基于激光SLAM的移动机器人的改进实现

传统的基于激光SLAM的移动机器人通常配备激光测距仪作为其获取外界环境信息的传感器,但激光测距存在不能获取三维环境信息的不足。比较了以激光测距仪数据作为观测和以Kinect数据作为观测时对移动机器人同时定位与建图的影响,并提出了对基于激光SLAM的移动机器人的改进实现,使机器人同时配备激光测距仪和Kinect用于同时定位与建图以及导航。实验表明:同时配备激光测距仪和Kinect的移动机器人,不仅可以获得较高质量的环境地图和较高精度的机器人定位,同时还可以获得通过复杂环境的能力。     

基于SLAM的机器人在车间运送中的应用

运送机器人主要通过电机、舵机、激光雷达、微控制器和树莓派等硬件设备组装而成,并在树莓派或计算机端的ROS系统运用建图、定位和路径规划等算法,实现机器人的自动避障和自主导航。实验发现机器人建立的地图能够描绘出机器人环境的大部分物体,路径规划和机器人的响应效果良好,并在误差允许范围内,地图中的定位可精确到70%。因此,可将SLAM机器人应用于车间运送,以提高车间的工作效率,节约人力成本。     

改进3D SLAM算法在移动机器人上的应用

实现移动机器人的同步定位与建图(SLAM)是实现移动机器人真正意义上自主导航的关键。越来越多的研究者开始关注基于机器视觉的SLAM技术,这是因为它具有丰富的信息和低廉的价格。针对传统的室内环境下的3D SLAM存在实时性差、鲁棒性低等问题,提出了一种改进的RGB-D SLAM算法,利用主成分分析法(PCA)对特征描述子进行降维处理,以加快图像匹配的速度。同时针对RGB-D SLAM过程中平移和旋转较慢这一特征,提出了一种将图像区域分块匹配的方法,提高了特征点匹配的效率,降低了误匹配率。同时限制所划分的区域内的特征点数目,使得提取到的图像特征更均匀。为了克服原始RGB-D SLAM的效率不佳问题,采用了RTAB-MAP来实现RGB-D SLAM。在后端,g2o用于机器人的轨迹和全局地图优化。     

基于扩展Kalman滤波器算法的移动机器人同步定位与建图

针对移动机器人的同步定位与建图（SLAM）问题,提出了一种基于改进的扩展Kalman滤波算法的同步定位与建图方法。通过建立基于直线特征提取的机器人观测模型,推导了SLAM建图的预测和更新算式,设计了基于特征点数目的SLAM预测与更新率算子,实现了移动机器人的同步定位与建图。实验结果表明该方法有效、可行。     

信通机房机器人高相似度空间定位导航技术

为解决电力系统中的信通机房巡检问题,采用激光雷达传感器来对周围环境进行感知,基于Hector＿SLAM算法、快速扩展随机树算法以及滑模轨迹控制算法设计了机器人的自动导航功能。首先,基于Hector＿SLAM算法实现实施建图与定位,随后利用快速扩展随机树算法进行路径规划,给出理想轨迹,最后利用滑模轨迹控制算法跟踪理想轨迹以实现自动导航功能。MATLAB仿真结果证明所选的路径规划算法与轨迹跟踪算法可以实现在未知地图中起止点之间自动导航的功能,且精度满足要求。     

基于体感传感器的室内机器人定位研究

同时定位与地图构建是机器人能够实现智能化自主导航的关键技术。该文提出一种基于体感传感器的移动机器人SLAM实现方法。通过分析体感视觉获取原理和数据特点,设计了系统结构,并将体感传感器获取的数据进行处理,得到构建地图所需的特征路标;再使用扩展卡尔曼滤波实现SLAM,通过实验结果验证了基于体感传感器的SLAM方法的有效性和正确性。     

激光SLAM自主导航的线段特征提取混合算法研究

移动机器人在未知环境中自主导航时定位需要精确的地图,同时为了构建精确的地图必须确定机器人的位姿,同时定位与地图构建(SLAM)问题便产生.基于激光雷达SLAM自主导航算法是研究的方向之一,激光雷达具有测距精度高、测距远等优点,但是由于激光雷达的数据量少、传感器本身噪声的影响,容易导致机器人构建地图精度低、定位误差大等问题.针对激光雷达的数据测得的距离信息进行线段特征提取算法,通过将常用PDBS、IEPF算法优缺点进行综合,提出了一种混合特征提取算法.最后通过对SICK的LMS111-10100激光雷达获取环境中的一组数据进行处理,分别对PDBS、IEPF算法及混合算法提取效果与实际环境对比,验证了特征提取混合算法的有效性.     

基于SLAM的爬壁机器人自主移动研究

目前在研的爬壁机器人基本采用遥控模式进行控制，尚不具备全自主移动功能。针对大型钢结构外表面巡检、涂装等作业，提出了一种基于SLAM(Simultaneous Localization And Mapping)的自主移动模式。通过建立机器人相关模型，在完成SLAM建立环境地图的基础上，实现基于路径规划算法的自主移动，并通过试验表明在室内环境下，Cartographer算法得到的地图边缘和障碍物细节更加完整，建图准确度更高，其相对误差绝对值的最大值为2.67%，算法可信度高。自主移动试验中，爬壁机器人基本能够到达目的地，符合机器人进行巡检等工作的需要，表明基于SLAM的爬壁机器人应用于大型钢结构自主移动具有可行性。     

多功能巡检救援机器人系统设计及定位导航

设计了一种针对核环境场合的多功能巡检救援机器人系统,可多通道远程遥操作执行巡检救援任务。结合机器人功能特性及作业要求,提出了一种适用于狭小多障碍环境下的不变姿态直角转弯电磁导航方法。通过EKF方法融合里程计和惯性测量单元,并以激光雷达数据为观测量,在ROS上采用FastSLAM方法实现了机器人基于多传感器的建图和定位。介绍了机器人的系统设计及其电磁导航、建图定位实现方法,并进行电磁导航巡线实验和同时定位,实验结果证明了导航算法和定位方法的可行性和正确性。     

光伏电池板清洗机器人定位与导航系统的开发与设计

针对目前光伏电池板清洗机器人在未知环境中感知能力差,缺乏自主规划路径和躲避障碍物能力差三方面,使用ROS机器人操作系统结合激光雷达传感器以及SLAM同步定位与建图技术来解决上述问题。采用A*和D*算法实现对机器人路径规划,以实现实时避障等功能,并通过自主开发的光伏电池板清洗机器人进行验证。结果表明：在现实环境中机器人利用激光雷达可对未知环境地图进行构建,并且机器人可按照制定路线进行移动,同时也可躲避出现在其路径之上的障碍物,验证了光伏电池板清洗机器人开发的可能性。     

基于惯性导航与立体视觉的风管清扫机器人同时定位与地图创建方法

风管清扫机器人是用于完成中央空调通风管道系统清扫工作的一种自动化设备,为提高其在庞大且封闭的未知通风管道网络中的自主导航能力,提出一种低成本的机器人同时定位与地图创建解决方案。该方案结合惯性测量单元的高速动态性能及双目立体视觉传感器良好的环境感知能力,通过采用Rao-Blackwellized粒子滤波方法融合两种传感器的测量信息,可以有效地抑制惯性传感器的漂移,快速地估计机器人三维的位置、姿态和速度,并且获取稳定的环境视觉路标信息,能够满足风管清扫机器人同时定位和地图创建的要求。同时,为确保视觉路标关联的鲁棒性,提出一种双向的基于几何相容性及路标视觉特征相结合的数据关联方法。试验结果证明所提的同时定位与地图创建方案和数据关联法的有效性。     

基于单目视觉直线跟踪的SLAM实现

同时定位和地图生成问题(SLAM)是移动机器人的一个基本问题,有着广阔的应用背景.由于视觉传感器具有成本低、信息丰富的特点,是当前SLAM问题研究的一个热点.针对视觉传感器视野小、远距离观测精度低的问题,提出了一种基于直线跟踪的单目视觉SLAM算法.该算法通过对直线特征的近距离观测和跟踪,保证了定位的精度和地图生成的效率.在Pioneer3dx机器人平台上进行的实验研究表明,该算法尤其适合于结构化环境几何地图的构建.     

基于ROS和激光雷达的室内移动机器人定位和导航系统设计与实现

根据自主运动机器人的室内定位需求,设计并实现基于机器人操作系统ROS和激光雷达的室内移动机器人定位和导航系统。机器人系统采用树莓派控制器作为控制核心平台,利用激光雷达采集环境信息,在ROS分布式框架下进行软件算法的开发,实现基于扫描匹配算法的SLAM功能、基于最优路径算法路径规划以及基于粒子滤波算法的导航功能。理论仿真及实验实测结果表明,系统可构建精度较高的环境地图,并对机器人进行定位,有效完成室内定位和导航任务,具有低成本、开源、模块化、易于拓展等优点。     

基于Kinect传感器的移动机器人自主导航研究

未知环境移动机器人自主导航是当前的研究热点.同步定位与建图是实现移动机器人自主导航的关键环节.目前,许多学者通过激光测距仪、声呐、相机等设备来研究同步定位与建图.本文提出了由一台笔记本控制携带Kinect传感器移动机器人获取信息,再通过独立工作站创建未知环境全局地图的方案.其中,笔记本获取的信息(深度数据)通过无线传输给工作站.Gmapping(一种高效的Rao-Blackwellized粒子滤波器将激光扫描数据生成栅格地图)参数被优化来提高地图创建质量和激光扫描数据精度.通过Turtlebot进行实验验证了本文所提方案的有效性.     

多传感器信息融合的移动机器人定位算法研究

为有效降低使用单一传感器进行移动机器人定位时的不确定误差,提高机器人定位与建图的准确性和鲁棒性,提出了一种多传感器信息融合的移动机器人定位算法。基于激光RBPF-SLAM算法实现机器人同时定位与路标地图构建,运用图优化理论约束优化蒙特卡洛定位的位姿估计结果;通过双目视觉重建环境的三维点特征,针对视觉信息处理计算量大、跟踪精度不高的问题,研究改进基于ORB的特征点提取与四边形闭环匹配算法;利用因子图模型对激光RBPF-SLAM定位和双目视觉定位进行最大后验概率准则下的信息融合。仿真和实验结果表明通过上述方法可以得到比传统RBPF-SLAM算法及一般改进算法更高的定位精度,验证了所提方法的有效性和实用性。     

3D 激光雷达 SLAM 算法综述

无人平台在大范围环境中实现自主定位与导航的能力需求日益严苛,其中基于激光雷达的同步定位和绘图技术(SLAM)是主流的研究方案。在这项工作中,本文系统概述了3D激光雷达SLAM算法框架和关键模块,分析阐述了近年来的研究热点问题和未来发展趋势,梳理了3D激光雷达SLAM算法性能的评估标准,并据此选取目前较为成熟的具有代表性的6种开源3D激光雷达SLAM算法在机器人操作系统(ROS)中进行了测试评估,基于KITTI基准数据集,从KITTI官方精度标准、SLAM算法精度指标、算法耗时和处理帧率3方面进行了横向比较,结果表明,所选6种算法中LIO-SAM算法性能综合表现突出,其在00序列数据集的测试中,绝对轨迹误差(ATE)和相对位姿误差(RPE)的RMSE数据分别为1.303和0.028,算法处理的帧率(fps)为28.6,最后依据CiteSpace分析讨论了3D激光雷达SLAM技术的应用趋势。     

基于ORB关键帧匹配算法的机器人SLAM实现

针对复杂环境下机器人的同时定位与地图构建(SLAM)存在实时性与鲁棒性下降等问题,将一种基于ORB特征点的关键帧闭环检测匹配算法应用到定位与地图构建中。研究并分析了特征点提取与描述符建立、帧间配准、位姿变换估计以及闭环检测对SLAM系统的影响,建立了关键帧闭环匹配算法和SLAM实时性与鲁棒性之间的关系,提出了一种基于ORB关键帧匹配算法的SLAM方法。运用改进ORB算法加快了图像特征点提取与描述符建立速度;结合相机模型与深度信息,可将二维特征图像转换为三维彩色点云;通过随机采样一致性(RANSAC)与最近迭代点(ICP)相结合的改进RANSAC-ICP算法,实现了机器人在初始配准不确定条件下的位姿估计;使用Key Frame的词袋闭环检测算法,减少了地图的冗余结构,生成了具有一致性的地图;通过特征点匹配速度与绝对轨迹误差的均方根值对SLAM系统的实时性与鲁棒性进行了评价。基于标准测试集数据集的实验结果表明,ORB关键帧匹配算法能够有效提高SLAM系统建图速度与稳定性。     

定位细胞认知机理启发的机器人导航研究综述

快速准确完成目标导航是哺乳动物赖以生存的一个重要能力,海马体和内嗅皮层是实现其空间认知及导航能力的主要脑区,网格细胞和位置细胞等多细胞的协同作用可以为大脑提供一套综合定位系统,实现了哺乳动物更高水平的认知功能。综述了哺乳动物海马相关定位细胞在机器人自主导航领域的最新研究进展,重点介绍了定位细胞认知机理启发的机器人环境建模、地图构建及行为规划与控制等领域的研究成果。最后对定位细胞启发机器人应用存在的问题进行分析和讨论,并对未来发展方向做了展望。     

Robust Iterated Sigma Point FastSLAM Algorithm for Mobile Robot Simultaneous Localization and Mapping

Simultaneous localization and mapping (SLAM) is a key technology for mobile robots operating under unknown environment. While FastSLAM algorithm is a popular solution to the SLAM problem, it suffers from two major drawbacks: one is particle set degeneracy due to lack of observation information in proposal distribution design of the particle filter; the other is errors accumulation caused by linearization of the nonlinear robot motion model and the nonlinear environment observation model. For the purpose of overcoming the above problems, a new iterated sigma point FastSLAM (ISP-FastSLAM) algorithm is proposed. The main contribution of the algorithm lies in the utilization of iterated sigma point Kalman filter (ISPKF), which minimizes statistical linearization error through Gaussian-Newton iteration, to design an optimal proposal distribution of the particle filter and to estimate the environment landmarks. On the basis of Rao-Blackwellized particle filter, the proposed ISP-FastSLAM algorithm is comprised by two main parts: in the first part, an iterated sigma point particle filter (ISPPF) to localize the robot is proposed, in which the proposal distribution is accurately estimated by the ISPKF; in the second part, a set of ISPKFs is used to estimate the environment landmarks. The simulation test of the proposed ISP-FastSLAM algorithm compared with FastSLAM2.0 algorithm and Unscented FastSLAM algorithm is carried out, and the performances of the three algorithms are compared. The simulation and comparing results show that the proposed ISP-FastSLAM outperforms other two algorithms both in accuracy and in robustness. The proposed algorithm provides reference for the optimization research of FastSLAM algorithm.