摘 要

SLAM算法是移动机器人的核心技术，它解决了移动机器人的定位与建图问题。本课题主要对视觉SLAM框架进行学习，在此基础上研究了基于ORB-SLAM2与DSO融合的LDSO算法，对LDSO与DSO算法进行仿真实验并对实验结果进行分析。

首先，对视觉SLAM系统进行模型构建，构建运动学模型为研究位姿变换、位姿图优化问题铺垫；构建单目相机模型，研究建图过程中的坐标变换，为建图问题铺垫。

将SLAM建图问题划分为局部地图构建与优化、全局地图构建与优化。局部地图构建与优化从特征点法、直接法两种角度展开对比研究，主要研究了ORB-SLAM2算法与DSO算法局部建图与优化流程，研究了基于G-N与L-M的非线性最小化误差的优化过程。在全局地图构建与优化算法研究中，对ORB-SLAM2采用的回环检测、全局优化算法展开研究。

在对比研究的基础上，研究LDSO算法。LDSO算法是在DSO算法的基础上添加基于特征点法的某些功能后构建的。从选点策略、局部地图构建与优化、全局地图构建与优化方面展开系统的研究。

最后设计并实现了仿真测试实验，以LINUX为操作系统，Ubuntu16.04为平台，对TUM与KITTI的单目公开数据集进行仿真测试。将LDSO与DSO算法进行对比实验，验证LDSO算法的效果，并设计相应的评估指标。使用evo工具对实验结果进行处理、绘制轨迹、指标计算等，对得到的结果进行汇总和分析。

关键字：单目SLAM；直接法；特征点法；融合算法

Abstract

SLAM algorithm is the core technology of mobile robot, which solves the problem of positioning and mapping of mobile robot. This subject mainly studies the visual SLAM framework. On this basis, the LDSO algorithm based on the fusion of ORB-SLAM2 and DSO is studied, and the LDSO and DSO algorithms are simulated and analyzed.

First, the visual SLAM system is modeled, and the kinematics model is built to study the problem of pose transformation and pose optimization; the monocular camera model is built to study the coordinate transformation in the process of mapping to pave the way for the problem of mapping.

The SLAM mapping problem is divided into local map construction and optimization, and global map construction and optimization. Local map construction and optimization is compared from the feature point method and the direct method. The main research is the local mapping and optimization process of the ORB-SLAM2 algorithm and the DSO algorithm, and the optimization of the nonlinear minimization error based on GN and LM process. In the study of global map construction and optimization algorithms, the loop detection and global optimization algorithms used in ORB-SLAM2 are studied.

Based on the comparative study, the LDSO algorithm is studied. The LDSO algorithm is constructed by adding some functions based on the feature point method on the basis of the DSO algorithm. From the point selection strategy, local map construction and optimization, global map construction and optimization aspects of systematic research.

Finally, a simulation test experiment was designed and implemented, using LINUX as the operating system and Ubuntu 16.04 as the platform to perform simulation tests on the monocular public data sets of TUM and KITTI. The LDSO and DSO algorithms are compared and tested to verify the effectiveness of the LDSO algorithm, and the corresponding evaluation indicators are designed. Use the evo tool to process the experimental results, draw trajectories, index calculations, etc., and summarize and analyze the obtained results.

Keywords: Monocular SLAM; direct method; feature point method; fusion algorithm

目录

摘要 I

Abstract II

第1章 绪论 1

1.1 研究背景及意义 1

1.2 视觉SLAM算法国内外研究现状 1

1.3 本文研究难点分析 2

1.4本文研究内容和结构 3

第2章 基于视觉SLAM框架的算法研究 4

2.1 基于视觉SLAM的系统模型构建 4

2.1.1 基于视觉SLAM的系统运动学模型构建 4

2.1.2 基于视觉SLAM的相机模型构建与校正 5

2.2 基于视觉SLAM的局部地图构建与优化算法 7

2.2.1 基于ORB-SLAM2的局部地图构建算法 7

2.2.2 基于DSO的局部地图构建算法 10

2.2.3 基于非线性优化的局部优化算法 12

2.3 基于视觉SLAM的全局地图构建与优化算法 12

2.3.1 基于ORB-SLAM2的回环检测算法 13

2.3.2 基于ORB-SLAM2的位姿图全局优化算法 14

2.4 本章小结 15

第3章 基于视觉SLAM框架的LDSO算法研究 16

3.1 基于融合方法的点提取策略 16

3.1.1 基于DSO的动态网格搜索点提取策略 16

3.1.2 基于Shi-Tomasi的角点提取策略 17

3.2 基于LDSO的局部地图构建与优化算法 18

3.2.1 基于LDSO的前端跟踪算法 18

3.2.2 基于LDSO的滑动窗口优化及边缘化 20

3.3 基于LDSO的全局地图构建与优化算法 21

3.3.1 基于LDSO的回环检测算法 21

3.3.2 基于LDSO的位姿图全局优化算法 22

3.4 本章小结 23

第4章 基于LDSO框架的算法实验结果与分析 24

4.1 基于LDSO算法的系统设计与实现 24

4.1.1 基于LDSO算法的系统设计 24

4.1.2 基于LDSO算法的系统实现 25

4.2 基于DSO与LDSO算法回环效果实验的对比 26

4.2.1 回环效果对比实验的设计 26

4.2.2 回环效果对比实验的结果与分析 27

4.3 基于DSO与LDSO算法运行结果实验的对比 28

4.3.1 算法运行结果对比实验的设计 28

4.3.2 算法运行结果对比实验的结果与分析 29

4.4 本章小结 30

第5章 总结与展望 31

5.1 全文工作总结 31

5.2 对未来的展望 31

致谢 33

参考文献 34

第1章 绪论

1.1 研究背景及意义

在全面提升中国制造业发展质量和水平的时代背景下，传统制造业逐渐向智能化方向发展，无人化生产线和智能化仓库越来越多。智能机器人在未知环境下移动成为研究热点，它的核心SLAM技术得到快速发展，衍生出多种不同的算法框架。移动机器人使用SLAM技术可以实现在未知环境下的定位与建图，被实际应用在定位导航、增强现实、无人驾驶等领域^[1]。