欢迎来到天天文库
浏览记录
ID:32468555
大小:4.59 MB
页数:53页
时间:2019-02-06
《基于立体视觉里程计的移动机器人定位研究》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库。
1、武汉科技大学硕士学位论文第1页摘要移动机器人要在未知环境中实现自主导航就必须具备定位与构图的能力。定位是机器人导航最基本的环节。近年来,随着计算机视觉技术的发展,基于视觉的机器人定位技术正在快速的发展。视觉具有信息量大、特征丰富、适应范围广等特点,可以为解决机器人定位问题提供良好的信息来源。丰富的信息也给视觉定位带来了很多的问题,要求算法具有较好的实时性和相当的鲁棒性。本文系统的研究了基于立体视觉里程计的移动机器人定位技术,对其具体的实现方法与步骤进行了深入的分析和研究,并进行了必要的实验以验证算法的正确性与有效性。首先,介绍了机器人定位技术,并在此基础上对视觉里程计定位技术的
2、研究意义及国内外发展现状进行了阐述。同时,讨论了双目立体视觉的相关问题,包括其研究内容;发展现状;成像基本原理;摄像机模型及极线几何原理。其次,分析了几种常见的特征提取算法,着重研究了sIFT特征提取算法,探讨了基于BBF的最近邻搜索的匹配策略,并通过实验验证了SIFT算法的鲁棒性。比较了Hams角点提取算法与SIFT特征提取算法,实验结果表明SIFT算法更适合用于视觉里程计系统中。最后,研究了基于立体视觉里程计的移动机器人定位算法及其实现,提出了基于最小平方中值定理的立体视觉里程计算法。算法通过特征匹配和特征跟踪得到路标点的三维信息,并结合最小平方中值定理进行运动估计,得出了
3、机器人的位姿信息,实验表明该方法具有较好的定位效果。关键词:视觉里程计;SIFT;最小平方中值定理;运动估计;定位;移动机器人第1I页武汉科技大学硕士学位论文AbstractLocalizationandmappingareimportantabilitiesforanyrobottohaveifitwantstonavigateintelligentlyinunknownenvironment.Localizationisthebasisfornavigationofmobilerobots.Recently,withthedevelopmentofcomputervisio
4、n,visionbased10calizationtechniquesofmobilerobotsaredevelopingrapidly.Withthelargeinformation,richfeaturesandwideadaptive,visionCanprovideagoodsourceofinformationtosolvethelocalizationproblemsofmobilerobots.Buttherichinformationalso晡ngalotofproblems.Sothealgorithmshouldhaveagoodreal—timeandc
5、onsiderablerobustness.Thispaperfocusesonkeytechniquesoflocalizationformobilerobotsbasedonthevisualodometeralgorithm.Thespecificmeasuresandstepsofthealgorithmareanalyzedandresearchedindepth,andthenecessaryexperimentsareeat'fledouttoverifythecorrectnessandeffectivenessofalgorithms.Firstly,thet
6、echniquesofrobotlocalizationareintroduced.Andthenthispapergivesthesummarizeoftheresearchsignificanceandthestateoftheresearchathomeandabroad.Inplus,therelatedissuesofbinocularstereovisionarediscussed,including:theresearchcontent;presentsituation;thebasicprinciples;cameramodelandtheprincipleof
7、epipolargeometry.Thirdly,somecommonfeatureextractionalgorithmsareanalyzed,SIFTfeaturedetectingalgorithmisfocusedon,matchingtacticsbasedonBBFnearestsearchapproachareexplored.Inaddition,someexperimentsareimplementedtoprovetherobustnessoftheSIFTalgori
此文档下载收益归作者所有