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

2、 视觉里程计（Visual Odometry，VO）：视觉里程计任务是估算相邻图像之间相机的运动，以及局部地图的样子。VO又称为前端（Front End）

3、 后端优化（Optimization）：后端接受不同时刻视觉里程计测量的相机位姿，以及回环检测的信息，对它们进行优化，得到全局一致的轨迹和地图。由于接在VO 之后，又称为后端（Back End）。

4、 回环检测（Loop Closing）：回环检测判断机器人是否曾经到达过先前的位置。如果检测到回环，它会把信息提供给后端进行处理。

5、 建图（Mapping）：它根据估计的轨迹，建立与任务要求对应的地图。