资源描述：
《室内环境下结合里程计的双目视觉slam研究》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。
1、466西安理工大学学报JournalofXi.anUniversityofTechnology(2009)Vo.l25No.4文章编号:1006-4710(2009)04-0466-06室内环境下结合里程计的双目视觉SLAM研究1,211王晓华,傅卫平,苏立(1.西安理工大学机械与精密仪器工程学院,陕西西安710048;2.西安工程大学电信学院,陕西西安710048)摘要:针对视觉SLAM要解决的定位精度低和鲁棒性低的问题,提出一种基于双目视觉传感器与里程计信息的扩展卡尔曼滤波SLAM方法,应用改进的SIFT算子提取双目视觉图像的环境特征获得
2、特征点,并构建出视觉特征地图;应用扩展卡尔曼滤波算法融合视觉信息与机器人位姿信息,完成同时定位与地图创建。这种方法既可以解决单目视觉利用特殊初始化方法获取特征点信息不准确的问题,也可以避免双目视觉里程计利用图像信息恢复运动带来的计算量极大和运动估计不鲁棒的缺点。仿真实验表明,在未知室内环境下,算法运行稳定,定位精度高。关键词:SLAM;双目视觉;里程计;SIFT;扩展卡尔曼滤波中图分类号:TP24文献标识码:AResearchonBinocularVisionSLAMwithOdometerinIndoorEnvironment1,211WA
3、NGXiao-hua,FUWe-iping,SULi(1.FacultyofMechanicalandPrecisionInstrumentEngineering,Xi.anUniversityofTechnology,Xi.an710048,China;2.CollegeofElectronicandInformation,Xi.anPolytechnicUniversity,Xi.an710048,China)Abstract:Withtheaimofsolvingthelowpositioningaccuracyandlowrobust
4、nessproblemsofvisionSLAMalgorithm,ExtendedKalmanFilter(EKF)methodbasedonbinocularvisionandodometerispro-posedinthispaper.FeaturepointcanbeobtainedbyextractingimagefeatureswithimprovedSIFTalgo-rithm,andthevisionfeaturemapisconstituted.SLAMiscompletedbyusingtheinformationofbi
5、nocularvisionandrobotpositionwithEKF.Thismethodcaneithersolvethemonocularvisioninaccuracyprob-lemoffeaturepointinformationobtainedbyspecialinitializationmethodoravoidtheenormouscomputa-tionbroughtaboutbybinocularvisionodometerusingimageinformationtorestoremovementaswellasth
6、ein-robustdisadvantagesofmotionestimation.Theresultsfromsimulationexperimentsindicatethatintheunknownindoorenvironments,thisalgorithmoperationisstable,andthepositioningaccuracyishigh.Keywords:SLAM;binocularvision;odometer;SIFT;ExtendedKalmanFilter(EKF)[4][5]移动机器人在未知环境中进行同时定
7、位与地图SLAM和双目视觉SLAM。单目视觉传感器结创建(SimultaneousLocalizationandMapping,SLAM)合声纳和激光雷达等距离传感器实现SLAM,由于[1,2]是机器人研究领域的热点问题。传统的移动机单个CCD摄像头无法直接获得单幅图像的深度信器人大多应用声纳和激光雷达等距离传感器实现息,需要在标定摄像机内参数的基础上用特殊方法[6,7]SLAM,这些距离传感器的分辨率较低,在复杂的环获得特征点的三维坐标,存在定位精度不高的境中由于观测数据的高度不确定性导致很难取得理问题。双目视觉SLAM只单纯使用双目视觉传
8、感器[3][8,9]想的效果。视觉传感器采集到的图像信息包含实现SLAM,标定摄像机的内外参数后,可直接了丰富的环境信息,基于视觉信息完成SLAM逐渐从左右图像获得
