基于雙目視覺(jué)的SLAM四旋翼無(wú)人機(jī)

譚凱元，朱嘉林，鄧 君，王荔薔，楊家源

（東莞理工學(xué)院機(jī)械工程學(xué)院，廣東東莞 523000）

0 引言

近年來(lái)，隨著人民生活質(zhì)量的提高，機(jī)器人的應(yīng)用也越來(lái)越廣泛，其在不同的領(lǐng)域發(fā)揮著重要的作用。而且在許多地方，機(jī)器人已經(jīng)可以代替人類去完成一些工作，特別是可以幫助人類完成復(fù)雜的計(jì)算工作，或者在一些對(duì)人類來(lái)說(shuō)具有安全隱患的工作環(huán)境，機(jī)器人更是取代人類去完成這些危險(xiǎn)的工作。而在諸如此類的工作環(huán)境中，機(jī)器人需要強(qiáng)大的同步定位和自動(dòng)建圖能力，這能夠讓機(jī)器人在未知的環(huán)境下對(duì)周邊的環(huán)境進(jìn)行實(shí)時(shí)的地圖構(gòu)建，以便機(jī)器人在之后的進(jìn)行自主導(dǎo)航和路徑規(guī)劃。

為了進(jìn)行實(shí)時(shí)地圖的構(gòu)建，所選擇的載體機(jī)器人應(yīng)該為較為靈活機(jī)動(dòng)的，所以現(xiàn)在市面上的傳統(tǒng)選擇為小車。但是這種SLAM 小車最大的缺點(diǎn)是對(duì)地形的環(huán)境、地貌有很多要求，會(huì)使地圖的構(gòu)建產(chǎn)生相當(dāng)多的缺陷，有許多地方無(wú)法建圖，大幅度會(huì)受限于地形地貌[1]。而運(yùn)用無(wú)人機(jī)搭載攝像頭進(jìn)行建圖可以克服如此眾多缺點(diǎn)，突破地形限制，更加靈活方便，同時(shí)構(gòu)建的地圖也會(huì)更加立體完全。

無(wú)人機(jī)又稱無(wú)人機(jī)駕駛飛行器，是近年來(lái)發(fā)展起來(lái)的一個(gè)集空氣動(dòng)力學(xué)、材料力學(xué)、自動(dòng)控制技術(shù)、軟件技術(shù)為一體的高科技產(chǎn)品。無(wú)人機(jī)廣泛用于空中偵察、監(jiān)視、通信、反潛、電子干擾等領(lǐng)域。目前世界上有30余個(gè)國(guó)家和地區(qū)研制出了50多種無(wú)人機(jī)，無(wú)人機(jī)型號(hào)超過(guò)300余種，有55個(gè)國(guó)家裝備了無(wú)人機(jī)[2]。

本文所設(shè)計(jì)的雙目SLAM 無(wú)人機(jī)是一種應(yīng)用于復(fù)雜地形地貌下建模的機(jī)器人[3]，其上面搭載了雙目攝像頭，進(jìn)行對(duì)周邊環(huán)境的信息進(jìn)行采集，并裝載了樹(shù)莓派將雙目攝像頭采集到的信息篩選處理并轉(zhuǎn)化成點(diǎn)云圖和輸出，同時(shí)樹(shù)莓派還進(jìn)行與飛控板之間的信息交流，實(shí)時(shí)控制無(wú)人機(jī)位姿、運(yùn)動(dòng)位移。最終將地圖完整地構(gòu)建之后，再通過(guò)不同的算法規(guī)劃和篩選出無(wú)人機(jī)從起點(diǎn)到終點(diǎn)的最優(yōu)路徑解[4]，從而實(shí)現(xiàn)雙目SLAM 無(wú)人機(jī)的自主導(dǎo)航功能。

1 雙目SLAM無(wú)人機(jī)整體結(jié)構(gòu)

1.1 控制部分

無(wú)人機(jī)的控制部分是一塊樹(shù)莓派4B 主控板，樹(shù)莓派4B 主控板相當(dāng)于一個(gè)微處理器，具有獨(dú)立的CPU芯片，可以實(shí)現(xiàn)本項(xiàng)目所需的建圖功能。通過(guò)在樹(shù)莓派中燒錄一個(gè)Ubuntu16.04系統(tǒng)，并安裝ROS 系統(tǒng)，將ORB-SLAM 建圖，定位避障，自主導(dǎo)航各種算法集成在一起，無(wú)人機(jī)能夠?qū)崿F(xiàn)自動(dòng)建圖，自主導(dǎo)航的目標(biāo)。

1.2 信息采集部分

無(wú)人機(jī)的信息采集部分主要是采用USB 雙目攝像頭，USB雙目攝像頭是一款集雙目圖像及IMU 為一體的高清圖像傳感器，該設(shè)備支持Windows、Linux、Android 等多種平臺(tái)，且支持C/C++、Python 等各種編程語(yǔ)言，不僅支持PC 桌面操作系統(tǒng)，還支持嵌入式系統(tǒng)，如樹(shù)莓派開(kāi)發(fā)板。適合應(yīng)用于ORBSLAM建圖。

1.3 外觀部分

其主體外觀如圖1所示。

圖1 雙目無(wú)人機(jī)主體外觀

2 雙目攝像頭的標(biāo)定與匹配

在無(wú)人機(jī)自動(dòng)導(dǎo)航中必需的點(diǎn)云圖基于深度圖，在室內(nèi)，自主機(jī)器人一般使用深度RGB-D 相機(jī)獲得深度圖；而在室外，雙目相機(jī)沒(méi)有尺度問(wèn)題，安裝在無(wú)人機(jī)上來(lái)計(jì)算深度圖正合適。

2.1 相機(jī)標(biāo)定

在使用攝像頭之前，首先要進(jìn)行相機(jī)標(biāo)定[5]，在各種圖像測(cè)量的過(guò)程中以及機(jī)器視覺(jué)應(yīng)用中，為了重建和識(shí)別物體，需要確定空間物體表面任意點(diǎn)的三維幾何位置與其在圖像中的對(duì)應(yīng)點(diǎn)之間的相互關(guān)系，進(jìn)而建立相機(jī)成像的幾何模型，而這些幾何模型參數(shù)就是攝像頭的相機(jī)參數(shù)。這些參數(shù)分別是相機(jī)的內(nèi)、外參和畸變參數(shù)，攝像機(jī)內(nèi)參反映的是攝像機(jī)從三維空間到二維圖像的投影關(guān)系，即坐標(biāo)系到圖像坐標(biāo)系之間的投影關(guān)系；攝像機(jī)外參決定了攝像機(jī)坐標(biāo)系和世界坐標(biāo)系之間相對(duì)位置關(guān)系，即其旋轉(zhuǎn)R和平移T關(guān)系。

攝像機(jī)標(biāo)定就是從世界坐標(biāo)系轉(zhuǎn)換為攝像機(jī)坐標(biāo)系，再由攝像機(jī)坐標(biāo)系轉(zhuǎn)換為圖像坐標(biāo)系的過(guò)程，也就是求得最終投影矩陣的過(guò)程。

（1）從世界坐標(biāo)系到攝像機(jī)坐標(biāo)系：是三維點(diǎn)到三維點(diǎn)的轉(zhuǎn)換，包括旋轉(zhuǎn)R和平移T（相機(jī)外參）等參數(shù)。如圖2所示。

圖2 世界坐標(biāo)系到攝像機(jī)坐標(biāo)系的變換

（2）相機(jī)坐標(biāo)系轉(zhuǎn)換為圖像坐標(biāo)系：這是三維點(diǎn)到二維點(diǎn)的轉(zhuǎn)換，包括焦距f（相機(jī)內(nèi)參）等參數(shù)。如圖3所示。

圖3 相機(jī)坐標(biāo)系到圖像坐標(biāo)系的變換

2.2 相機(jī)匹配

為了得到深度圖需要使用立體匹配算法，利用了雙目立體匹配原理。圖4所示為雙目圖像立體匹配的具體流程。

圖4 雙目立體匹配原理流程

利用雙目相機(jī)計(jì)算稠密的深度需要經(jīng)過(guò)兩個(gè)步驟，為圖像矯正和視差計(jì)算，具體如下。

步驟1：圖像矯正分為圖像去畸變矯正和圖像立體匹配[6]。圖像畸變指的是圖像邊緣的直線由于相機(jī)的畸變導(dǎo)致在成像的時(shí)候變成了曲線。圖像去畸變則是利用圖像的畸變參數(shù)對(duì)圖像畸變進(jìn)行校正，檢測(cè)方法是將原本畸變的圖像在通過(guò)畸變校正后，變回直線，如圖5 所示。這個(gè)也稱作相機(jī)的內(nèi)參數(shù)校準(zhǔn)（焦距為fx、fy；相機(jī)中心為cx、cy），通常調(diào)用ROS 里面的包就可以實(shí)現(xiàn)了。

圖5 圖像去畸變

步驟2：立體畸變校正。立體匹配是指把左右圖像旋轉(zhuǎn)到同一個(gè)平面（這里說(shuō)同一個(gè)平面不太準(zhǔn)確，應(yīng)該是兩個(gè)平行的平面），使得左右兩幅圖片的光軸平行，檢測(cè)方法是判斷左右目圖像中的同一個(gè)像素點(diǎn)是否在同一水平線上面，是立體視覺(jué)研究中的關(guān)鍵部分，其目標(biāo)是在兩個(gè)或多個(gè)視點(diǎn)中匹配相應(yīng)像素點(diǎn)，計(jì)算視差。通過(guò)建立一個(gè)能量代價(jià)函數(shù)，對(duì)其最小化來(lái)估計(jì)像素點(diǎn)的視差，求得深度。

立體矯正是校準(zhǔn)相機(jī)的外參數(shù)實(shí)現(xiàn)的，這個(gè)也可以通過(guò)ROS 下的相機(jī)校準(zhǔn)包實(shí)現(xiàn)，只需要輸入棋盤格的size 即可。校準(zhǔn)的參數(shù)包括基線fx、相機(jī)的R矩陣、投影矩陣P矩陣。

一般來(lái)說(shuō)epi＜0.2就已經(jīng)可以進(jìn)行建圖了，epi＜0.15算是很好了，如圖6所示。

圖6 立體矯正

在獲得相機(jī)的內(nèi)參數(shù)和外參數(shù)以后，可以調(diào)用opencv的函數(shù)對(duì)雙目的圖像進(jìn)行矯正，如下所示[7]：

本項(xiàng)目采用（9×7）的黑白格棋盤，如圖8 所示。未標(biāo)定前雙目相機(jī)的左右視角畫面如圖7 所示，黑白格以及環(huán)境有明顯的扭曲變形，且從棋盤可以看出左右視角畫面不在同一平面上。標(biāo)定校準(zhǔn)之后的黑白格如圖8所示。

圖7 未標(biāo)定前雙目相機(jī)

圖8 標(biāo)定校準(zhǔn)后雙目攝像機(jī)

3 ORB-SLAM算法

ORB-SLAM 算法是一種基于ORB 特征的三維定位與地圖構(gòu)建算法（SLAM），具有地圖初始化和回環(huán)檢測(cè)的功能，并優(yōu)化了關(guān)鍵幀選取和地圖構(gòu)建的方法[8]。

ORB-SLAM 共有3 個(gè)線程，分別是跟蹤線程（Tracking）、地圖構(gòu)建線程（Local Mapping）和回環(huán)檢測(cè)線程（Loop Closing）。

3.1 跟蹤線程（Tracking）

跟蹤線程運(yùn)用ORB（Oriented Fast and Rotated Brief）算法對(duì)圖像中的關(guān)鍵點(diǎn)快速創(chuàng)建特征向量。第一步是使用的是FAST 算法查找圖像中的關(guān)鍵點(diǎn)，提取出ORB 特征；第二步是初始姿態(tài)估計(jì)，根據(jù)相鄰幀之間的信息估計(jì)出相機(jī)的初始位姿，并通過(guò)全局重定位來(lái)初始化位姿；第三步是姿態(tài)優(yōu)化，利用相鄰幀尋找更多的特征匹配，優(yōu)化當(dāng)前幀的位姿；第四步是選取關(guān)鍵幀，通過(guò)篩選冗余關(guān)鍵幀來(lái)決定當(dāng)前幀是否可以作為關(guān)鍵幀。

3.2 地圖構(gòu)建線程（Local Mapping）

地圖構(gòu)建線程ORB-SLAM 關(guān)鍵步驟，即建立點(diǎn)云地圖。第一步是加入跟蹤線程中篩選出的關(guān)鍵幀；第二步是驗(yàn)證最近加入的地圖點(diǎn)（去除異常）；第三步是生成新的地圖點(diǎn)，利用三角法生成新的地圖云點(diǎn)，三角化的云點(diǎn)必須經(jīng)過(guò)地圖點(diǎn)云篩選測(cè)試，保證留下的點(diǎn)云都是能被跟蹤的；第四步是局部束調(diào)整（Local Bundle Adjustment），添加待優(yōu)化的位姿頂點(diǎn)，進(jìn)行優(yōu)化迭代，檢測(cè)和排除誤差較大的異常；第五步是驗(yàn)證關(guān)鍵幀，構(gòu)建局部地圖時(shí)檢測(cè)并刪除重復(fù)幀。

3.3 回環(huán)檢測(cè)線程（Loop Closing）

回環(huán)檢測(cè)可以解決累計(jì)漂移，校正整個(gè)軌跡的形狀[9]。第一步是選取相似幀，在相似幀提取關(guān)鍵點(diǎn)和局部特征，判斷是否先前已經(jīng)構(gòu)建過(guò)地圖的位置；第二步是檢測(cè)閉環(huán)，獲得回環(huán)的累積誤差；第三步是融合三維點(diǎn)，融合重復(fù)的點(diǎn)云，并且在Covisibility Graph 中插入新的邊以連接閉環(huán)；第四步是圖優(yōu)化（傳導(dǎo)變換矩陣），用本質(zhì)圖（Essential Graph）去優(yōu)化位姿圖，將閉環(huán)的誤差分散到整個(gè)圖中。

4 ORB-SLAM建圖

4.1 稀疏點(diǎn)云地圖

首先進(jìn)行位姿的初始化和優(yōu)化，通過(guò)提取圖像中的特征點(diǎn)，根據(jù)相鄰幀之間的信息，將其各自的特征點(diǎn)進(jìn)行匹配，從而估計(jì)出相機(jī)的初始位姿，并通過(guò)全局重定位來(lái)初始化位姿。

得出相機(jī)的位姿后，可以通過(guò)計(jì)算得出視覺(jué)里程計(jì)。圖10 中相機(jī)圖像上的綠色小方塊為當(dāng)前提取的圖像特征點(diǎn)，即ORB特征。圖中的黑點(diǎn)和紅點(diǎn)代表環(huán)境的稀疏地圖（紅色為局部地圖點(diǎn)，表示當(dāng)前路標(biāo)；黑色為全局地圖點(diǎn)，代表歷史路標(biāo)）。圖中的綠線為相機(jī)的運(yùn)動(dòng)軌跡，綠色方框代表相機(jī)的實(shí)時(shí)位姿；藍(lán)色方框?yàn)橄鄼C(jī)的歷史位姿，代表相機(jī)運(yùn)動(dòng)過(guò)程中的空間位置（即關(guān)鍵幀）[10]。最后將生成的ORB-SLAM2 文件修改，基于ROS系統(tǒng)，將相機(jī)的位姿和視覺(jué)里程計(jì)生成為節(jié)點(diǎn)并發(fā)布，用于后面的稠密點(diǎn)云地圖、八叉樹(shù)地圖及代價(jià)地圖建圖。

圖10 實(shí)驗(yàn)室稀疏點(diǎn)云圖

4.2 稠密點(diǎn)云地圖

稠密點(diǎn)云地圖的建圖系統(tǒng)分為了3 個(gè)節(jié)點(diǎn)，如圖11 所示。第一個(gè)節(jié)點(diǎn)作為驅(qū)動(dòng)節(jié)點(diǎn)，負(fù)責(zé)采集圖像的數(shù)據(jù)；第二個(gè)節(jié)點(diǎn)為姿態(tài)節(jié)點(diǎn)，主要運(yùn)行ORB-SLAM 做姿態(tài)估計(jì)；第三個(gè)節(jié)點(diǎn)作為建圖節(jié)點(diǎn)，是系統(tǒng)核心，收集第一和第二節(jié)點(diǎn)的建圖節(jié)點(diǎn)并接收攝像頭傳回的數(shù)據(jù)和實(shí)時(shí)位姿，最后進(jìn)行點(diǎn)云拼接。

圖11 稠密點(diǎn)云地圖建圖步驟

4.3 八叉樹(shù)地圖

相較于各種點(diǎn)云圖，八叉樹(shù)地圖更加靈活且易于壓縮，并且還可以隨時(shí)更新[11]。如圖12 所示，每個(gè)立方體都會(huì)不斷地均勻分成8 塊，直到變成最小的方塊為止，而整個(gè)最大的方塊，可以看成是一個(gè)根節(jié)點(diǎn)，而最小的方塊就是末端的“葉子節(jié)點(diǎn)”。于是在八叉樹(shù)地圖中，當(dāng)從下一層的節(jié)點(diǎn)往上走時(shí)，這個(gè)地圖的體積每經(jīng)過(guò)一層就可以擴(kuò)大8倍。如圖12所示?；诎瞬鏄?shù)地圖的特性，八叉樹(shù)地圖有以下4個(gè)優(yōu)點(diǎn)。

圖12 八叉樹(shù)地圖

（1）八叉樹(shù)地圖可以描述所建地圖中的任意位置的狀態(tài)，可以用樹(shù)中的節(jié)點(diǎn)來(lái)表示空間中的任意位置。

（2）同時(shí)，八叉樹(shù)地圖更易于更新和維護(hù)，他將各個(gè)位置的狀態(tài)信息保存于節(jié)點(diǎn)，當(dāng)需要修改這些位置的狀態(tài)時(shí)，則只需要修改節(jié)點(diǎn)中的變量即可。

（3）八叉樹(shù)地圖還可以根據(jù)所需要得到地圖的精度而隨時(shí)調(diào)整。

（4）八叉樹(shù)地圖需要的內(nèi)存相較于點(diǎn)云地圖而言小很多，當(dāng)對(duì)地圖的精度要求不高時(shí)，可以用低分辨率的構(gòu)建方式來(lái)節(jié)省空間。這更加有利于用在機(jī)器人的導(dǎo)航上。

5 路徑規(guī)劃

路徑規(guī)劃是雙目SLAM 無(wú)人機(jī)能夠?qū)崿F(xiàn)自主導(dǎo)航的重要過(guò)程，主要功能是讓無(wú)人機(jī)在地圖內(nèi)自主規(guī)劃出一條從起點(diǎn)到終點(diǎn)的無(wú)碰撞的最優(yōu)路徑解。路徑規(guī)劃由兩部分組成，分別是全局路徑規(guī)劃和局部路徑規(guī)劃。全局路徑規(guī)劃是當(dāng)已經(jīng)知道了起點(diǎn)、終點(diǎn)的位置和無(wú)人機(jī)所處的地圖時(shí)，通過(guò)一系列算法計(jì)算出一條從起點(diǎn)到終點(diǎn)的最優(yōu)路徑解，更加適用于靜態(tài)的環(huán)境；而局部路徑規(guī)劃則是依靠攝像頭等傳感器模塊感知實(shí)時(shí)的信息，通過(guò)一系列算法實(shí)現(xiàn)對(duì)不斷變化的障礙物和突發(fā)事件進(jìn)行及時(shí)的避險(xiǎn)，更具實(shí)時(shí)性和實(shí)用性，更加適用于動(dòng)態(tài)的環(huán)境[12]。全局路徑規(guī)劃和局部路徑規(guī)劃這兩種路徑規(guī)劃方法的組成了無(wú)人機(jī)完備的路徑規(guī)劃系統(tǒng)。

5.1 全局路徑規(guī)劃

傳統(tǒng)使用的全局路徑規(guī)劃算法有4 種，分別是Dijkstra 算法、RRT 算法、BFS 算法和A*算法。Dijkstra 算法的特點(diǎn)是其支持的搜索地圖面積較大，該算法從起點(diǎn)向外擴(kuò)散，生成最優(yōu)路徑解，但是其缺點(diǎn)明顯，開(kāi)始建圖之前會(huì)將整張地圖全部搜索完，所以效率相較于其他3 種算法比較低，但仍然可以生成最優(yōu)路徑；RRT算法是一種基于樹(shù)狀結(jié)構(gòu)的路徑規(guī)劃算法，從起點(diǎn)開(kāi)始向外擴(kuò)散出一個(gè)個(gè)的樹(shù)狀結(jié)構(gòu)，但這種算法最大的缺點(diǎn)是無(wú)法對(duì)規(guī)劃的結(jié)果進(jìn)行預(yù)判，并且每次規(guī)劃的結(jié)果可能都不一樣；BFS 算法的特點(diǎn)是搜索空間小，但是效率高，不能保證找到一條最優(yōu)路徑解；A*算法在Dijkstra 算法的基礎(chǔ)上加入了啟發(fā)函數(shù)，用于引導(dǎo)其搜索方向；并且結(jié)合了BFS算法的優(yōu)點(diǎn)，相較于其他路徑規(guī)劃算法，使用更加普遍，因此本項(xiàng)目中使用A*算法作為無(wú)人機(jī)的全局路徑規(guī)劃。

5.2 局部路徑規(guī)劃

當(dāng)無(wú)人機(jī)在建立好了所需地圖后，通過(guò)A*算法可以規(guī)劃出一條大致可行的路線，但面對(duì)實(shí)際環(huán)境中各種突發(fā)的狀況，例如突然出現(xiàn)了動(dòng)態(tài)障礙或者建圖時(shí)未被檢測(cè)到的障礙，就需要通過(guò)局部的路徑規(guī)劃來(lái)進(jìn)行路徑的調(diào)整。于是本項(xiàng)目采用DWA 算法進(jìn)行局部路徑規(guī)劃。DWA 算法會(huì)先建立機(jī)器人的速度運(yùn)動(dòng)模型，建立之后對(duì)機(jī)器人的速度進(jìn)行采樣，最后使用評(píng)估函數(shù)完成局部規(guī)劃。

6 雙目SLAM無(wú)人機(jī)優(yōu)化與測(cè)試

6.1 系統(tǒng)測(cè)試環(huán)境

無(wú)人機(jī)以ROS 系統(tǒng)為載體，將ORB-SLAM 建圖，定位避障，自主導(dǎo)航各種算法集成在一起。在ROS系統(tǒng)中，最小的進(jìn)程單元就是節(jié)點(diǎn)，一個(gè)軟件包里可以有多個(gè)可執(zhí)行文件，可執(zhí)行文件在運(yùn)行之后就成了一個(gè)進(jìn)程，這個(gè)進(jìn)程在ROS中就叫做節(jié)點(diǎn)[13]。在無(wú)人機(jī)中建圖、定位、循跡等就是不同的節(jié)點(diǎn)。ROS系統(tǒng)將節(jié)點(diǎn)聲明為話題，然后以發(fā)布話題的形式將數(shù)據(jù)傳輸，最后使用不同的ROS通信機(jī)制實(shí)現(xiàn)數(shù)據(jù)的交互。本項(xiàng)目采用雙目攝像頭，以雙目坐標(biāo)系作為點(diǎn)云地圖的基礎(chǔ)坐標(biāo)系，圖13所示為本項(xiàng)目的雙目SLAM無(wú)人機(jī)。

圖13 雙目SLAM無(wú)人機(jī)

6.2 雙目攝像頭的標(biāo)定與使用

雙目攝像頭的標(biāo)定與使用在第2節(jié)已敘述，圖14所示為標(biāo)定后的拍攝效果。

圖14 攝像頭標(biāo)定后的拍攝效果

6.3 ORB-SLAM 地圖創(chuàng)建

實(shí)驗(yàn)室稀疏點(diǎn)云地圖構(gòu)建如圖15 所示。圖中相機(jī)圖像上的綠色小方塊為當(dāng)前提取的圖像特征點(diǎn)，即ORB 特征。圖中的黑點(diǎn)和紅點(diǎn)代表環(huán)境的稀疏地圖（紅色為局部地圖點(diǎn)，表示當(dāng)前路標(biāo)；黑色為全局地圖點(diǎn)，代表歷史路標(biāo)）。綠色方框代表相機(jī)的實(shí)時(shí)位姿；藍(lán)色方框?yàn)橄鄼C(jī)的歷史位姿，代表相機(jī)運(yùn)動(dòng)過(guò)程中的空間位置（即關(guān)鍵幀）[10]。

圖15 實(shí)驗(yàn)室稀疏點(diǎn)云地圖

7 結(jié)束語(yǔ)

本文設(shè)計(jì)了一種基于雙目視覺(jué)的SLAM 四旋翼無(wú)人機(jī)，可以在未知的環(huán)境下對(duì)周邊的環(huán)境進(jìn)行實(shí)時(shí)的地圖構(gòu)建，并且完成自主定位導(dǎo)航。并且由于無(wú)人機(jī)靈活機(jī)動(dòng)的特性，可以不受限于地形，在許多傳統(tǒng)SLAM 小車去不了的地方，也能進(jìn)行建圖。在設(shè)計(jì)的過(guò)程中通過(guò)各種渠道查閱關(guān)于ORB-SLAM、無(wú)人機(jī)的知識(shí)；對(duì)雙目攝像頭的標(biāo)定匹配，以及矯正；通過(guò)使用樹(shù)莓派將雙目攝像頭采集到的信息進(jìn)行篩選處理后，轉(zhuǎn)化成點(diǎn)云圖再輸出，同時(shí)樹(shù)莓派還進(jìn)行與飛控板之間的信息交流，實(shí)時(shí)控制無(wú)人機(jī)位移；將ORB-SLAM 算法融入到ROS 系統(tǒng)與建圖當(dāng)中，最終實(shí)現(xiàn)實(shí)時(shí)點(diǎn)云地圖的建立。