摘 要

SLAM (Simultaneous Localization And Mapping)，实时定位与地图构建系统，SLAM所表示的中心思想可以这样描述：当一个机器人处在一个陌生的区域地理环境中的时候，它从任意一个未知地理方位的位置出发开始行驶，在这个行驶的过程中，机器人可以根据它自身所携带的传感器来进行自身位置的实时定位，在这个实时定位的同时可以自主的构建出自身所在区域环境的地图模型，这就是自主移动机器人的实时定位与地图构建系统。SLAM 以其卓越的性能成为众多科研者追捧的技术之一，随着对SLAM技术研究的不断深入，SLAM技术正逐渐从实验室的“婴儿”状态走向实际应用中的“成人”状态。在当前众多解决SLAM问题的算法中，ORB-SLAM在2015年被提出^[1]，这个算法是基于图像ORB特征的三维定位与地图构建算法，在PTAM架构的基础上添加了地图初始化和闭环检测的功能，并且对关键帧的选取和地图的构建进行了优化，在运行速度、地图呈现效果等方面具有突出的优势特点。

ORB-SLAM可以实时进行运行，对室内和室外环境具有较好的适用性。同时它的鲁棒性效果非常好，对剧烈运动的图像也能很好的进行处理，此外该系统具有所有SLAM解决方案共同的功能效果：追踪，地图构建和回环检测。本文主要研究了经典视觉SLAM系统的经典框架，并对ORB特征做了深入研究分析，最后实现了基于ORB特征算法的实时地位与地图构建系统的设计。

关键词：自主移动机器人，视觉SLAM，ORB特征，实时地位与地图构建

Abstract

SLAM (Simultaneous Localization And Mapping), real-time positioning and map building system, SLAM expressed the central idea can be described as: when a robot in a strange geographical environment, it from any unknown geographical location Began in the process, in this process of driving, the robot can carry its own sensors to carry out their own location in real-time positioning, in this real-time positioning at the same time can independently build their own regional environment map model, which is autonomous mobile Robot Real - time Location and Map Construction System. SLAM is one of the many sought-after technologies for its outstanding performance. With the deepening of SLAM technology research, SLAM technology is gradually moving from the "baby" status of the laboratory to the "adult" state in practical application. In the current algorithm to solve the SLAM problem, ORB-SLAM is proposed in 2015 [1], this algorithm is based on the image ORB feature of the three-dimensional positioning and map building algorithm, based on the PTAM architecture to add the map initialization and closed-loop detection And the selection of key frames and the construction of the map are optimized, and the advantages of running speed, map presentation and so on have outstanding advantages.

ORB-SLAM can run in real time and has good applicability to indoor and outdoor environments. At the same time, its robustness is very good, and the images of strenuous motion can be handled well. In addition, the system has the common functional effects of all SLAM solutions: tracking, map building and loopback detection. This paper mainly studies the classical framework of classical visual SLAM system, and makes an in-depth study and analysis of ORB characteristics. Finally, it realizes the design of real-time position and map construction system based on ORB feature algorithm.

Key Words：Autonomous mobile robots, visual SLAM, ORB features, simultaneous positioning and map building

目录

摘 要 I

Abstract II

第1章 绪论 1

1.1 研究背景及意义 1

1.1.1 研究背景 1

1.1.2 研究意义 1

1.2 国内外研究现状分析 2

1.3 主要研究内容及技术方案 2

第2章 视觉SLAM系统分析 4

2.1 视觉SLAM框架 4

2.1.1 视觉里程计 4

2.1.2 后端优化 5

2.1.3 回环检测 6

2.1.4 建图 7

2.1 SLAM实现编程基础 8

第3章 SLAM图像特征提取 9

3.1 常用图像特征提取算法 9

3.2 ORB特征及其特点 10

3.2.1 特征点提取 10

3.2.2 特征点描述 11

3.3 ORB特征匹配 12

第4章 ORB-SLAM系统设计及实现 14

4.1 传统ORB-SLAM系统概况 14

4.2 基于改进ORB的SLAM系统架构 15

4.3 改进ORB-SLAM系统的实现 16

4.3.1 图像到点云的实现过程 16

4.3.2 特征提取与匹配过程 18

4.3.3 点云的拼接 21

4.3.4 视觉里程计的实现 22

4.3.5 图优化及回环检测 23

第5章 研究总结与展望 24

5.1 研究总结 24

5.2 研究展望 25

参考文献 26

致谢 27

第1章 绪论

1.1 研究背景及意义

1.1.1 研究背景

在冷战时期，美苏两个超级大国在各个领域均展开不同程度的竞争，尤其是在太空领域进行了暗自的较量，两国为实施月球登陆探测计划，投入了巨额资金相继展开自主移动机器人的研制工作，并把机器人真正投入实际的应用当中。自主移动机器人是多门科学技术的大综合，在它身上集合了多种功能，例如它具有对周围环境进行感知的能力，并且能根据环境的动态变化时刻做出相应的规划和决策，并且对人类相关的指令具有控制和执行的能力^[1]。智能移动机器人是当今世界科学领域重点研究的对象与热点之一，在它身上结合了传感器科学、信息处理与通信技术、自动化控制以及人工智能技术等多领域科学知识。伴随着科学的不断发展与进步，智能机器人的性能也更加具有多样性与丰富性，它们的应用范围也不仅仅局限于国防军事领域，其逐步扩大到各行各业，例如工农业、医疗行业以及餐饮服务行业等，因为移动机器人技术对国家战略安全以及国民经济的发展的重要作用，使得其越来越成为国家科技发展中优先考虑的对象之一。

对于一个自主移动机器人来说，怎么样使它在一个没有经历过的地域环境中，能凭借自己对环境位置估计，再加上从前端传感器获得的数据，结合前面所述搭建出自己在某个地域环境中的实时地图，也就是现在常说的移动机器人同时定位与建图（SLAM），这个问题是所有从事机器人研制与开发的科技工作者共同关心的问题之一，而且这也是一个移动机器人实现智能化、自主化的极其重要的关键之一^[3]，本文就如何实现SLAM问题进行了深入的分析与探究。