摘要
SLAM(Simultaneous localization and mapping，即时定位与地图构建)是指利用自身所携带的传感器获取移动机器人所在环境的三维空间模型和机器人的运动轨迹。视觉SLAM技术随着图像处理与机器视觉的发展，逐渐成为实现移动机器人自主导航的关键技术之一。 本文针对移动机器人同时定位与地图构建中存在累积误差的问题，提出利用双目视觉与惯导(Inertial measurement unit，即IMU)信息融合的位姿估计与优化算法，提高了移动机器人位姿估计和地图构建的准确性与鲁棒性。本文的主要工作和成果如下： 1.针对双目视觉与惯导信息融合的SLAM系统中特征点的尺度问题，本文利用双目立体相机的视差原理获取空间特征点的深度信息。同时，利用 ORB 特征提取与匹配算法对图像的特征点进行描述，最后采用随机抽样一致性算法剔除误匹配，该方法不仅提高了特征描述与提取的速度，而且提高了特征匹配的准确率。 2.针对双目视觉与惯导信息融合的SLAM系统中惯导的偏差及噪声问题，本文提出利用双目视觉计算的初始位姿信息与IMU的预积分模型，初始化IMU的偏差与速度。由于使用双目相机可计算特征点的深度信息，因此IMU初始化过程中的计算复杂度将会减小。 3.针对双目视觉与惯导信息融合的SLAM系统中移动机器人位姿的准确性问题，本文提出利用双目视觉位姿估计算法EPnP(An Accurate O(n) Solution to the PnP Problem)算法，估计移动机器人的位姿，并在位姿优化中增加IMU预积分的约束，使移动机器人估计的位姿更加准确。 4.针对检测回环及回环优化的问题，本文采用基于视觉词袋模型(bag-of-words,即BoW)的闭环检测算法检测关键帧间的相似度，该方法提高了回环检测的效率与准确度。同时，根据回环检测的结果，利用图优化算法进行全局优化减小移动机器人累积的漂移误差。 最后，对全文进行总结，并对进一步的研究提出一些展望。
NETL