Simultaneous Localization of a Mobile Robot and Multiple Sound Sources Using a Microphone Array

Sound source localization is an important function in robot audition. Most existing works perform sound source localization using static microphone arrays. This work proposes a framework that simultaneously localizes the mobile robot and multiple sound sources using a microphone array on the robot. First, an eigenstructure-based generalized cross-correlation method for estimating time delays between microphones under multi-source environments is described. Using the estimated time delays, a method to compute the farfield source directions as well as the speed of sound is proposed. In addition, the correctness of the sound speed estimate is utilized to eliminate spurious sources, which greatly enhances the robustness of sound source detection. The arrival angles of the detected sound sources are used as observations in a bearing-only simultaneous localization and mapping procedure. As the source signals are not persistent and there is no identification of the signal content, data association is unknown and it is solved using the FastSLAM algorithm. The experimental results demonstrate the effectiveness of the proposed method.     

基于RGB-D深度相机的室内场景重建

目的 重建包含真实纹理的彩色场景3维模型是计算机视觉领域重要的研究课题之一,由于室内场景复杂、采样图像序列长且运动无规则,现有的3维重建算法存在重建尺度受限、局部细节重建效果差的等问题。方法 以RGBD-SLAM 算法为基础并提出了两方面的改进,一是将深度图中的平面信息加入帧间配准算法,提高了帧间配准算法的鲁棒性与精度;二是在截断符号距离函数(TSDF)体重建过程中,提出了一种指数权重函数,相比普通的权重函数能更好地减少相机深度畸变对重建的影响。结果 本文方法在相机姿态估计中带来了比RGBD-SLAM方法更好的结果,平均绝对路径误差减少1.3 cm,能取得到更好的重建效果。结论 本文方法有效地提高了相机姿态估计精度,可以应用于室内场景重建中。     

视觉SLAM研究进展

视觉SLAM是指相机作为传感器进行自身定位同步创建环境地图。SLAM在机器人、无人机和无人车导航中具有重要作用,定位精度会影响避障精度,地图构建质量直接影响后续路径规划等算法的性能,是智能移动体应用的核心算法。本文介绍主流的视觉SLAM系统架构,包括几种最常见的视觉传感器,以及前端的功能和基于优化的后端。并根据视觉SLAM系统的度量地图的种类不同将视觉SLAM分为稀疏视觉SLAM、半稠密视觉SLAM和稠密视觉SLAM 3种,分别介绍其标志性成果和研究进展,提出视觉SLAM目前存在的问题以及未来可能的发展。     

一种基于地磁信号的激光同时定位与建图的闭环 检测方法

激光同时定位与建图(Simultaneous Localization and Mapping,SLAM)技术在激光干扰或结 构高度相似的环境中,容易产生闭环误检。针对这一问题,该研究提出一种闭环粗匹配与地磁特征 筛选闭环检测算法。通过在闭环检测环节中加入地磁匹配算法,对候选闭环检测位姿节点集进一步 筛选,降低了传统激光闭环检测的误检现象,并对定位与建图环境中由于反射与透射干扰而引起的误 检测与建图失真进行修正。该研究采集了真实的激光点云与地磁信号数据集,并将所研究算法与传统 激光 SLAM 进行了对比。实验结果显示,该算法在匹配速度和准确率上都有明显提升,与 Google 的 Cartographer 算法相比,在闭环检测速度上提升了 31%,在 0.8 召回率的情况下闭环检测的误检率降低 了 23%,提升了 SLAM 技术在激光干扰条件下工作的稳定性。     

基于小生境遗传优化的Rao-Blackwellised SLAM算法

同步定位与地图构建（SLAM）是实现机器人自主定位的核心问题之一,Rao-Blackwellised粒子滤波器（RBPF）作为一种SLAM定位的有效方法,被广泛应用在实时定位领域中,但由其随着粒子数目的增加会频繁重采样从而导致“粒子退化”问题。为了解决该问题,改善SLAM性能,该文提出了一种基于改进小生境遗传优化的RBPF SLAM算法INGO-RBPF,采用改进的Rao-Blackwellised粒子滤波器解决SLAM路径估计问题,采用扩展卡尔曼滤波器解决SLAM地图估计问题。最后通过MATLAB仿真表明INGO-RBPF算法具有较高的估计精度和稳定性,抗干扰能力较强,定位较准确,比较适合应用在SLAM实时定位中。     

基于图优化的SLAM后端优化研究与发展

同时定位与地图构建(SLAM)是当前机器人定位导航的研究热点。从优化模型、优化算法及对结果的评估阐述了基于图优化的SLAM后端优化。在建模方面,分析了动态贝叶斯网络建模、因子图建模和马尔可夫图建模;讨论了后端优化的四种方法,即最小二乘优化方法、松弛优化方法、随机梯度下降优化方法和流形优化四种方法。在结果评估方面,阐述了χ2误差和MSE误差对结果的评估方法。最后,结合当前研究热点对SLAM的发展作出了展望。     

基于Rényi散度最大化的多特征闭环检测

相比单特征,多图像特征的组合提供更多的场景判别信息,可以提高检测精度,但需要设计合适的组合准则.文中提出多特征组合的加权方法,把特征组合的闭环检测精度表示为正确匹配和错误匹配的图像对在特征空间中距离分布的Rényi散度,最优特征组合为最大化Rényi散度.分析验证Rényi散度的参数与对应最优特征组合的闭环检测性能之间的关系.实验表明,文中方法可以提高闭环检测精度.当Rényi散度的参数取0.75~1 时,最优特征组合性能最佳.     

基于稀疏化的快速扩展信息滤波SLAM算法

随着SLAM技术的不断发展,计算效率已经成为制约SLAM发展的主要因素.所提出的算法从稀疏化的角度对扩展信息滤波SLAM算法进行改进.根据信息矩阵几乎稀疏的特点,该算法在合理稀疏化信息矩阵的同时利用环闭合检测技术,不仅大大提高了算法的计算效率,而且所得到的估计结果也很精确.通过仿真对信息矩阵稀疏化、算法效率、重定位以及误差和协方差四个关键问题进行了分析.分别就室内具有摄像头的两轮机器人和室外具有激光雷达的四轮机器人的情况进行了实验讨论.仿真与实验结果表明了所提算法的有效性.