景,本文在多传感器和多特征融合的方向展开了深入研究。 为了验证研究工作的有效性,在使用开源数据集的基础上,设计并搭建移动机器人实验平台进行真实环境实验。该实验平台分为:以STM32为核心的运动控制系统、以高算力平台为核心的运算决策系统。同时搭载包含相机、激光雷达、IMU(Inertial Measurement Unit)和轮速计等传感器件,且完成内外参标定的环境感知系统。 面向静态场景,针对当前应用较多的基于特征的视觉SLAM算法存在的问题,分别从融合多传感器和融合点线特征两个方向进行了优化:针对基于点特征的单目视觉SLAM算法存在的尺度不确定性,纯旋转估计误差大等问题,设计融合单目相机、IMU和轮速计等传感器的优化算法。该算法充分考虑移动机器人各本体感受器件的特点,将IMU的陀螺仪信息和轮速计的速度信息融合构建联合预积分模型,然后结合视觉重投影模型构建优化问题进行位姿估计。针对移动机器人在稀疏纹理环境中,基于特征的视觉SLAM算法容易出现跟踪失败,精度下降的问题,设计融合点线特征的改进算法。通过短线剔除和近似线合并的策略优化线特征提取算法,提高后续线特征匹配速度和质量。同时在一些模糊关键图像帧进行运动模糊去除,保证算法在运动过快时的鲁棒性。实验表明,融合多传感器的方法和融合点线特征的方法对比领域内一些经典算法在鲁棒性和精度方面均有提升。同时对比二者实验结果发现,融合多传感器的方法虽然相对融合点线特征的方法,展现较优的鲁棒性和精度,但依赖于额外的传感器信息。融合点线特征的方法凭借对图像信息的充分处理和利用,仅凭单视觉传感器就对视觉SLAM算法的性能有了较强提升,但需要考虑实时性的问题。 面向动态场景,针对动态目标对视觉SLAM算法位姿估计影响过大的问题,在前文融合点线特征优化方法的框架下,提出结合语义特征的动态场景优化算法。首先提取环境语义特征并结合深度信息对语义特征进行筛选与修复,然后结合传统几何方法挑选真正的动态语义特征,最后将其上的点线特征进行剔除,利用静态特征进行位姿估计。实验表明,此方法在保证静态场景中鲁棒性的同时极大的降低了动态物体对视觉SLAM算法位姿估计的影响。