摘 要

目前，仓库的种类繁多，各式各样的仓库规模也越来越大，在仓库的工作强度也随之加强，对于仓库巡检工作人员的技术要求也在提高，如果有丝毫差错的疏忽，这将会导致各种安全事故的发生。而巡检机器人的出现则使得整个仓库的巡检工作变得更加安全，它不仅可以准确的按照规定的时间和工作要求来完成仓库巡检，还可以在一些高温、寒冷、狭小、高空等巡检人员不方便工作的环境进行巡检，保障巡检工作人员的安全，提高巡检工作的效率。而巡检机器人主要依靠视觉SLAM系统来完成工作。因此，为了防止事故的发生，提出一种可以用于高效率仓库巡检的视觉SLAM系统是必不可少的。

本文改进了传统的点线综合特征的SLAM系统，提出了一种基于信息熵的点线特征融合的视觉SLAM系统。论文的主要研究成果如下：

首先，基于KinectV1相机提出了基于信息熵的点线特征融合的视觉SLAM系统框架。主要包括KinectV1传感器信息读取、前端视觉里程计、后端非线性优化、回环检测和空间地图创建等5个模块。

其次，针对在仓库巡检下的视觉SLAM问题，在视觉里程计的特征提取阶段提出了一种基于信息熵的自适应特征提取策略，让SLAM系统可以识别高低纹理环境，当移动机器人运动到高纹理环境时提取和匹配点特征，运动到低纹理环境时提取和匹配线特征。

最后，在数据集仿真环境下对本文提出的基于信息熵的点线特征融合视觉SLAM系统的性能进行评估。实验表明，本系统具有良好的定位精度。

关键词：巡检机器人；点线特征；自适应特征提取策略

Abstract

At present, there are many kinds of warehouses, and the scale of all kinds of warehouses is getting larger and larger. The work intensity in the warehouse is also strengthened. The technical requirements for the warehouse inspectors are also improving. If there is any negligence, it will lead to various safety accidents. The appearance of inspection robot makes the inspection work of the whole warehouse more safe. It can not only complete the inspection of the warehouse accurately according to the specified time and work requirements, but also conduct inspection in the environment where the inspectors are inconvenient to work, such as high temperature, cold, narrow and high altitude, so as to ensure the safety of the inspectors and improve the effectiveness of the inspection work. Therefore, in order to prevent accidents, it is necessary to propose a visual slam system which can be used for high efficiency warehouse inspection.

This paper improves the traditional slam system of point line feature synthesis, and proposes a vision slam system of point line feature fusion based on information entropy. The main research results are as follows:

Firstly, based on kinectv1 camera, a vision slam system framework based on information entropy point line feature fusion is proposed. It mainly includes five modules: kinectv1 sensor information reading, front-end visual odometer, back-end nonlinear optimization, loop detection and spatial map creation.

Secondly, aiming at the problem of visual slam in warehouse inspection, an adaptive feature extraction strategy based on information entropy is proposed in the feature extraction stage of visual odometer, which enables the slam system to recognize the high and low texture environment, extract and match point features when the mobile robot moves to the high texture environment, extract and match line features when it moves to the low texture environment.

Finally, the performance of the proposed point line feature fusion vision slam system based on information entropy is evaluated in the data set simulation environment. Experiments show that the system has good accuracy.

Key Words：inspection robot; point line feature; adaptive feature extraction strategy

目 录

摘 要 I

Abstract II

第1章 绪论 1

1.1课题研究背景和研究意义 1

1.2 视觉SLAM的国内外研究现状 2

1.3 基于点线特征的视觉SLAM研究概述 4

1.4 本文的整体结构 5

第2章 视觉SLAM相关理论背景 7

2.1 视觉SLAM的基本原理与框架 7

2.2 相机模型 8

2.2.1 针孔相机模型 8

2.2.2 相机的畸变模型 9

2.3 基于李群与李代数的位姿估计 11

2.3.1 相机的旋转与平移变换 11

2.3.2 李群与李代数 12

2.4 本章小结 13

第3章 基于点线特征的视觉SLAM系统 14

3.1 系统框架概述 14

3.2 视觉SLAM系统中的线特征 15

3.2.1 线特征的提取 15

3.2.2 线特征的描述与匹配 16

3.2.3 线特征的参数化表示与投影模型 17

3.3 基于信息熵的自适应特征提取与融合策略 19

3.3.1 自适应阈值的确定 19

3.3.2 基于自适应阈值的特征提取 21

3.4 本章小结 22

第4章 实验结果分析 23

4.1 实验仿真环境 23

4.2 实验结果分析 23

4.3 本章小结 26

第5章 总结 27

致 谢 28

参考文献 29

第1章 绪论

1.1课题研究背景和研究意义

近年来，随着科学技术的高速发展，人们在传感器技术、计算机技术以及人工智能技术等研究领域所取得了重大突破，移动机器人在自动化与智能化的方向上取得了优秀的成果，移动机器人成为人工智能、计算机、传感器等技术的应用热点。移动机器人现今不仅可以用于自动化仓库、无人配送等物流行业中，还在航空航天、医疗服务等领域中有着广泛的应用前景。由此可知，研究移动机器人的相关技术将是推动社会发展的一个重要方向。如图1.1(a)所示，是由斯坦福大学于1969年研发的世界上第一台实现人工智能的移动机器人Shakey ^[1]，能够通过自身所搭载的摄像机、三角测距仪等传感器实现自主导航和路径规划功能。如图1.1(b)所示是一种利用了无轨激光导航，实现电力物资仓库的巡检工作的巡检移动机器人，不仅提高了仓库巡检的准确性和实时性，而且减少了安全事故的发生。