基于RGB-D相机的室内移动机器人三维地图构建研究

《基于RGB-D相机的室内移动机器人三维地图构建研究》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、学校代号10532学号S150900774分类号TP391密级公开.硕士学位论文基于RGB-D相机的室内移动机器人三维地图构建研究学位申请人姓名孙健培养单位电气与信息工程学院导师姓名及职称余洪山副教授学科专业控制科学与工程研究方向图像处理与模式识别论文提交日期2018年5月10日学校代号：10532学号：S150900774密级：公开湖南大学硕士学位论文基于RGB-D相机的室内移动机器人三维地图构建研究学位申请人姓名：孙健导师姓名及职称：余洪山副教授培养单位：电气与信息工程学院专业名称：控制科学与工程论文提交日期：2018年5月10日论文答

2、辩日期：2018年5月23日答辩委员会主席：孙炜Researchon3DMappingofIndoorMobileRobotBasedonRGB-DcamerabySUNJianB.E.(WuhanInstituteofTechnology)2015AthesissubmittedinpartialsatisfactionoftheRequirementsforthedegreeofMasterofEngineeringinControlScienceandEngineeringintheGraduateSchoolofHunanUnive

3、rsitySupervisorAssociateProfessorYUHongshanMay,2018硕士学位论文湖南大学学位论文原创性声明本人郑重声明：所呈交的论文是本人在导师的指导下独立进行研究所取得的研究成果。除了文中特别加以标注引用的内容外，本论文不包含任何其他个人或集体已经发表或撰写的成果作品。对本文的研究做出重要贡献的个人和集体，均已在文中以明确方式标明。本人完全意识到本声明的法律后果由本人承担。作者签名：日期：年月日学位论文版权使用授权书本学位论文作者完全了解学校有关保留、使用学位论文的规定，同意学校保留并向国家有关部门或机构

4、送交论文的复印件和电子版，允许论文被查阅和借阅。本人授权湖南大学可以将本学位论文的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存和汇编本学位论文。本学位论文属于1．保密□，在年解密后适用本授权书。2．不保密□。(请在以上相应方框内打”√”)作者签名：日期：年月日导师签名：日期：年月日I基于RGB-D相机的室内移动机器人三维地图构建研究摘要高精度三维彩色点云地图可重现三维环境场景，是机器人室内定位导航，虚拟现实、增强现实的基础，同时也是人机交互的重要需求之一。将低成本RGB-D传感器用于室内移动机器人环境感知已成

5、为国内外研究热点之一。只有机器人具备了构建三维场景地图的能力，才可能更加自主的在环境中与人进行交互以及执行复杂任务，所以移动机器人三维地图构建是服务机器人迈向智能化的必要条件。点云配准和闭环检测是三维地图构建和机器人运动估计的关键步骤。RGB-D相机可获取稠密的深度信息和对应图像信息，但深度信息精度差、噪声多。因此通常提取匹配图像特征对应的三维点云以降低配准误差和计算量，但受制于场景图像特征的稀疏性。相对于基于空间点位置点云配准方法，三维正态分布变换(3D-NDT)算法将点云分成固定大小的网格体素，基于体素中点云的概率密度实现快速准确匹配，

6、但依赖于初值估计。随着点云地图规模的增大，点云配准不可避免的会产生累积误差，闭环检测对于减少机器人位姿累积误差，避免引入地图冗余变量建立全局一致地图至关重要,基于视觉词袋模型的闭环检测方法仅利用了环境图像特征，对重复结构的场景易引发“感知混淆”，继而导致闭环检测的误检率增加。三维点云地图缺乏对场景描述的高层信息，难以应用于机器人导航。针对以上存在的问题，本文提出了一种面向RGB-D相机的改进3D-NDT点云配准算法，通过自适应设置角点阈值提取特征，以保证场景图像特征稀疏时仍能提取足够特征点；引入运动平滑性约束和双向一致性检验实现误匹配特征点

7、对快速准确剔除；基于匹配特征点云采用PnP算法计算初始配准估计；由于点云位置和数量在空间随机分布，算法引入八叉树模型根据点云密度自适应划分网格体素，采用3D-NDT算法实现特征点云的精确匹配,有效提高了点云表面表达精度以及搜索效率。为克服仅依赖视觉特征的局限性本文建立了一种融合场景视觉特征和几何特征的词袋模型，提高不同环境下词袋模型的鲁棒性。为使机器人能够区分障碍物和可通行区域，对三维点云地图的地面点云进行提取，非地面点云进行聚类，然后将分割好的三维点云转化成八叉树数据结构的三维栅格地图，便于进行机器人进行避障和路径规划。实验表明，改进的点

8、云配准算法对环境的适应性、匹配精度和计算时间方面优于现有三维点云配准方案。与现有的基于视觉词袋模型的闭环检测方法进行对比，本文算法在较高召回率的情况下仍能保证较好的准确率。关键词