论文部分内容阅读
移动机器人广泛应用于室内仓储、室外运输等各个场景,而视觉实时定位和建图技术(Visual Simultaneous Localization and Mapping,Visual SLAM)是移动机器人感知未知环境必不可少的一个重要环节。本文研究的是移动机器人在动态场景中的定位方式、交通标志物的语义稠密重建和相机轨迹的闭环矫正三个内容。目的是利用语义信息使得机器人能够更好的处理动态场景中的定位问题,并完成对特定交通标志物的三维语义重建,最后利用重建的结果进行相机轨迹的闭环校正从而提高视觉SLAM系统的整体精度。准确的位姿估计是机器人能够进行准确建图的前提。目前大多数视觉SLAM算法在静态场景中都能进行正确的位姿估计,但是当场景中存在运动的物体时,系统的定位精度会出现巨大的误差。为了解决这一问题,本文首先利用语义分割的图片识别出潜在的运动物体,然后构建基于光流法的动态物体识别模型,并将该模型融入到视觉SLAM系统之中,接着利用公开数据集验证该方法的有效性。实验结果表明该方法能够提高视觉SLAM系统在动态场景中的定位精度和鲁棒性。构建可以复用的地图是视觉SLAM重要的应用场景之一,为了重建可复用的语义地图,本文提出了一种基于平面拟合的交通标志物稠密重建算法。首先利用图片的语义信息和视觉SLAM系统生成半稠密的语义地图,同时利用匈牙利算法在语义图片上进行多目标追踪,然后利用半稠密的语义地图和多目标追踪的结果对七种平面状的交通标志物进行稠密重建。重建的地图可以为后续的机器人导航、轨迹闭环矫正等功能提供丰富的先验信息。最后,由于基于直接法的视觉SLAM系统在位姿估计的过程中不提取特征点,因此这类SLAM系统没有闭环矫正的功能,本文利用重建的语义地图弥补了这一缺陷。通过距离阈值初步判断闭环候选帧,然后将语义地图转换为图模型以加速闭环候选帧的选取,最后用迭代最近点算法和位姿图完成闭环矫正。该算法可以帮助上述SLAM系统消除长时间运行下造成的累计误差,从而提高系统的整体精度。总之,本文改进了传统视觉SLAM系统的定位精度和建图效果。识别运动物体和轨迹闭环矫正算法使系统的定位更加准确,交通标志物重建算法帮助机器人构建了一种可以复用的语义地图,这为室外自动驾驶场景中的地图重建提供了一种全新的思路。