基于Kinect的密集視覺(jué)里程計(jì)SLAM算法研究.pdf

1、同步定位和地圖構(gòu)建(Simultaneous Localization and Mapping，SLAM)問(wèn)題是移動(dòng)機(jī)器人實(shí)現(xiàn)自主導(dǎo)航與避障的基礎(chǔ)。目前解決SLAM問(wèn)題大多采用基于濾波的方法和基于圖的方法。發(fā)展比較迅速的是基于圖的SLAM方法，其可分為前端、后端兩個(gè)部分，前端主要負(fù)責(zé)環(huán)境圖的構(gòu)建，后端負(fù)責(zé)環(huán)境圖的優(yōu)化。密集視覺(jué)里程計(jì)算法（Dense Visual Odometry SLAM）是一種基于圖的SLAM解決方案，與近幾年來(lái)比較

2、流行的基于視覺(jué)特征點(diǎn)的稀疏視覺(jué)里程計(jì)算法不同，密集算法充分利用了圖像的信息，密集視覺(jué)里程計(jì)算法是基于光的一致性假設(shè)的，即對(duì)于同一個(gè)世界點(diǎn)P，它在不同角度的照相機(jī)所拍得的圖像中的光照強(qiáng)度是一樣的。
　　首先，本文研究分析了目前的DVOSLAM（Dense Visual Odometry SLAM）方法的原理與流程。我們分別從原理上和實(shí)驗(yàn)結(jié)果中分析其復(fù)雜度及其實(shí)時(shí)性能，發(fā)現(xiàn)了其復(fù)雜度高、實(shí)時(shí)性能不夠好的問(wèn)題。所以本文經(jīng)過(guò)分析原DVO

3、SLAM方法找出了相應(yīng)的改進(jìn)部分，包括關(guān)鍵幀選擇、圖像預(yù)測(cè)和后端優(yōu)化這三個(gè)部分。
　　其次，本文針對(duì)原算法中的三種關(guān)鍵幀策略不能很好的平衡效率和性能之間關(guān)系的問(wèn)題，提出了一種新的基于有效像素點(diǎn)的策略來(lái)進(jìn)行關(guān)鍵幀的選擇。同時(shí)，針對(duì)原密集算法預(yù)測(cè)圖像精度不高的問(wèn)題，本文提出了一種更加精確的像素插值法運(yùn)用到算法中以提高圖像預(yù)測(cè)的精度。然后通過(guò)實(shí)驗(yàn)分析出原方法對(duì)于包含錯(cuò)誤閉環(huán)約束的數(shù)據(jù)集表現(xiàn)不好的原因，我們?cè)诤蠖藘?yōu)化部分采用能夠剔除錯(cuò)誤閉