论文部分内容阅读
伴随着智能机器人产业的浪潮,机器人技术的需求和人才缺口正在迅速扩大。对于各式各样的移动机器人而言,建图与定位功能相辅相成,缺一不可。即时定位与构图(SLAM,Simultaneous Location and Mapping)技术,正是解决上述两大问题的关键所在,相应的技术在近些年也取得了长足的进步。目前主流的SLAM技术有两大方向,分别是激光SLAM与视觉SLAM。其中视觉SLAM因其价格低廉,可靠性高而被广泛应用。典型的SLAM系统包括前端、后端、回环检测、构建地图这四个核心模块。本文的关注点是前端部分,即视觉里程计(VO,Visual Odometry)。当前SLAM系统中VO模块通用的简易匹配算法在光照变化、物体遮挡、快速移动时候存在的前后关键帧匹配偏差较大的问题,本文针对该问题进行研究并提出新的算法来改进,并在主流框架上实现同时进行试验检验。图匹配在计算机视觉领域应用广泛,是求解许多基本问题的基础,常应用于行为分析,目标追踪等众多领域。图匹配问题主要解决的是对于两个图如何优化其节点之间的一致性关系。本文基于ORB(Oriented FAST and Rotated BRIEF)特征点,使用图匹配算法对视觉里程计运行中捕获的前后两帧图像充分挖掘结构信息。本文研究并完善了ORB-SLAM2算法框架,在其中增添了图匹配算法,使得该系统具备较高精度和鲁棒性。本文的主要理论基础与研究内容如下:(1)提出基于图匹配的VO算法。本文提出的算法结合了图匹配优异的抗干扰性,有效地将图像中的结构信息转化为图结构信息,整合关键点结构信息和描述子信息以及建立对应关系,并提出了一种融合策略。(2)将该算法应用于ORB-SLAM2算法框架。ORB-SLAM2算法框架是SLAM系统中主流的开源框架,包含了 SLAM全部模块,本文以其为基础对视觉里程计部分进行修改并新增图匹配算法部分,改进了前后帧匹配过程。提出了基于图匹配的VSLAM算法。(3)在多个公开的数据集上进行实验验证。将基于图匹配的VSLAM算法在TUM、KITTI、EuRoC数据库上进行实验,并与其他算法做了对比。实验结果表明,本文的算法在一般情况下提供了更精确和更稳健的轨迹,有明显的效果提升,以此证明了我们的算法在全面评估中的有效性。