1. 研究目的与意义（文献综述）

随着计算机技术与人工智能技术的不断提升和进步，自主移动机器人得到了显著的发展。不论是在军事还是工业领域都得到了广泛的应用，甚至已经和我们的生活息息相关，实现了人类多年对智能机器人走进生活的美好愿景，例如扫地机器人、自动驾驶汽车等。自主移动机器人的主要研究问题便是定位与地图构建，两者的估计精度直接影响了机器人后续的路径规划和运动控制。机器人定位是指“where am i？”问题，指机器人在运动过程中如何判断自己所在位置和自身姿态角度。而机器人建图便是指“what does the world looks like？”问题，即为如何通过自身传感器识别标志物以及检测障碍物，从而感知周围环境。虽然通过全球定位系统（gps，global positioning system）和北斗卫星导航系统我们可以得到绝对位置信息，通过惯性测量系统（imu，inertial measurement unit）、轮盘编码器、电子罗盘（dc，digital compass）我们可以得到位姿变化信息。但是在室内或者太空中gps和北斗系统并不能通过实时位置坐标，并且惯性测量系统等提供的位姿信息通常存在着累计误差。因此，同步定位与建图（slam，simultaneous localization and mapping）技术在自主移动机器人的智能化，自动化中发挥着极其重要的作用。

同步定位与建图（slam）技术是在1986年由r.c.smith and p. cheeseman在一项空间不确定性的表示和估计的研究中提出的。随着科技的发展，slam技术根据传感器的类型主要可分为使用激光雷达的激光slam和使用摄像机的视觉slam。因为相机具有成本低、体积小的优点，视觉slam得到了飞速的发展，且被认为是未来的主流发展方向。视觉slam根据摄像头的不同可分为三类：仅用一个相机作为外部传感器的单目视觉slam；使用多个相机作为传感器的立体视觉slam，其中双目立体视觉slam应用最多；使用单目相机与红外传感器结合的rgb-d深度相机的rgb-d slam。其中双目视觉slam相较单目视觉slam和rgb-d slam具有成本低，准确性高的特点，故选择双目视觉slam作为本次课题研究方向。

双目视觉系统最早于上世纪60年代由美国麻省理工学院科学家roberts提出，利用双目视觉由双目图像重构出对应三维场景。基于双目视觉实现的slam 技术是双目视觉的重要应用之一，并且在工业机器人等领域引起广泛关注。2001年，stephen利用双目提出基于sift特征的视觉slam算法，实现了定位及地图构建。2007年，武二永利用双目左右图像匹配得到的sift特征作为环境地图点，并结合帧间图像匹配结果，提出了更稳定的视觉里程计算法，将里程计解算得到的位姿参数作为初始状态量，在fastslam2.0框架内逐步完成粒子预测提取、地图点更新及权值计算等关键步骤实现。在工程应用方面，nagappa等人提出了基于双目视觉的 sc-pho slam 算法，在水下机器人使用该算法实现了水下环境中实时定位与建图；korbinian schmid等基于双目视觉 实现了四旋翼自主导航，并且基于视觉完成了位姿估计、实时定位、地图构建以及路径规划任务。

2. 研究的基本内容与方案

本次设计的主要内容是基于双目摄像机设计一种同步定位与建图系统，从而实现机器人的自主移动。设计过程中，首先应该掌握slam的基本概念与框架、相机模型和双目测量原理等基本理论知识，然后根据所学理论知识编写程序，并根据实验结果逐步优化程序，之后进行硬件的开发与调试，最后实现基于双目视觉的同步定位建图。

设计拟采用的技术方案与措施包括五个部分：

1、 传感器数据读取：将摄像机获得的图像信息进行读取和预处理

3. 研究计划与安排

1-2 周,查阅相关文献资料,完成英文翻译,完成开题报告;
3-6 周,了解视觉 SLAM 的基本概念;
7-9 周,搭建双目视觉 SLAM 硬件与软件平台;
10-12 周,实现基于双目的视觉 SLAM;
13-15 周,撰写毕业论文,完成论文答辩。

4. 参考文献（12篇以上）

[1]J, Stückler J, Cremers D. Large-scale direct SLAM with stereo cameras[C]//Intelligent Robots
and Systems (IROS), 2015 IEEE/RSJ International Conference on. IEEE, 2015: 1935-1942.
[2] Mur-Artal R, Tardós J D. Orb-slam2: An open-source slam system for monocular, stereo,
and rgb-d cameras[J]. IEEE Transactions on Robotics, 2017, 33(5): 1255-1262.
[3]Sáez J M, Ruiz F E. Entropy Minimization SLAM Using Stereo Vision[C]//ICRA. 2005: 36-43.
[4] Wang R, Schw#246;rer M, Cremers D. Stereo dso: Large-scale direct sparse visual odometry
with stereo cameras[C]//International Conference on Computer Vision (ICCV). 2017, 42.
[5]卢亚兵. 基于双目视觉的实时定位与建图方法研究[D].哈尔滨工业大学,2018.
[6]武二永. 基于视觉的机器人同时定位与地图构建[D].浙江大学,2007.
[7]权美香,朴松昊,李国.视觉 SLAM 综述[J].智能系统学报,2016,11(06):768-776.
[8]吕霖华.基于视觉的即时定位与地图重建(V-SLAM)综述[J].中国战略新兴产业,2017(04):67-
70.
[9]机器人双目视觉定位技术研究[D]. 林琳.西安电子科技大学 2009
[10]移动机器人的同时定位和地图构建[D]. 徐则中.浙江大学 2004
[11]视觉导航关键技术研究:立体视觉和路径规划[D]. 陈华华.浙江大学 2005
[12]林睿. 基于图像特征点的移动机器人立体视觉 SLAM 研究[D].哈尔滨工业大学,2011.
[13]季秀才. 机器人同步定位与建图中数据关联问题研究[D].国防科学技术大学,2008.
[14]苏立. 室内环境下移动机器人双目视觉 SLAM 研究[D].西安理工大学,2010.
[15]高翔,张涛. 视觉 SLAM 十四讲:从理论到实践[M].电子工业出版社.2017