基于Kinect的室内地图构建与定位研究

《基于Kinect的室内地图构建与定位研究》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、分类号：密级：UDC：编号：河北工业大学硕士学位论文基于Kinect的室内地图构建与定位研究论文作者：刘国忠学生类别：全日制学科门类：工学学科专业：通信与信息系统指导教师：胡钊政职称：教授资助基金项目：国家自然科学基金(No.51208168)、河北省普通高等院校青年拔尖人才计划(No.BJ2014013).ThesisSubmittedtoHebeiUniversityofTechnologyforTheMasterDegreeofCommunicationandInformationSystemRESEARCHONINDOORMAPPINGANDLOCA

2、LIZATIONBASEDONKINECTbyLiuGuozhongSupervisor:Prof.HuZhaozhengMarch2017ThisworkwassupportedbyNationalNaturalScienceFoundationofChina(No.51208168)andTheYouthTop-NotchTalentPlanofHebeiDepartmentofEducation(No.BJ2014013).摘要同时定位与地图构建即SLAM（SimultaneouslyLocalizationandMapping）是移动机器人完成环境感

3、知和自主导航等工作的重要理论基础。近年来，随着计算机视觉的进步和传感器技术的发展，SLAM理论得以深入研究并取得了丰富成果，其中以视觉传感器为中心的视觉SLAM逐步成为当前移动机器人领域的研究热点。微软公司于2010年推出的Kinect传感器由于具备同时采集颜色信息和深度信息的优点，在机器人视觉与控制、体感操作等领域受到了高度关注。特别是对室内环境下的三维地图构建和定位工作，Kinect具有重要的研究价值和广泛的应用前景。三维重建、闭环检测和定位是视觉SLAM研究的基础问题，也是影响SLAM系统整体性能的关键技术，本文主要以这三项技术为出发点，针对基于Kin

4、ect的室内地图构建与定位展开研究，其研究工作主要有如下几方面：（1）首先针对图像SURF（Speeded-UpRobustFeatures）和ORB（orientedFASTandrotatedBRIEF）局部特征在特征点定位时计算速度慢的问题，研究了一种基于SURF和ORB可快速表征图像的全局特征，即将归一化的图像中心直接作为SURF和ORB的特征点位置，从而避免了繁琐的特征点定位过程，并且将图像直接作为特征点的邻域区域，把计算的局部特征描述符作为图像的全局特征，为SLAM研究的闭环检测工作打下良好的基础。其次，为了减少机器人运动累积误差，根据目前车载相

5、机或移动机器人渐进式采集数据的特点，构建了一种基于图优化的TwistedGraph模型，即对相隔一个位姿的前后两位姿（TwistedPoses）建立约束关系形成局部小回环。实验结果表明，通过引入Twisted约束能够修正传感器的移动轨迹，并使视觉地图构建的精度和质量得以改善。在此基础上，利用关键帧（Keyframes）对实验室和楼道场景进行点云拼接，最后以基于八叉树的OctoMap的形式展现地图。（2）针对目前主流的基于BOW（词袋）的闭环检测算法正确率低且实时性差的问题，实现了一种新型的准确且快速的闭环检测算法。首先提取查询图像的SURF与ORB全局特征。

6、然后依据跟踪模型计算查询图像在地图图像中的位置范围，并采用H-KNN（混合K最近邻）的改进算法WH-KNN（混合加权K最近邻）进行图像特征匹配，从而完成闭环检测。实验结果表明，该算法在特征提取时间和正确率上都超过了传统的基于BOW的闭环检测算法，可以准确快速地实现实时闭环检测。（3）利用Kinect传感器可同时采集彩色数据和深度数据这一优点，研究了一种基于多尺度的室内定位方法。多尺度定位包括基于图像尺度的粗定位和基于度量尺度I的细定位。首先对待定位图像和地图图像进行匹配，确定当前位姿与地图中最近位姿的相对位置。其次通过相对运动估计方法计算出当前位姿与地图最近

7、位姿的欧式距离。实验结果表明，该方法实用、实时性强并且具有较高的正确率。关键词：同时定位与地图构建机器人三维重建闭环检测多尺度定位IIABSTRACTSimultaneouslocalizationandmapping(SLAM)istheimportanttheoreticalbasisformobilerobottocompletethetaskofenvironmentalperceptionandautonomousnavigation.Inrecentyears,thetheoryofSLAMhasbeenstudieddeeplyandhasac

8、hievedfruitfulresultswitht