摘 要

随着机器视觉领域的不断发展，将机器视觉应用于移动机器人的技术得到了越来越多的关注，同时定位与建图(Simulataneous Localization and Mapping.SLAM)技术得到了全面的发展，SLAM技术允许带有视觉传感器的机器人在进入未知的环境中，利用从周围环境获取的数据与信息，建立一个包含周围环境信息的地图，并同时确立自身位姿，近年来，SLAM技术的发展拥有很大的突破，基于传感器的类型，视觉SLAM分为单目SLAM与多目SLAM技术。

考虑到研究现状与设备条件，本文针对单目视觉SLAM技术进行研究，目前单目SLAM系统主要包括两大类，第一类是特征点法，其系统中包括前端、后端、回环检测以及建图四个主要部分，而第二类则是直接法的单目SLAM，其可以完成稠密重建，然而由于其没有特征点，故目前无法完成回环检测步骤。

针对现在存在的单目SLAM技术算法，本文进行算法分析与比较，并对单目视觉SLAM中效果很好的ORB-SLAM系统算法进行研究。通过阅读ORB-SLAM中源码并实际测试作者数据集与自己制作的数据集，对ORB-SLAM实际运行过程进行分析。

关键词：同时定位与建图 单目视觉 特征点法 ORB-SLAM

Abstract

With the continuous development of machine vision, more and more attention has been paid to the application of machine vision to mobile robots. Simultaneous Localization and Mapping (SLAM) technology has been fully developed. SLAM technology allows A robot with a vision sensor enters an unknown environment and uses data and information obtained from the surrounding environment to create a map containing information about the surrounding environment and simultaneously estimate its own posture. In recent years, the development of SLAM technology has been significant. Breakthrough, based on the type of sensor, visual SLAM is divided into monocular SLAM and multi-view SLAM technology.

Taking into account the research status and equipment conditions, this article focuses on the monocular visual SLAM technology. Currently, the monocular SLAM system mainly includes two major categories. The first is the feature point method. The system includes the front end, back end, loopback detection and construction. The four main parts of the diagram are the second type. The second type is the direct method SLAM, which can perform dense reconstruction. However, since there is no feature point, the loop detection step cannot be completed at present.

In view of the existing monocular SLAM technology algorithm, this paper analyzes and compares the algorithms, and studies the ORB-SLAM system algorithm with good effect in the monocular visual SLAM.By reading the source code of ORB-SLAM and actually testing the author's data set and the data set produced by the author, the actual operation process of ORB-SLAM is analyzed.

Keywords:SLAM Monocular vision Feature point ORB-SLAM

目录

第1章 绪论 1

1.1 研究背景与意义 1

1.2 国内外研究现状 1

1.2.1 国内研究现状 1

1.2.2 国外研究现状 2

1.3 本文研究内容和结构安排 3

第2章 基于单目视觉的SLAM系统 4

2.1 单目视觉SLAM的前端设计 4

2.1.1 基于直接法的单目视觉SLAM前端 4

2.1.2 基于非直接法的单目视觉SLAM前端 6

2.2 单目视觉SLAM后端设计 8

2.2.1 基于扩展卡尔曼滤波的单目视觉SLAM后端 9

2.2.2 基于非线性优化的单目视觉SLAM后端 10

2.3 单目视觉SLAM回环检测与建图算法 11

2.3.1 单目视觉SLAM回环检测算法 11

2.3.2 单目视觉SLAM建图算法 12

2.4 本章小结 12

第3章 单目ORB-SLAM算法原理研究 13

3.1 图像ORB特征提取与匹配 13

3.1.1 图像ORB特征提取 13

3.1.2 图像ORB特征匹配 15

3.2 单目ORB-SLAM算法共视觉图与图优化 15

3.2.1 单目ORB-SLAM算法共视图 15

3.2.2 单目ORB-SLAM算法图优化 16

3.3 单目ORB-SLAM算法多线程与实现流程 17

3.3.1 单目ORB-SLAM算法三线程 17

3.3.2 单目ORB-SLAM算法流程 19

3.4 本章小结 20

第4章. Linux下单目视觉的SLAM系统实现 21

4.1 Linux系统环境配置 21

4.1.1 Linux下OpenCV安装与编译 21

4.1.2 Linux下ROS安装与编译 22

4.2 单目ORB-SLAM依赖库和算法编译 22

4.2.1 单目ORB-SLAM依赖库编译 22

4.2.2 单目ORB-SLAM算法编译 22

4.3 单目视觉SLAM系统测试与结果分析 23

4.3.1室内数据集测试与结果分析 23

4.3.2 自制数据集测试与结果分析 25

4.4 本章小结 27

第5章 总结与展望 28

5.1 全文工作总结 28

5.2 对未来的展望 29

参考文献 30

致谢 32

第1章 绪论

1.1 研究背景与意义

基于视觉的机器人同时定位与地图构建技术即视觉SLAM技术(Simultaneous Localization and Mapping)，是指在未知环境中，机器人依靠自身的相机传感器在移动过程中估计自己的位置，同时对周围环境建立地图的过程。

定位与建图技术已经发展成熟了很多年了，然而，普通的定位与建图两个过程是分步进行的，而随着社会的发展，同时定位与建图技术越来越得到重视，其可以在进入未知的环境中，随着机器人的行走，得知环境的信息，并了解机器人的具体位置，使得机器人完成在周围未知环境中的一些搜索任务。该项技术被广泛用于无人驾驶，与小型无人机领域，实现无人车在行进过程中的同时定位与建图，并且规划路线。

目前所提出的视觉SLAM方法根据视觉传感器类型基本可分为两类：第一类是多目视觉的方法，这种方法可以在静止的相机上获得多个方向的场景信息，并且可以从相机图片里面获得深度信息，实现准确的定位；第二类是基于单目视觉的方法，单目相机拍摄的图像只是一个二维图像，没有环境的深度信息，所以，使用单目相机进行三维建图，需要使相机运动，不断改变相机的视角，通过比较不同帧图片中的视差来得到深度信息。