基于激光测距与双目视觉信息融合的移动机器人SLAM研究

未知复杂环境中不规则的障碍物使传感数据具有不确定性,单依靠激光测距仪进行移动机器人的定位与自主导航可靠性不足;针对此问题,提出了一种基于激光测距仪和双目视觉传感器信息融合的精确定位方法,利用加权最小二乘拟合方法和尺度不变特征变换(SIFT)算法分别从对激光信息与视觉信息中提取直线和点特征,进行特征级的信息融合。通过对实验结果和数据分析,多传感器信息融合可以有效提高移动机器人SLAM(即时定位与地图构建)的精度和鲁棒性。     

基于激光雷达与双目视觉的移动机器人SLAM研究

为解决移动机器人在环境未知条件下,利用单一传感器自主导航时不能及时定位、构建地图不精确的问题,提出采用一种改进RBPF算法,在计算提议分布时将移动机器人的观测数据(视觉信息与激光雷达信息)和里程计信息融合;针对一般视觉图像特征点提取算法较慢的问题,采用基于ORB算法对视觉图像进行处理以加快视觉图像处理速度的方法;最后通过在安装有开源机器人操作系统(ROS)的履带式移动机器人进行实验,验证了采用该方法可构建可靠性更高、更精确的2D栅格图,提高了移动机器人SLAM的鲁棒性.     

基于超声波的移动机器人的同时定位和地图构建

为了在移动机器人SLAM过程中得到更精确的定位和二维地图构建,对一种利用超声波传感器信息进行栅格地图创建的方法提出了改进;该方法利用Bayes法则对信息进行融合,利用粒子滤波和航位推算相结合的方法对机器人进行精确定位和创建地图,然后利用移动的栅格法进行地图的全局更新,提出了一种地图的校验方法;通过实验,在粒子数为200的情况下分别得到了算法改进前和改进后的地图构建结果,通过比较,证明了使用该算法进行移动机器人定位和地图构建更加精确。     

基于声纳传感器的移动机器人地图创建方法研究*

提出了一种改进的基于声纳传感器信息进行栅格地图创建的方法。将Bayes法则用于移动机器人地图创建,对多个声纳传感器信息进行融合,解决信息间的冲突问题,并根据声纳模型将测量数据集成到局部地图中,改变栅格被障碍物占有的概率。经过坐标变换后,利用Bayes法则更新全局地图中的栅格信息,实现从局部地图到全局地图的更新。实验验证了该算法的可行性与有效性。     

一种低功耗程控滤波器的设计

针对目前移动机器人同时定位与地图创建(SLAM)研究中多采用激光雷达或超声环作为测距传感器导致系统复杂、成本高的问题,提出了一种利用舵机带动单超声传感器扫描的低成本设计方案。在高斯超声模型基础上,利用贝叶斯公式对栅格地图进行概率更新,并结合Sobel边缘检测算法提取特征点,实现了由不确定的移动机器人坐标系向固定的以环境特征点为原点的全局环境坐标系的转换及全局定位,为在相同环境下通过重复实验进行多地图融合研究奠定了基础。该低成本移动机器人设计的有效性通过实验得以验证。     

激光—相机系统语义栅格建图和路径规划

目的 SLAM（simultaneous localization and mapping）是移动机器人在未知环境进行探索、感知和导航的关键技术。激光SLAM测量精确，便于机器人导航和路径规划，但缺乏语义信息。而视觉SLAM的图像能提供丰富的语义信息，特征区分度更高，但其构建的地图不能直接用于路径规划和导航。为了实现移动机器人构建语义地图并在地图上进行路径规划，本文提出一种语义栅格建图方法。方法 建立可同步获取激光和语义数据的激光-相机系统，将采集的激光分割数据与目标检测算法获得的物体包围盒进行匹配，得到各物体对应的语义激光分割数据。将连续多帧语义激光分割数据同步融入占据栅格地图。对具有不同语义类别的栅格进行聚类，得到标注物体类别和轮廓的语义栅格地图。此外，针对语义栅格地图发布导航任务，利用路径搜索算法进行路径规划，并对其进行改进。结果 在实验室走廊和办公室分别进行了语义栅格建图的实验，并与原始栅格地图进行了比较。在语义栅格地图的基础上进行了路径规划，并采用了语义赋权算法对易移动物体的路径进行对比。结论 多种环境下的实验表明本文方法能获得与真实环境一致性较高、标注环境中物体类别和轮廓的语义栅格地图，且实验硬件结构简单、成本低、性能良好，适用于智能化机器人的导航和路径规划。     

基于改进Rao-Blackwellized粒子滤波器的 同时定位与地图构建

解决同时定位与地图构建(SLAM)问题是实现机器人自主导航的核心.目前,Rao-Blackwellized粒子滤波器(RBPF)是解决机器人同时定位与地图构建的有效方法.该方法在计算提议分布时,通常只考虑移动机器人的里程计信息,因此存在需要大量的采样粒子造成的计算量和复杂度增大的问题.本文提出一种改进算法,在计算提议分布时将机器人里程计信息和激光传感器采集的距离信息进行融合,有效地减少了所需粒子的数量并降低了滤波器预测阶段机器人位姿的不确定性.本文在机器人操作系统(robot operating system,ROS)平台上,使用配有URG激光器的Pioneer3-DX机器人进行了实验.结果表明,采用本文方法能够实时在线地创建高精度的栅格地图,为机器人在未知环境中的SLAM和导航提供了新途径.     

移动机器人基于多传感器信息融合的室外场景理解

本文研究了移动机器人多传感器信息融合技术,提出一种融合激光测距与视觉信息的实时室外场景理解方法．基于三维激光测距数据构建了高程图描述场景地形特征,同时利用条件随机场模型从视觉信息中获取地貌特征,并以高程图中的栅格作为载体,应用投影变换和信息统计方法将激光信息与视觉信息进行有效融合．在此基础上,对融合后的环境模型分别在地形和地貌两个层面进行可通过性评估,从而实现自主移动机器人实时室外场景理解．实验结果和数据分析验证了所提方法的有效性和实用性．     

基于2D激光雷达的SLAM算法研究综述

移动机器人导航功能的实现需要同时定位与建图(simultaneous localization and mapping,SLAM)和路径规划这两方面的技术,其中由SLAM技术生成的栅格地图是移动机器人运用路径规划算法的前提。2D激光SLAM由于其建图精度较高、性能稳定且价格便宜,在室内移动机器人中应用十分广泛。2D激光SLAM是指移动机器人在自身所处环境及位置先验信息未知的情况下,以2D激光雷达为主要传感器,感知周围环境信息,从而实现自身位姿的估计和地图的构建。将2D激光SLAM分为两部分,第一部分从激光测距原理入手,对三角法和飞行时间法进行了详细介绍和优缺点比较。第二部分从前端扫描匹配、后端优化、回环检测和地图构建这四个方面分别详细阐述了2D激光SLAM系统框架。同时对主流2D激光SLAM算法进行了深入分析和优缺点比较,并对激光SLAM未来的发展进行了展望。     

双目立体视觉栅格地图构建方法

本文基于立体视觉定位技术,提出了基于双目立体视觉的栅格地图构建方法,用以解决目前视觉SLAM技术构建的稀疏特征地图难以直接用于自主导航的问题。本文提出的方法仅以视觉信息作为输入实时完成移动机器人自定位与外界环境栅格地图的构建。首先采用双目立体视觉定位获取机器人运动参数,利用稠密匹配估算空间点云分布,在考虑机器人实际高度的情况下将三维点云投影成二维数据,最后通过二值贝叶斯滤波器在线构建栅格地图。本文所构建的栅格地图包含环境几何信息,可直接应用于机器人路径规划与导航。实验结果验证了本文所以出的定位与地图构建方法的可行性。     

基于声纳的移动机器人环境建图的设计与实现*

针对未知环境中声纳传感器定位与地图创建时传感数据不确定性高、可靠性低的问题,提出了一种新的室内环境建图方法。该方法建立容忍函数以判断噪声和镜面反射,同时借鉴了ArcTransversal Median Algorithm的思想和栅格概率估计并采用贝叶斯法则进行两次数据融合以减小声纳传感器信息的不确定性。在MORCS2机器人平台上实时创建地图实验表明,这种方法能快速实现从局部地图到全局地图的更新且有较好的精确性与鲁棒性。     

用于胎压监测系统的一种改进贝叶斯估计数据融合算法的研究

针对小型汽车胎压监测系统(TPMS)利用单一传感器测量数据不确定性的问题,提出一种将贝叶斯估计和卡尔曼滤波相结合的多传感器数据融合的方法.设计满足系统功能要求的方案,运用贝叶斯估计对SP370轮胎模块中传感器采集的数据进行融合,排除失效的数据以及故障的传感器,提高系统的精度.结合卡尔曼滤波器优化融合的结果,消除噪声信号.研究结果表明,采用上述的数据融合方法能够有效的解决单一传感器测量数据的局限性,抑制传感器引入的噪声,并通过仿真验证了本系统的可行性、可靠性.     

Scale-aware navigation of a low-cost quadrocopter with a monocular camera

We present a complete solution for the visual navigation of a small-scale, low-cost quadrocopter in unknown environments. Our approach relies solely on a monocular camera as the main sensor, and therefore does not need external tracking aids such as GPS or visual markers. Costly computations are carried out on an external laptop that communicates over wireless LAN with the quadrocopter. Our approach consists of three components: a monocular SLAM system, an extended Kalman filter for data fusion, and a PID controller. In this paper, we (1) propose a simple, yet effective method to compensate for large delays in the control loop using an accurate model of the quadrocopter’s flight dynamics, and (2) present a novel, closed-form method to estimate the scale of a monocular SLAM system from additional metric sensors. We extensively evaluated our system in terms of pose estimation accuracy, flight accuracy, and flight agility using an external motion capture system. Furthermore, we compared the convergence and accuracy of our scale estimation method for an ultrasound altimeter and an air pressure sensor with filtering-based approaches. The complete system is available as open-source in ROS. This software can be used directly with a low-cost, off-the-shelf Parrot AR.Drone quadrocopter, and hence serves as an ideal basis for follow-up research projects.     

家庭服务机器人自主定位控制

家庭服务机器人是目前机器人领域的一个研究热点,家庭服务机器人的研发可以减轻社会和家庭负担,缓解人口老龄化等问题.自主定位技术是家庭服务机器人研发的核心技术之一.本文针对家庭服务机器人定位技术研究,进行了其机械结构的设计以及传感器的选型提供方案,也对ROS编译环境进行介绍.最重要的是设计出一种基于激光SLAM技术为核心的传感器数据融合方法适用于家庭的微动态环境下的定位方法.在对系统进行运动学模型和坐标系模型建模的基础上,提出一种传统的Hector SLAM算法并对其进行改进成自适应无迹卡尔曼(AUKF)融合算法,提高了定位的稳定性和准确性.     

多源融合SLAM的现状与挑战

同时定位与地图构建（simultaneous localization and mapping,SLAM）技术在过去几十年中取得了惊人的进步,并在现实生活中实现了大规模的应用。由于精度和鲁棒性的不足,以及场景的复杂性,使用单一传感器（如相机、激光雷达）的SLAM系统往往无法适应目标需求,故研究者们逐步探索并改进多源融合的SLAM解决方案。本文从3个层面回顾总结该领域的现有方法：1）多传感器融合（由两种及以上传感器组成的混合系统,如相机、激光雷达和惯性测量单元,可分为松耦合、紧耦合）;2）多特征基元融合（点、线、面、其他高维几何特征等与直接法相结合）;3）多维度信息融合（几何、语义、物理信息和深度神经网络的推理信息等相融合）。惯性测量单元和视觉、激光雷达的融合可以解决视觉里程计的漂移和尺度丢失问题,提高系统在非结构化或退化场景中的鲁棒性。此外,不同几何特征基元的融合,可以大大减少有效约束的程度,并可为自主导航任务提供更多的有用信息。另外,数据驱动下的基于深度学习的策略为SLAM系统开辟了新的道路。监督学习、无监督学习和混合监督学习等逐渐应用于SLAM系统的各个模块,如相对姿势估计、地图表示、闭环检测和后端优化等。学习方法与传统方法的结合将是提升SLAM系统性能的有效途径。本文分别对上述多源融合SLAM方法进行分析归纳,并指出其面临的挑战及未来发展方向。     

面向数据共享的多无人机协同SLAM方法

协同即时定位与地图构建(SLAM)建立在多无人机的联合感知能力之上,通过局部地图的交互融合构建一个增量式全局环境地图,以提高多无人机任务协同的准确性、实时性和鲁棒性.针对多无人系统协同定位与构图中数据高效共享与利用的难题,面向快速、准确、大范围多机协同SLAM需求,本文提出了一种基于集中式架构的多无人机局部地图数据高效共享和融合的SLAM方法——Data Sharing Oriented Multi-UAV Collaborative SLAM(DSM-SLAM).该方法创新性地提出了:(1)基于共享局部地图的两步重定位机制,实现了多机间全局地图的高效闭环检测;(2)基于层次聚类的地图融合选择机制,提高了地图融合的快速性和准确性,最终,在增强单无人机跟踪定位鲁棒性的同时,实现了高效地闭环检测,提升了多无人机视觉SLAM系统的数据协同处理能力.本文不仅基于ROS实现了DSM-SLAM的原型系统,而且采用公开数据集KITTI对该方法展开了一系列实验验证,结果表明,基于上述两种机制设计的DSM-SLAM方法,不仅能够快速高效地恢复单无人机跟踪定位,而且可以自适应选择数据融合的顺序,有效增强了全局地图构建的完整性和准确性.     

激光和视觉融合SLAM方法研究综述

激光和视觉传感器在SLAM应用中都有其局限性，基于激光和视觉传感器融合的SLAM方法能够有效的利用各个传感器的优势，弥补传感器在某些特殊环境下的劣势，成为当前研究的热点之一；在分析激光SLAM和视觉SLAM优缺点的基础上，对激光和视觉融合的SLAM方法的研究现状进行概括和总结；介绍了激光和视觉融合SLAM的主要标志性成果，总结了激光和视觉传感器融合SLAM的关键性问题，包括激光和视觉传感器数据的外部标定、激光和视觉传感器数据融合方法，对激光和视觉融合SLAM方法的优缺点和主要的应用领域进行了总结；最后，对激光和视觉融合SLAM的主要发展趋势及研究热点进行了讨论。     

Improved occupancy grid mapping in specular environment

This paper addresses the improved method for sonar sensor modeling which reduces the specular reflection uncertainty in the occupancy grid. Such uncertainty reduction is often required in the occupancy grid mapping where the false sensory information can lead to poor performance. Here, a novel algorithm is proposed which is capable of discarding the unreliable sonar sensor information generated due to specular reflection. Further, the inconsistency estimation in sonar measurement has been evaluated and eliminated by fuzzy rules based model. To achieve the grid map with improved accuracy, the sonar information is further updated by using a Bayesian approach. In this paper the approach is experimented for the office environment and the model is used for grid mapping. The experimental results show 6.6% improvement in the global grid map and it is also found that the proposed approach is consuming nearly 16.5% less computation time as compared to the conventional approach of occupancy grid mapping for the indoor environments.     

异构大数据环境中高效率知识融合方法的研究

知识融合是知识图谱技术的关键环节,而传统机器学习算法较难满足异构大数据环境中知识融合的准确性及实时性需求.提出一种结合概念漂移检测算法与无监督反向验证算法的高可靠、低复杂度知识融合方法.该方法利用贝叶斯估计进行实体对齐与属性融合的同时,周期性进行基于孤立深林算法的概念漂移检测与基于自组织映射网络的反向实体消歧,以此有效...     

一种强干扰环境下的离格稀疏贝叶斯DOA估计方法

强干扰的环境下,基于传感器阵列的波达方向(Direction of arrival,DOA)估计是阵列信号处理中的重要问题。虽然对于网格点目标现有方法的DOA估计精度较高,但对于离格点目标现有方法的DOA估计性能会严重下降。本文提出一种离格情况下的DOA估计方法,首先设计一种鲁棒的正交零陷矩阵滤波法(Robust orthogonal matrix filter with nulling,ROMFN),它结合了正交零陷滤波法(Orthogonal matrix filter with nulling,OMFN)和最差性能下的鲁棒自适应波束形成,在对离格点目标达到滤波效果的同时只需设计较少的网格点。此外,新的矩阵滤波法保留了高斯白噪声的特性,避免了噪声白化的预处理过程。其次基于离格点稀疏贝叶斯推断(Off-grid sparse Bayesian inference,OGSBI)和ROMFN,形成一种强干扰下DOA估计的新方法。与现有方法相比,仿真结果表明该方法可以在不同的网格间距、不同的信噪比和干噪比下获得更高的估计精度。