本論文主要內容為提出並實現一個基於即時外觀建圖(Real-Time Appearance-Based Mapping, RTAB-Map)的加速迴路檢測方法。並使用RGB-D攝影機的同時定位與建圖系統(Simultaneous Localization and Mapping, SLAM)，RTAB SLAM可以分為前端視覺里程計(Visual Odometry, VO) 根據相鄰圖像的訊息粗略的估計出相機的運動，再來後端主要是姿態圖優化的部分，由於前端誤差累積，需要把所有地圖數據放到一起做一次完整的優化，最後是RTAB SLAM中最重要的迴路檢測，迴路檢測是判斷機器人是否到達過先前到達過的位置，如果檢測到迴路假設它會把訊息提供給後端處理，RTAB-Map提供一個與時間和尺度無關的基於外觀的定位與構圖解決方案。本論文提出的基於RTAB-Map加速了迴路檢測，對可能形成迴路機率之定位點之鄰近進行權重值排列，權重值排列方法使用反距離加權法(Inverse Distance Wighted, IDW)，使其減少了迴路檢測檢索範圍，加速了迴路檢測。

The main content of this paper is to propose and implement a method of visual odometry base on Real-Time Appearance-Based Mapping (RTAB-Map). Using Simultaneous Localization and Mapping (SLAM) in RGB-D Camera. The RTAB SLAM can be divided into front visual odometers (VO) to roughly estimate the camera motion by the information of adjacent images, and the back-end is optimization of the pose graph optimizer. Because of the accumulated errors, it has to put all map data together for a complete optimization. Lastly, the most important loop closure in RTAB SLAM. The loop closure is to judge whether the robot has reached the previously arrived position. If a loop is detected it will provide the message to the back end processing. RTAB-Map provides a appearance-based positioning and composition solution without time and scale. This paper proposes an RTAB-Map to speed up the loop closure. Weighting of the adjacent anchors that may form a loop probability. Method of weighting by using inverse distance weighted (IDW) to reduced loop closure search range, accelerated the process of detection.

目錄
中文摘要	I
英文摘要	II
目錄	III
圖目錄	V
表目錄	VIII
第一章	緒論	1
1.1 研究背景	1
1.2 研究動機	2
1.3 論文架構	4
第二章	機器人系統介紹	5
2.1 硬體系統架構	5
2.2 軟體系統架構介紹	7
第三章	RTAB SLAM介紹	8
3.1 同時定位與地圖建制架構簡介	8
3.2 RTAB SLAM	10
3.3 探索策略	22
第四章	RTAB-Map快速迴路檢測	24
4.1 定位點創建	26
4.2 權重更新	29
4.3 貝葉斯過濾器更新	30
4.4 迴路假設	32
4.5 檢索	33
4.6 轉移	35
4.7 迴路檢測修改	36
第五章	實驗結果	38
5.1 實驗平台與地圖建置	38
5.2 定位系統準確度驗證	42
5.3 迴路檢測比較	44
第六章	結論與未來展望	45
參考文獻	46

 
圖目錄
圖1-1、Kiva Robot實體圖	2
圖1-2、移動型機器人三大研究範圍之涵蓋示意圖	2
圖1-3、華碩電腦之機器人產品Zenbo	3
圖2-1、機器人外觀	5
圖2-2、硬體架構圖	5
圖2-3、RGB-D攝影機Kinect V1	6
圖2-4、微型電腦	7
圖2-5、全方位移動平台	7
圖2-6、軟體系統架構	7
圖3-1、地圖建置與導航系統架構	8
圖3-2、RTAB SLAM流程圖	10
圖3-3、近似模板	13
圖3-4、SIFT、SURF架構金字塔	13
圖3-5、三維比較極值點	14
圖3-6、找主方向	15
圖3-7、Harr小波遮罩(左)dx(右)dy	15
圖3-8、描述特徵點資料統計示意圖	16
圖3-9、影像匹配	17
圖3-10、相機的運動軌跡示意圖	18
圖3-11、RANSAC PnP示意圖	19
圖3-12、局部地圖示意圖	20
圖3-13、運動狀態估測示意圖	20
圖3-14、姿態圖示意圖	21
圖3-15、探索策略流程圖	22
圖3-16、搜索示意圖	23
圖4-1、迴環檢測流程圖	24
圖4-2、RTAB-Map演算法	25
圖4-3、詞袋法示意圖	26
圖4-4、詞袋法流程圖	27
圖4-5、定位點示意圖	29
圖4-6、迴路假設示意圖	33
圖4-7、檢索示意圖	34
圖4-8、轉移示意圖	35
圖4-9、演算法修改示意圖	37
圖4-10、RTAB-Map演算法修改	37
圖5-1、移動型機器人	39
圖5-2、移動型機器人硬體配置圖	39
圖5-3、淡江大學外語大樓1樓尺寸圖	40
圖5-4、探索策略示意圖	41
圖5-5、3D地圖建置	41
圖5-6、定位系統驗證流程圖	42
圖5-7、定位系統準確度驗證建置圖	42







表目錄
表5-1、移動型機器人硬體規格	40
表5-2、定位系統平均誤差	43
表5-3、迴路檢測時間比較	44

參考文獻
[1]	Amazon, URL:https://en.wikipedia.org/wiki/Amazon.com
[2]	ARC, URL:https://www.amazonrobotics.com/#/roboticschallenge
[3]	Asus-Zenbo, URL:https://zenbo.asus.com/tw/
[4]	B. Zhou, M. Li, K. Qian, X. Dai, and F. Fang, “Long-Range Outdoor Localization of a Mobile Robot using a Binocular Camera,” 2015 IEEE  Industrial Electronics Society, pp. 909-914, 2015.
[5]	鄭期元，基於AKF之感測器融合應用於移動型機器人之定位系統，淡江大學電機工程學系碩士論文，2017。
[6]	何丞堯，全方位視覺足球機器人之自我定位系統的設計與實現，淡江大學電機工程研究所碩士論文，2009。
[7]	K.N. Al-Mutib, E.A. Mattar, and M.M. Alsulaiman, and H. Ramdane, “Stereo Vision SLAM Based Indoor Autonomous Mobile Robot Navigation,” 2014 IEEE International Conference on Robotics and Biomimetics, pp. 1584-1589, 2014.
[8]	Q. Lv, H. Lin, G. Wang, H. Wei, and Y. Wang, “ORBSLAM-based Tracing and 3D Reconstruction for Robot Using Kinect 2.0,” 2017 29th Chinese Control And Decision Conference, pp. 3319-3324, 2017.
[9]	L. Z. Zhang, P. shen, J. Ding, J. Song, J. Liu, and K. Yi, “An Improved RTAB SLAM Algorithm Based on Kinect Sensor,” 2015 IEEE International Conference on Advanced Intelligent Mechatronics, pp. 555-562, 2015.
[10]	H. Bay, A. Ess, T. Tuytelaars, and L.V. Gool, “Speeded-Up Robust Features,” Computer Vision and Image Understanding, pp. 346-359, 2008.
[11]	S. Li, C. Xu, and M. Xie, “A Robust O(n) Solution to the Perspective -n-Point Problem,” IEEE Transactions on Pattern Analysis and Machine Intelligence, pp. 1444-1450, 2012.
[12]	RTAB-Map, URL:http://introlab.github.io/rtabmap/
[13]	M. Labbe, and F. Michaud, “Appearance-Based Loop Closure Detection for Online Large-Scale and Long-Term Operation,” IEEE Transactions on Robotics, pp. 734-745, 2013. 
[14]	M. Labbe, and F. Michaud, “Online Global Loop Closure Detection for Large-Scale Multi-Session Graph-Based SLAM,” 2014 IEEE/RSJ International Conference on Intelligent Robots and Systems, pp. 2661-2666, 2014.
[15]	M.O. Salameh, A. Abdullah, and S. Saran, “Ensemble of Bayesian Filter with Active and Passive Nodes for Loop Closure Detection,” 2017 18thInternational Conference on Advanced Robotics, pp. 482-486, 2017.
[16]	Bag of words, URL:https://blog.csdn.net/wsj998689aa/article/details/470
89153
[17]	J. Sivic, and A. Zisserman, “Video Google: A Text Retrieval Approach to Object Matching in Videos,” 2003 IEEE International Conference on Computer Vision, pp. 1470-1477, 2003.
[18]	M. Muja, and D.G. Lowe, “Fast approximate nearest neighbors with automatic algorithm configuration,” Proceedings of the International Conference on Computer Vision Theory and Application, pp. 331-340, 2009.