论文部分内容阅读
在移动机器人领域,视觉 SLAM(Simultaneous Localization and Mapping)在过去的三十年已经成为越来越热门的研究课题。其中构建地图作为SLAM系统的重要内容一直备受国内外诸多学者的研究和关注,不同场景应用采用的地图形式不同,随着计算机视觉的发展,为了满足SLAM系统应用的需求,三维地图因其丰富的信息被普遍应用。ORB(ORiented Brief)-SLAM系统作为一个完善易用的现代化视觉SLAM系统,被广大研究者开发和使用,但其存在原始地图稀疏和无法保存地图信息的缺陷。本文主要工作如下:(1)在 ORB-SLAM 系统中,BA(Bundle Adjustment)占有重要地位,BA 优化本质上是一个非线性最小二乘求解问题,ORB-SLAM系统中采用LM(Levenberg-Marquardt)方法,该方法线性方程求解存在冗余,迭代收敛慢,效率低。本文引入稀疏BFGS(Broyden、Fletcher、Goldfarb、Shanno)非线性优化法用于BA问题的求解,并结合高斯牛顿法和LM法来逼近求解Hessian矩阵,使用雅克比矩阵和每次迭代的残差向量共同计算增益矩阵以更好地估计下降方向和步长,减少迭代次数,提高BA优化的效率。(2)构建三维地图对当前视觉SLAM发展非常重要,由于ORB-SLAM系统构建的是稀疏特征点地图,实用性不足。本文首先利用Kinect获取环境的彩色信息和深度信息,融合ORB-SLAM关键帧构建稠密点云地图,并实现稠密点云地图的本地化保存。然后,针对点云信息的冗余问题,利用八叉树地图实现地图数据的压缩和多分辨率表示。最后,引入基于几何一致性的平面提取方法,根据三维场景的平面正交性和平行性分割场景得到具有空间结构化的三维点云地图,从而构建层次化八叉树地图。本文从BA优化和地图构建两个角度优化ORB-SLAM系统,实验验证了基于稀疏BFGS的BA优化算法比ORB-SLAM采用的BA算法收敛更快,更具有鲁棒性;地图构建方面实现了真实场景下的三维稠密地图、八叉树地图以及层次化八叉树地图。