室外环境下视觉与惯导融合定位算法研究与实现.pdf

《室外环境下视觉与惯导融合定位算法研究与实现.pdf》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、硕士学位论文室外环境下视觉与惯导融合定位算法研究与实现RESEARCHANDIMPLEMENTOFVISUAL-INERTIALSLAMINOUTDOORINVIRONMENT向良华哈尔滨工业大学2018年6月国内图书分类号：TP242学校代码：10213国际图书分类号：621密级：公开工程硕士学位论文室外环境下视觉与惯导融合定位算法研究与实现硕士研究生：向良华导师：夏红伟教授申请学位：工程硕士学科：控制工程所在单位：航天学院答辩日期：2018年6月授予学位单位：哈尔滨工业大学ClassifiedIndex:TP242U.D.C:62

2、1DissertationfortheMaster’sDegreeinEngineeringRESEARCHANDIMPLEMENTOFVISUAL-INERTIALSLAMINOUTDOORINVIRONMENTCandidate：LianghuaXiangSupervisor：Prof.HongweiXiaAcademicDegreeAppliedfor：MasterofEngineeringSpeciality：ControlEngineeringAffiliation：SchoolofAstronauticsDateofDef

3、ence：June,2018Degree-Conferring-Institution：HarbinInstituteofTechnology哈尔滨工业大学工程硕士学位论文摘要移动机器人在未知环境下的自主导航是实现机器人智能的关键技术之一，而定位技术是自主导航的核心。针对基于视觉特征点的视觉定位与建图系统在特征点较少、相机移动过快以及图像不清晰等等情况下，定位系统会出现跟踪特征点丢失、鲁棒性变差、定位精度较低的问题，本文研究了在室外环境下通过紧耦合视觉信息与惯导信息，非线性优化的视觉-惯性同时定位与建图系统。本文首先研究了惯性导航系统

4、。描述了惯导姿态的表征，如旋转矩阵与欧拉角的相互变换，旋转矩阵与四元数之间的变换，以及欧拉角与四元数的互相转换。推导了姿态、速度、位移更新算法。其次研究了视觉SLAM算法。建立了相机针孔模型和畸变模型，通过张正友棋盘标定法标定双目相机得到左右目的内外参、畸变系数。根据提取的特征点存在大量的误匹配情况，选用随机抽样一致算法(RANSAC)方法去除误匹配的特征点，基于两帧间正确匹配图像特征点来进行运动估计。对运动估计出来的位姿与三维空间点进行非线性优化。非线性优化介绍了常用的高斯牛顿法、LM法及它们的区别，在本文中通过比较分析选用LM法。

5、针对视觉SLAM算法存在着特征点较少、快速运动等问题下定位系统会出现跟踪特征点丢失，研究了视觉与惯导融合定位算法。讨论了基于松耦合和紧耦合的视觉惯导融合定位方法优缺点，选用紧耦合的视觉惯导融合定位方案。为了解决IMU时间戳与相机的时间戳不一致的问题，利用预积分得到上一个关键帧到当前帧的IMU信息。引入一种IMU初始化方法，分步估计重力方向、速度、陀螺仪和加速度计的偏差。通过IMU的预积分测量值预测关键帧的初始位姿，并把惯导预积分的约束加入到非线性优化里。在后端优化中，在滑动窗口内非线性优化关键帧的位姿、地图点和IMU预积分，并更新IM

6、U的偏差．为了评估视觉惯导定位系统和视觉定位系统的有效性，在室外环境下做视觉与惯导融合实验。将双目视觉惯性模组、嵌入式板卡TX2和Turtlebot小车组成一整个移动平台，在室外测试场地分别进行了视觉定位实验和视觉惯导实验，实验和仿真结果表明视觉惯导定位系统相比视觉定位系统具有更高的精度和更好的鲁棒性，同时证明了这种视觉惯导定位方案的合理性。关键词：视觉惯导SLAM；视觉SLAM；室外环境；机器人I哈尔滨工业大学工程硕士学位论文AbstractAutonomousnavigationofmobilerobotinunknownenvi

7、ronmentisoneofthekeytechnologiestorealizeintelligenceofrobot,andthetechnologyoflocationisthecoreofautonomousnavigation.Basedonvisualfeaturepointsforsimultaneouslocalizationandmappingsystem,inthesituationoflessfeaturepoints,cameramovingtooquickly,andtheimageisnotclear,an

8、dsooncases,positioningsystemwillbetrackingfeaturepointloss,poorrobustness,lowpositioningaccuracy,thispaperstud