基于Kinect的改进移动机器人视觉SLAM
针对传统ICP(iterative closest points,迭代最近点算法)存在易陷入局部最优、匹配误差大等问题,提出了一种新的欧氏距离和角度阈值双重限制方法,并在此基础上构建了基于Kinect的室内移动机器人RGB-D SLAM(simultaneous localization and mapping)系统.首先,使用Kinect获取室内环境的彩色信息和深度信息,通过图像特征提取与匹配,结合相机内参与像素点深度值,建立三维点云对应关系;然后,利用RANSAC(random sample consensus)算法剔除外点,完成点云的初匹配;采用改进的点云配准算法完成点云的精匹配;最后,在关键帧选取中引入权重,结合g2o(general graph optimization)算法对机器人位姿进行优化.实验证明该方法的有效性与可行性,提高了三维点云地图的精度,并估计出了机器人运行轨迹.
移动机器人、Kinect、同时定位与地图构建、迭代最近点算法、关键帧、随机采样一致性、位姿估计、三维重建
13
TP242.6(自动化技术及设备)
国家自然科学基金项目61673079;重庆市科学技术委员会资助项目cstc2015jcyjBX0066
2018-09-30(万方平台首次上网日期,不代表论文的发表时间)
共7页
734-740