文献类型：学位论文

作　　者：何龙

导　　师：谢枭鹏 郎朝林

授予单位：重庆科技学院

学科专业：安全工程

授予学位：硕士

学位年度：2024

语　　种：中文

摘　　要：为了实现自主定位并构建环境地图，移动机器人必须依赖于同步定位与地图构建（Simultaneous Localization and Mapping，SLAM）技术。相机的成本普遍较低，还可以获取更丰富的环境信息，以相机作为传感器的视觉 SLAM 系统成为研究热点，其中ORB-SLAM2系统是最受欢迎的开源系统之一，已经被广泛应用于工业界。该系统在静态环境中表现出很好的位姿估计性能。但是当环境中存在动态物体时，该系统会受到移动物体的干扰，提取到错误的动态特征点。导致位姿估计精度差、视觉里程计跟踪失败、建图带有重影的问题，且ORB-SLAM2构建的稀疏点云地图环境信息少，仅可用于机器人定位，无法满足机器人执行导航避障、交互等高级任务。　　针对上述问题，本文以ORB-SLAM2系统作为基础，研究室内动态环境下基于语义分割与极线约束融合的机器人定位和建图技术，提升ORB-SLAM2系统在动态场景下的鲁棒性。本文主要研究内容如下：　　（1）提出一种面向动态场景下的视觉里程计。首先在 Mask R-CNN 语义分割网络中加入 CBAM 轻量级注意力机制模块，该模块由通道注意力机制和空间注意力机制构成，旨在强化卷积层提取关键信息的效能，达到精准分割先验动态物体的目的;针对非先验动态物体，语义分割网络无法对其识别，本文引入极线约束的方法作为补充。因为三维空间中的物体在移动中会导致像素平面的投影点与对应的极线产生偏移，此时空间点对应的像素坐标与基础矩阵将不满足极线约束关系，本文通过求取移动后的像素点与极线之间的偏移量来判定物体是否移动。最后将这两种方法融合并移植到ORB-SLAM2的视觉里程计，以达到剔除动态物体的目的。　　（2）提出一种面向动态场景下的三维稠密地图构建方法。在ORB-SLAM2系统添加三位稠密建图模块，

关 键 词：移动机器人 视觉SLAM  语义分割  极线约束 动态场景  ORB-SLAM2系统  

分 类 号：TP242]