面向林地环境的四足机器人自主定位方法

林地是四足机器人野外作业的典型场景,其树木多且间距小,对四足机器人快速导航的定位频率和精度提出了更高的要求。采用腿部里程计定位可以获得较高的更新频率,但林地地面松软、凹凸不平等会引起足端打滑,使其精度降低;而激光雷达定位,虽然林地环境特征丰富,但其存在一定匹配误差且更新频率低,也难以满足快速导航要求。针对此问题,提出了一种适用于林地环境的自主定位方法,采用腿部里程计去除激光雷达点云畸变,并分别提取林地地面和树干特征进行匹配,提高激光雷达定位精度;在激光雷达2次定位之间采用中值和窗口滤波融合腿部里程计的插值数据,提高定位频率。在林地实验中,四足机器人行走110 m,最终偏移为0.09 m,在设定路线导航下最终定位值与期望值相差0.2 m,定位频率500 Hz,四足机器人能准确顺利地完成导航任务。     

基于里程计和PTZ视觉的移动机器人自定位

针对机器人长距离运行时里程计定位存在累积误差问题,提出一种基于里程计和PTZ视觉的移动机器人自定位算法。提出了中断式S形搜索策略的概念,设计了基于有限自动机的视觉定位方法;分析了里程计和视觉定位误差来源,分别建立了其定位信度模型;并基于该模型建立里程计和PTZ视觉定位的框架。针对视觉定位及里程计视觉复合定位分别进行了实验,结果验证了该方法的有效性和实用性。     

捷联惯导系统/里程计自主式车载组合导航系统研究

利用里程计辅助捷联惯导系统构成一种完全自主式的车载组合导航系统.本文详细推导了里程计的速度误差方程.用捷联惯导系统解算出的速度量和里程计所测量的速度量之差作为组合导航系统卡尔曼滤波器的观测量,利用闭环卡尔曼滤波技术进行误差估计与校正,并给出了系统仿真结果.仿真结果表明该组合导航系统可有效地减小姿态、速度、经度和纬度等导航参数的误差累积.     

基于RGB-D视觉里程计估计算法的研究

研究了基于ORB的特征点法和半稠密直接法在视觉特征丰富以及视觉特征缺乏环境当中的实时性、精确性和鲁棒性。实验结果表明,基于ORB的特征点法在视觉特征丰富的环境中比半稠密直接法的实时性和精确性好,而在视觉特征缺乏的环境中,半稠密直接法的鲁棒性更好。     

基于捷联惯性导航的组合导航系统研究

分析了矿山水下轮式采煤车的定位定向导航的可实现问题.惯性导航组合系统是现代导航技术的发展重点.考虑到捷联惯性导航的自主性,采用捷联惯导组合系统实现对采煤车的定位导航.设计了捷联惯性导航和里程计组合的自主性水下导航系统.通过对该系统的实物应用试验,试验结果验证了此组合导航方案的有效性.     

基于稀疏直接法闭环检测定位的视觉里程计

视觉里程计在移动机器人的定位导航中发挥着关键性作用,但当前的算法在运行速度、轨迹精度和鲁棒性等方面依然存在改善空间.为提高相机轨迹精度,提出基于稀疏直接法的闭环检测算法.该算法直接提取两种特征组成混合型特征点提升系统鲁棒性,混合型特征点用于跟踪和匹配关键帧,使视觉里程计能够检测闭环,再用位姿图优化提升定位精度.实验结果...     

基于全景视觉与里程计的机器人自定位方法研究

通过分析全景视觉与里程计传感器的感知模型的不确定性，提出了一种基于路标观测的移动机器人自定位算法. 该算法利用卡尔曼滤波器，融合多种传感器在不同观测点获取的观测数据完成机器人自定位．与传统的、采用单一传感器自定位的方法相比，它利用视觉和里程计的互补特性，提高了自定位的精度．实验结果证明了上述方法的有效性．     

基于双目的物流无人机定点避障系统

文章针对四旋翼物流无人机在低空复杂环境下,由于环境遮挡,无法依赖GPS与光流实现安全精准定位悬停等问题,做出了相对应的设计。以四轴旋翼无人机为平台,使用树莓派4B为机载视觉处理平台处理英特尔追踪实感摄像头T265的位置和速度信息,使用内置V-SLAM算法,实现四旋翼无人机的高精度定点悬停,实现了无人机在无GPS环境下按照轨迹精确定位网格飞行。并且基于t265的双目摄像头可计算出深度图像数据,实现四旋翼无人机的简单避障功能。最终测试表明:无人机能够实现室内等无GPS环境下的自主精准飞行,以及可以在无人为干扰的情况下实现避障飞行。并且实现无人机的一键起飞,精确悬停等功能。     

基于改进双流网络结构的视觉里程计

由于传统的视觉里程计(VO)存在实现过程繁琐、计算复杂等问题,提出了一种基于改进双流网络结构的VO.所提VO使用双流卷积神经网络结构,能够将RGB图像、深度图像同时馈入模型进行训练,并采用Inception网络结构对卷积层进行改进,减少参数数量.同时,在卷积层中加入注意力机制,提升网络对图像特征的辨识度和系统的鲁棒性.为了评估所提模型,在KITTI数据集上进行了模型的训练与测试,并与VISO2-M、VISO2-S和SfMLearner进行对比.结果 表明,相较于同样使用单目相机的VISO2-M和SfMLearner,所提模型在旋转误差和平移误差方面取得了较大的改善,可与使用双目相机的VISO2-S相媲美.     

基于单目视觉和里程计的SLAM算法研究

已有的基于视觉的SLAM方法大多采用双目立体视觉,存在成本高,标定过程复杂,鲁棒性低等缺点.因此,提出了基于单目视觉和里程计的SLAM方法.该方法采用尺度不变特征变换算法提取特征,用扩展卡尔曼滤波更新地图.此外,由于单个CCD摄像头不能直接获得图像的深度信息,采用特征点延迟初始化的方法来解决这个问题,这种方法使得基于单目视觉的导航变得可能.在MATLAB环境下实现了SLAM算法仿真,实验结果表明,在室内环境下,该算法运行可靠,定位精度高.