中文摘要：

对未知环境的认知、构建三维环境地图并实现自主导航是移动机器人研究领域的热点和难点。本项目以PMD/2D相机组成的混合维度视觉系统为基础，构建室内环境下高质量的三维地图。首先对混合维度视觉系统进行离线标定，得到两图像像素间的对应关系，完成数据融合并以此建立局部环境的三维模型；其次提出一种基于无偏变换和差分进化的FastSLAM方法，构建可靠的运动模型、观测模型和新提议分布，通过特征匹配、运动估计及路径滤波，获得总体误差最小的运动参数，采用优化的ASIFT算子提取相邻2D图像中的仿射不变特征，并依据相邻2D图像间的特征匹配实现对应局部环境模型的空间点云融合，同时还探讨地图创建过程中出现的数据关联和环形闭合约束等问题；最后通过自主导航和定位验证所创建地图的可靠性和有效性。本项目旨在结合PMD/2D传感器的优点，为移动机器人的自主导航研究提供一种新方法和手段，具有重要的理论意义和应用价值。

结论摘要：

本项目研究了基于PMD/2D混合维度视觉系统的移动机器人三维SLAM的关键问题，建立了局部环境的三维模型，探索基于自适应粒子滤波的FastSLAM方法，实现了移动机器人的自主导航和定位。各项研究工作按照研究计划进行，完成了各项研究内容，共发表学术论文5篇，其中SCI/EI检索5篇。完成的主要研究内容（1）建立基于PMD/2D的混合维度视觉系统，并对该成像系统进行标定；对采集到的PMD图像进行双线性插值，实现PMD/2D图像融合；采用Gabor变换将ASIFT算法生成的高维特征向量进行降维，得到图像的特征描述算子；研究仿射不变特征的匹配算法，提出一种基于阴影集和粒子群优化的模糊C均值分类算法，完成3D图像数据的融合。（2）提出一种基于区间估计和KLD重采样的自适应粒子滤波算法，提高粒子重采样的有效性，以较少的粒子和计算量实现快速同时定位和特征地图创建。（3）搭建备有里程计、PMD和2D视觉传感器的移动机器人实验平台，基于上述算法，创建三维环境地图，进行全局定位和自主导航试验。