● 摘要
同步定位与地图创建(SLAM)是移动机器人实现真正自治的先决条件。视觉传感器在SLAM的研究中以其丰富的环境信息吸引了越来越多的关注。尺度不变特征变换(SIFT)方法，作为一种经典的特征匹配算法，已被研究人员广泛应用于SLAM的视觉信息处理环节。但又因其计算量大，在规模稍大的环境中则不能很好的满足实时性要求。扩展卡尔曼滤波算法是一种已经在SLAM中成熟运用的更新算法。它与机器人码盘信息相结合，共同预测并确定机器人以及环境路标所处的位置。但码盘信息与实际路径总是存在一定的误差，这将严重影响定位及建图的精确度。
本文针对以上两个问题设计改进了SLAM的实现方案。首先提出一种降维的SIFT方法，极大地减少了算法的时间成本，并大大提高了匹配的准确率。一方面按照图像特征描述子的维度对正确率的影响度顺序进行选择，将原本的128维特征向量减小至72维。另一方面利用主成分分析(PCA)的方法自动选择出特征向量中最重要的信息，这样的改进显著地提高了计算效率。其次提出一种错误匹配纠正算法来保证匹配的正确率，经过纠正环节后的正确率可达98%，从而为后面的定位准确性提供了可靠的保证。然后在定位和建图的过程，给机器人加入PID闭环控制，从而消除了码盘信息与实际路径之间的误差，达到了精确定位的目的。
本文最后就提出的方案进行了仿真和真实环境实验。通过对SLAM中各项模型参数进行不断的调整，实验最后取得了十分理想的效果。仿真与实验结果均有力的验证了本文所提出方案的可行性。