基于深度信息數(shù)據(jù)融合的室內自主定位方法.pdf

1、隨著機器智能的發(fā)展和對其更加深入的研究，SLAM(SimultaneousLocalization and Mapping)作為該領域中非常熱門的一個問題，在人機交互服務，未知環(huán)境探索（太空，海洋，地下等）和災后救援以及重建等方面有著非常廣闊的應用前景。SLAM研究領域中有兩個核心問題，自主定位方法和即時定位方法，前者是指通過傳感器獲取信息用于估計傳感器自身的位姿的方法，后者是重建未知環(huán)境的地圖信息。這兩個方法是相輔相成的，精確地定位可

2、以提高地圖重建的準確性，而準確度高的地圖對定位方法表現(xiàn)也是至關重要的?，F(xiàn)有主流SLAM方法一般都搭載在單目機器視覺平臺上，針對其不能直接快速地獲取深度信息（需要通過EKF迭代計算得到估計深度），導致不能準確地定位傳感器位姿的問題，本文提出一種基于特征級融合的室內自主定位方法，該方法主要應用于靜止多特征信息的未知室內環(huán)境中。
　　 本研究主要內容包括：首先在回顧了SLAM領域的前期工作的基礎上，重現(xiàn)了一些基于單目視覺的自主定位方法

3、。實驗結果表明:在未獲得完整的視覺信息（未獲得深度信息）的前提下，基于單目視覺的自主定位方法有很大的估計誤差。因此，重點關注了基于異構多傳感器的室內自主定位方法。隨后，用51單片機，馬達驅動電路和路由器等硬件搭建了用于室內自主定位的智能移動平臺----智能車。用戶通過客戶端可以控制智能車的運行方向、速度和加速度等運動參數(shù)并獲取搭載在小車上的傳感器（攝像頭）數(shù)據(jù)，通過特征提取，EKF(Extended Kalman Filter)預測、數(shù)