1. 研究目的与意义（文献综述）

slam即simultaneous localization and mapping，是指同时定位与地图构建技术。它时指搭载特定传感器的主体，在没有环境先验信息的情况下，于运动过程中建立环境的模型，同时估计自己的运动。当传感器主要为相机时，就称为“视觉slam”。slam的目的是解决“定位”与“地图构建”这两个问题，在许多地方，我们都希望知道自身的位置：室内的扫地机和移动机器人需要定位，野外的自动驾驶汽车需要定位，空中的无人机需要定位，虚拟现实和增强现实的设备也需要定位，而没有slam技术，扫地机就无法在房间内自主地移动，只有盲目地游荡；家用机器人就无法按照指令准确到达某个房间；虚拟现实也将永远固定在座椅上，可见在这些技术之中，slam技术是必不可少的。

在计算机视觉创立之初，人们就想象有朝一日计算机将和人一样，通过眼睛去观察世界，理解周遭的物体，探索未知的领域，一开始研究者认为这并不困难，然而进展却并不顺利，在我们眼中的图片在计算机中是由数字排列的矩阵，在slam技术发展了近30年之后，相机才渐渐开始能够认识到自身的位置，发觉自己在运动，虽然方式和人类有巨大差异，不过研究者们已经成功地搭建出种种实时slam系统，有的能够快速跟踪自身位置，有的甚至能够进行实时的三维重建。

目前所提出的视觉slam方法基本可分为三类：第一类是基于立体视觉的方法，这种方法类似于人的双目结构，可以由相机图片里获取到深度信息，建图定位的精度比较高；第二是多目视觉的方法，这种方法在静止的相机上就可以获得多个方向的场景信息；第三类是基于单目视觉的方法，单目相机拍摄的图像只是三维空间的二维投影，所以，如果要用单目相机恢复三维结构，必须改变相机视角，使相机运动起来，通过视差来得到物体的远近深度。

2. 研究的基本内容与方案

2.1 研究的基本内容

本课题主要研究机器人利用自身摄像头构建未知环境地图的技术，该课题以opencv图像处理、状态估计和非线性优化等技术为依托，需要着重解决以下几点问题：

1. 机器人通过摄像头捕获图像并提取其特征；

   剩余内容已隐藏，您需要先支付后才能查看该篇文章全部内容！

   3. 研究计划与安排

   第一至第二周：查阅设计题目的相关资料；
   
   第三至第四周：撰写开题报告，翻译英文资料；
   
   第五至第六周：深入学习特征提取、坐标变换、非线性优化等相关知识；
   
   第七至第八周：设计出总体方案，给出程序基本流程图；
   
   第九至第十周：学习SLAM框架中的前端和后端，并在Linux环境下编写程序；
   
   第十一至第十二周：学习SLAM框架中的回环检测和建图，并在Linux环境下编写程序；
   
   第十三至第十四周：在Linux环境下完成整体的程序，并进行调试和修改；
   
   第十五周：撰写毕业设计论文。

   4. 参考文献（12篇以上）

   1. 郑顺凯.自然环境中基于图优化的单目视觉slam的研究[d]，北京：北京交通大学，2016.3

   2. 顾照鹏,刘宏.单目视觉同步定位与地图创建方法综述[j]，智能系统学报，2015，10（4）:499-507

   3. 林连秀，叶芸，姚剑敏，等.基于orb_slam的移动机器人嵌入式实现与优化[j].微型机与应用，2017,36（5）：50-53

      剩余内容已隐藏，您需要先支付 5元 才能查看该篇文章全部内容！立即支付