雙目立體視覺SLAM研究.pdf

1、本文以加拿大Point Grey公司的Bumblebee2雙目立體攝像機作為環(huán)境感知傳感器，對移動機器人同時定位與地圖構(gòu)建問題(Simultaneous localization andmapping，SLAM)展開理論與實驗研究。主要工作如下:
　　首先，對攝像機成像模型、雙目立體視覺三維重建方法、兩視點幾何理論知識及特征點提?。℉arris，SURF）與匹配算法展開研究;利用MATLAB工具箱對雙目立體視覺系統(tǒng)進行了標定;在已

2、知極線幾何約束的條件下，進行Harris特征提取與匹配及SURF特征提取與匹配實驗;未知極線幾何約束的條件下，利用Karlsruhe數(shù)據(jù)集中的兩幅圖像，進行Harris特征提取與匹配及SURF特征提取與匹配實驗;最后對Harris算法與SURF算法進行了分析對比。
　　其次，面向已知環(huán)境下移動機器人概率定位問題，基于5階共軛無跡變換（5th-order Conjugate Unscented Transform，5th CUT）與

3、粒子濾波蒙特卡洛定位(Particle Filter Monte Carlo Localization，PF-MCL)理論，提出5階共軛無跡粒子濾波蒙特卡洛定位（5th-order Conjugate Unscented PF-MCL，CUPF-MCL）算法。該算法利用5階共軛卡爾曼濾波器精確設(shè)計粒子濾波器的提議分布，使機器人位姿估計達到5階精度。通過仿真將CUPF-MCL與PF-MCL，EPF-MCL，UPF-MCL進行了性能對比，結(jié)

4、果表明，CUPF-MCL一定程度上提高了移動機器人定位精度。
　　再次，面向大尺度未知環(huán)境下移動機器人同時定位與地圖構(gòu)建問題，基于5thCUT及Rao-Blackwellized Particle Filter-SLAM(RBPF-SLAM)理論，提出ConjugateUnscented FastSLAM(CUFastSLAM)算法。主要特點如下:(1)利用共軛無跡粒子濾波器估計當前機器人狀態(tài)的后驗概率分布;(2)通過5階共軛無跡

5、卡爾曼濾波器更新重復觀測的環(huán)境路標;(3)對新觀測路標的估計精度達到5階非線性。通過仿真將CUFastSLAM與FastSLAM2.0及UFastSLAM進行性能對比。結(jié)果表明CUFastSLAM表現(xiàn)出較FastSLAM2.0和UFastSLAM優(yōu)越的性能。
　　最后，在CUFastSLAM框架下，利用Bumblebee2雙目攝像機采集的圖像，對同時定位與地圖構(gòu)建進行實驗驗證。結(jié)果表明，該算法不僅在理論方面具有優(yōu)越性，在實際應(yīng)用中