面向动态环境的视觉SLAM方法研究

作     者：尚徐碧玥 

作者单位：西安工业大学 

学位级别：硕士

导师姓名：田军委

授予年度：2024年

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

主      题：视觉SLAM 动态物体 特征匹配 目标检测网络 位姿估计 

摘      要：在中国制造2025发展战略规划的推动下移动机器人深受市场青睐,使得其广泛应用在车间搬运及巡检、公众场合便捷服务、环境卫生自动清扫等诸多领域中。搭载在移动机器人上的同步定位与建图(SLAM)系统在实际环境中,时常因动态物体的影响而导致SLAM系统的定位精度低,严重时会使相机定位姿位失败,基于此提出一种YOLO动态目标检测网络与光流法相结合的RDFP-SLAM系统,改善动态环境中系统定位精度,增强移动机器人定位的准确性和稳健性。本文主要完成工作如下: 1)针对动态视觉SLAM系统的相机运动轨迹估计问题,本文利用空间坐标系之间的转换关系确定动态视觉SLAM系统需要相机成像模型,并且针对相机成像结果存在的偏移误差采用畸变矫正处理,再结合李群-李代数优化和非线性优化方法完成相机位姿的求解及误差优化;另外,进行相机标定实验,结果显示相机的重投影误差在±0.5像素值范围内,验证了相机采集图像的准确性,以便相机位姿估计的顺利进行。 2)针对视觉SLAM系统在动态环境下相机位姿估计出现偏差和地图存在重影的问题,本文提出在跟踪线程中通过目标检测网络YOLO对相机获取的图像进行动态物体的检测,得到检测框中的预期动态特征点,再利用光流法判断出锚框中真正的动态特征点并剔除,剩余的静态特征点参与位姿估计,达到优化相机运动轨迹和建图的目的。 3)针对系统前端出现的相机误差累计及稀疏地图难以满足导航避障的问题,在后端优化中选择基于词袋模型的回环检测算法来减小系统积累误差,并通过回环一致性检测进行回环矫正,避免误检现象的出现;在地图构建中利用双目立体匹配中的算法和关键帧相机位姿,结合滤波方法优化点云结果,得到包含丰富环境纹理信息的全局稠密点云地图,然后利用内存占比较小的格式保存地图。 4)针对RDFP-SLAM系统验证问题,本文在公开数据集上大量进行RDFP-SLAM算法及其他动态算法的实验测试,并且基于搭建的移动机器人平台进行现实动态环境的实验测试,利用轨迹评估工具对RDFP-SLAM算法及其他动态算法进行性能评估,实现RDFP-SLAM系统不含动态物体且高精度稠密点云地图的构建。 综合实验结果可以得出结论:RDFP-SLAM系统时间消耗相较于大多数采用语义分割技术实现的动态SLAM系统有大幅度减少,且有效提升了动态环境下特征提取的精度。在相同的实验数据下与同类型动态系统比较得出RDFP-SLAM系统实时性最高提升了64.30%,定位精度最高提升了56.92%,因此RDFP-SLAM系统的定位结果和实时性均得到优化。另外,RDFP-SLAM系统构建的不含动态物体的稠密点云地图为移动机器人的导航避障提供了丰富的环境感知信息。