K-means移动机器人基于自然路标的自主定位

摘要机器人的自主定位与地图创建技术是移动机器人的关键技术，广泛应用在灾难救援、无人区与探索等领域。本文面向校园环境，基于自然路标，在传统的机器人SLAM常用的拓扑地图基础上，定义了新型拓扑地图，基于BCM在线生成。为了完成在拓扑地图中的定位，我们基于K-means聚类，使用一种新型的分层聚类方式，建立BOW模型的分层词典，通过帧的特征匹配来完成相机定位。而为了更好的定位，闭环检测必不可少。闭环检测是视觉SLAM中的重要部分，可以显著减少积累误差。本文介绍了EKF和PF以配合闭环检测来优化地图。80433

毕业论文关键词自主定位 SLAM 拓扑地图词袋BOW 闭环检测滤波器

毕业设计说明书外文摘要

Title Robot Automatic Localization based on Land mark

Abstract

Automatic localization and mapping technology is the key technology of mobile robot,and it’s widely used in disaster rescuing and area exploring。We define a new topological map based on typical topological map,taking the crossing as the nodes and the roads that connects them as the edges,which is simple to understand。We generate the map online with BCM,and detect the crossing with sections。This text extract corner features with FAST corner detector。Based on K-means clustering,we cluster the featuers with a new approach,and establish the BOW hierarchical dictionary。We represent the frames captured by the camera with the vector of visual words occur frequency,and locate the camera by feature matching。Loop closure is an important part of visual SLAM and it can obviously recover from groos error。This text introduce EKF and PF to optimize the map 。

Keywords Automatic Localization SLAM topological map BOW

loop closure detect filter

1引言（或绪论）1

1。1研究背景1

1。2 技术现状1

2 面向自然路标的环境建模 4

2。1 地图定义4

2。2 路标特征提取 7

3 机器人自主定位9

3。1 基于词袋模型的单目SLAM 9

3。2 视觉词典 11

3。3 新型分层词典 12

3。3 新型分层词典 15

4 地图优化17

4。1 闭环检测与地图优化 17

4。2 卡尔曼滤波器 18

5实验 20

5。1部分关键代码实现 20

5。2室内环境场景匹配结果23

结论 26

致谢 27

参考文献28

1 绪论

1。1研究背景

自20世纪机器人被发明以来，各国以及各跨国公司都投入大量人力物力财力进行研究，促进机器人技术飞速进步。而现代移动机器人技术，在机器学习、数据挖掘、生物科学以及传感器技术的推动下有了更加迅猛的发展。如今，移动机器人已经被广泛地应用于物流运输、未知环境勘探、军事侦察行动、灾难救援、市民生活等诸多领域。

机器人的导航是移动机器人的最基本和最关键技术。而如何使机器人能够在无人工干预的情况下，在动态的现实世界中，面对家庭室内、工作空间、城市道路等不同环境，实现自身的定位与导航，是近年来十分热门的研究方向。自主导航常用的传感器有激光、超声波、相机等。单目相机价格便宜、不需要特殊的操作平台、能源需求相对较小、能提供的丰富信息量，因此成为较为理想的传感器。 K-means移动机器人基于自然路标的自主定位:http://www.youerw.com/tongxin/lunwen_93444.html