论文部分内容阅读
摘要：本文以加拿大Point Grey公司的Bumblebee2双目立体摄像机作为环境感知传感器,对移动机器人同时定位与地图构建问题(Simultaneous localization and mapping, SLAM)展开理论与实验研究。主要工作如下：首先,对摄像机成像模型、双目立体视觉三维重建方法、两视点几何理论知识及特征点提取(Harris, SURF)与匹配算法展开研究；利用MATLAB工具箱对双目立体视觉系统进行了标定；在已知极线几何约束的条件下,进行Harris特征提取与匹配及SURF特征提取与匹配实验；未知极线几何约束的条件下,利用Karlsruhe数据集中的两幅图像,进行Harris特征提取与匹配及SURF特征提取与匹配实验；最后对Harris算法与SURF算法进行了分析对比。其次,面向已知环境下移动机器人概率定位问题,基于5阶共轭无迹变换5th-order Conjugate Unscented Transform,5th CUT)与粒子滤波蒙特卡洛定位(Particle Filter Monte Carlo Localization, PF-MCL)理论,提出5阶共轭无迹粒子滤波蒙特卡洛定位(5th-order Conjugate Unscented PF-MCL, CUPF-MCL)算法。该算法利用5阶共轭卡尔曼滤波器精确设计粒子滤波器的提议分布,使机器人位姿估计达到5阶精度。通过仿真将CUPF-MCL与PF-MCL, EPF-MCL, UPF-MCL进行了性能对比,结果表明,CUPF-MCL一定程度上提高了移动机器人定位精度。再次,面向大尺度未知环境下移动机器人同时定位与地图构建问题,基于5th CUT及Rao-Blackwellized Particle Filter-SLAM(RBPF-SLAM)理论,提出Conjugate Unscented FastSLAM (CUFastSLAM)算法。主要特点如下：(1)利用共轭无迹粒子滤波器估计当前机器人状态的后验概率分布；(2)通过5阶共轭无迹卡尔曼滤波器更新重复观测的环境路标；(3)对新观测路标的估计精度达到5阶非线性。通过仿真将CUFastSLAM与FastSLAM2.0及UFastSLAM进行性能对比。结果表明CUFastSLAM表现出较FastSLAM2.0和UFastSLAM优越的性能。最后,在CUFastSLAM框架下,利用Bumblebee2双目摄像机采集的图像,对同时定位与地图构建进行实验验证。结果表明,该算法不仅在理论方面具有优越性,在实际应用中也为SLAM研究提供了有价值,有意义的参考。