学位论文 > 优秀研究生学位论文题录展示

基于改进SIFT算法的移动机器人视觉定位研究

作　者: 郭金鑫
导　师: 陈卫东
学　校: 燕山大学
专　业: 电路与系统
关键词: 移动机器人视觉定位 SIFT算法 EKF-SLAM模型视觉路标
分类号: TP242.6
类　型: 硕士论文
年　份: 2011年
下　载: 124次
引　用: 0次
阅　读: 论文下载

内容摘要

随着移动机器人技术不断发展,在生产、生活等各个领域得到了广泛应用,很多国家的研究机构和大学里掀起了移动机器人研究的热潮。而移动机器人视觉定位是实现机器人智能化的关键技术之一,也是移动机器人研究中备受关注、富有挑战性的一个重要研究课题。首先,概述移动机器人的发展历程以及移动机器人视觉的研究现状,对移动机器人定位技术和地图创建进行研究,为了实现单目视觉移动机器人定位,采用一种尺度不变特征变换(SIFT特征)来描述环境,提取环境特征作为视觉路标,构建环境地图。其次,由于SIFT算法较高的时间复杂度,不能满足移动机器人定位的实时性,提出改进的SIFT算法,简化了特征描述子的生成过程。通过仿真实验验证了改进SIFT特征点同样具有尺度缩放不变性,旋转不变性和光照变化不变性等优良特性,并极大地缩减了SIFT算法的时间复杂度。最后,提出了基于改进SIFT特征点的EKF-SLAM定位模型,推导出移动机器人的运动模型和观测模型,实现移动机器人的精确定位。扩展卡尔曼滤波器是采用递推滤波方法,根据获得的测量数据由递推方程推出新的状态估计。对于非线性系统,扩展卡尔曼滤波是一个统计意义上的最优状态估计。SLAM在随机过程框架内,通过概率推演的方法实现移动机器人状态与环境路标状态的同时估计,被认为是实现全自主移动机器人的关键。最后通过实验结果验证了该方法的实时性和有效性。

全文目录

摘要  5-6
Abstract  6-10
第1章绪论  10-18
  1.1 引言  10-11
  1.2 移动机器人的发展历程  11-12
  1.3 移动机器人视觉的研究现状与存在的问题  12-15
    1.3.1 移动机器人视觉的研究现状  12-14
    1.3.2 移动机器人视觉存在的问题与发展方向  14-15
  1.4 论文的主要内容和组织结构  15-18
第2章视觉定位与地图创建  18-30
  2.1 视觉系统标定与摄像机模型  18-23
    2.1.1 小孔模型  18-19
    2.1.2 摄像机内参数模型  19-22
    2.1.3 摄像机外参数模型  22-23
  2.2 视觉定位技术  23-24
    2.2.1 定位的概念  23
    2.2.2 定位的基本方法  23-24
  2.3 环境建模与定位技术  24-29
    2.3.1 环境建模  24-25
    2.3.2 环境建模与定位  25-26
    2.3.3 地图创建与表示方法  26-29
  2.4 本章小结  29-30
第3章图像特征提取  30-44
  3.1 引言  30
  3.2 特征提取的方法  30-32
  3.3 SIFT 算法  32-41
    3.3.1 SIFT 算法的特点和算法流程  32-33
    3.3.2 构建尺度空间  33-37
    3.3.3 极值点检测  37-39
    3.3.4 极值点方向分配  39-40
    3.3.5 描述子特征向量的生成  40-41
  3.4 仿真实验与分析  41-43
  3.5 本章小结  43-44
第4章 SIFT 算法的改进研究  44-52
  4.1 PCA-SIFT 算法  44-45
  4.2 SURF 算法  45-46
  4.3 改进SIFT 算法  46-48
  4.4 仿真实验与分析  48-51
  4.5 本章小结  51-52
第5章基于改进SIFT 算法的EKF-SLAM 定位  52-66
  5.1 引言  52
  5.2 卡尔曼滤波算法  52-54
  5.3 扩展卡尔曼滤波算法  54-56
  5.4 EKF-SLAM 定位算法  56-64
    5.4.1 机器人的运动模型  57-59
    5.4.2 机器人的观测模型  59-61
    5.4.3 仿真实验与分析  61-64
  5.5 本章小结  64-66
结论  66-68
参考文献  68-73
攻读硕士学位期间承担的科研任务与主要成果  73-74
致谢  74-75
作者简介  75

基于改进SIFT算法的移动机器人视觉定位研究

内容摘要

全文目录

相似论文