基于多元信息融合的语义视觉SLAM算法研究
语义视觉SLAM（SimultaneousLocalizationandMapping,同时定位与地图构建）是移动机器人实现自主移动的核心技术。目前，语义视觉SLAM算法主要采用点或线等单一的特征进行数据关联和位姿估计。然而真实环境中存在物体遮挡问题，这导致语义物体出现模糊的关联匹配，进而降低了定位的精度。除此之外，构建的语义地图中物体尺度估计误差大，降低了语义地图的质量，不利于实现后续人机交互、物体级导航等高级任务。 本文以上述问题为出发点，对基于几何和物体语义等多元信息融合的语义视觉SLAM算法展开研究，通过多元信息进行数据关联，得到更准确的定位，并构建具有准确物体尺度的环境语义地图。本文的主要研究工作如下: （1）针对单一几何数据关联方法不能很好地消除关联的模糊性的问题，提出了一种基于几何特征和语义物体外观特征的数据关联方法，通过将几何特征和物体外观特征结合，考虑多元信息对数据关联结果的影响,有效提高了数据关联的准确性。将数据关联方法应用到语义视觉SLAM系统中，以紧耦合的方式联合优化物体和相机位姿，提高了语义视觉SLAM的定位精度。 （2）针对语义物体尺度估计误差较大以及空间中三维点云呈现非均匀分布的问题，提出了一种基于点云空间投影的语义SLAM物体参数估计方法，使用点特征、线特征和物体语义特征来估计物体尺度，有效提高了物体尺度估计的精度。将物体尺度估计方法应用到语义视觉SLAM系统中，构建具有准确物体尺度的三维语义半稠密地图。 本文引入多元信息提高了语义视觉SLAM的定位精度，并构建了具有准确物体尺度的三维语义半稠密地图。同时，本文构建的半稠密物体级语义地图有利于机器人感知和理解真实环境，对于人机交互、物体级导航等具有重要的意义。
移动机器人;视觉SLAM技术;数据关联;语义地图
北京化工大学
硕士
控制科学与工程
袁亮
2023
中文
TP242.6
2023-09-27（万方平台首次上网日期，不代表论文的发表时间）