关于室内多机器人协同视觉SLAM算法的研究与实现

简介：
本研究聚焦于开发高效的室内多机器人协同视觉SLAM算法，通过优化各机器人的路径规划和数据融合技术，提高系统整体定位及建图精度。 随着智能移动机器人技术的快速发展，SLAM（同时定位与建图）已经成为机器人自主导航的关键技术之一。它允许机器人在未知环境中建立地图的同时确定自身位置，在室内环境中的自动化作业中尤为重要。虽然单个机器人的视觉SLAM算法已经取得了显著进展，并能够有效处理复杂的视觉信息和环境变化，但多机器人协同SLAM的研究相对较少，尽管其具有大规模环境探索、协作任务执行以及效率提升的巨大潜力。 叶必鹏在哈尔滨工业大学航天学院完成了这篇硕士学位论文，导师为夏红伟研究员。研究主题聚焦于基于视觉的室内多机器人协同SLAM算法，并围绕以下几个核心内容展开： 1. **单机SLAM基础**：首先阐述了SLAM问题的数学模型，探讨了视觉传感器的选择，并对前端（特征检测与匹配）和后端（如EKF或BA位姿估计方法）进行了综述。在对比分析之后选择了ORB-SLAM算法作为研究的基础，因为该算法具有优异的实时性和准确性。 2. **多机器人协同**：论文重点讨论了任务分配、通信以及数据关联等多机器人系统中的关键问题，并深入探讨了地图拼接策略，即如何将不同机器人的局部地图整合成一致性的全局地图。 3. **地图拼接算法**：研究中提出了两种主要的地图拼接方法。一种是基于相对观测的点云地图拼接技术，通过ICP和BA优化获得精确变换；另一种则是利用视觉词袋模型进行场景辨识，并采用图像特征匹配结合PnP算法来获取不同机器人之间的准确位姿关系。 4. **实验验证**：论文中详细描述了ORB-SLAM在实时性上的表现以及构建稀疏点云地图的能力，证明其适用于多机协同环境中的实时拼接任务。此外还展示了在各种场景下如何成功实施多机器人地图拼接，并提供了详细的算法实现流程。 总之，本段落深入研究了基于视觉的室内多机器人SLAM技术，在理论和实际应用层面均提出了创新性的解决方案，为未来智能机器人的广泛应用奠定了坚实基础。