一种基于改进ORB和PROSAC特征点匹配的V-SLAM算法

随着机器视觉的高速发展,视觉同步定位与地图构建（visual simultaneous localization and mapping,V-SLAM）成为室内定位、导航应用的研究热点。针对传统ORB算法提取特征点分布不均匀的问题,在前端采用四叉树算法管理特征点,实现特征点均匀化分布,并结合渐进抽样一致性（progressive sample consensus,PROSAC）算法剔除误匹配特征点;在后端,采用构建词袋（bag of words,BoW）法对关键帧进行回环检测,判断帧与帧之间是否存在回环,并采用光束平差（bundle adjustment,BA）法进行相机位姿优化,修正相机位姿。在图像特征点提取和匹配实验中,通过与传统ORB算法及其他方法对比,证明本文算法具有较好的运算效率。与ORB＿SLAM-modified算法进行轨迹对比实验,分析生成的点云图,结果表明,本文算法具有较高的可靠性和精确度。     

一种基于改进词袋模型的视觉SLAM算法

针对室内环境中视觉同时定位与建图(simultaneous localization and mapping,SLAM)精度不高和实用性较差等问题,采用深度相机作为传感器,提出一种基于改进词袋模型的视觉SLAM算法.该算法通过增加节点距离的方式,对传统的词袋模型进行改进,采用octree方法转化点云,生成可用于导航的八...     

融合轨道动力学的小行星探测器自主视觉定位

针对小行星探测器高精度自主视觉定位问题,提出了一种融合轨道动力学的深空探测器自主视觉定位方法,能修正视觉视觉定位与地图构建算法(simultaneous localization and mapping, SLAM)的定位误差。该方法通过融合轨道动力学的轨道改进技术,能够在缺乏表面先验信息、无人工手动标记的场景下,实现探测器的高精度视觉导航,并建立小行星表面稠密三维模型。首先,基于视觉同时定位和建图方法(VSLAM)提取小行星表面特征,通过因子图优化算法估计探测器位姿,设计回环检测提高定位精度;其次,重构行星表面三维模型,实现基于多面体法的行星不规则引力场建模;最后,提出了一种基于轨道动力学的伪相对运动轨道优化算法,将其作为物理约束修正视觉定位累积误差,分析反演视觉初始定轨误差在轨道动力学中的传播过程,实现修正视觉定位累积误差,改善初始定位结果。仿真实验结果表明,融合轨道动力学可以有效提升小行星探测视觉定位的精度,从而实现高精度导航,为深空探测技术的未来发展提供参考借鉴。     

一种结合SLAM的脑机协同导航方法

在机器人系统中引入人脑智能,是提高机器人认知、决策等能力的有效手段。针对脑-机器人控制存在着人脑疲劳、需要多个导联的信息等问题,提出了一种结合同步定位与地图构建(simultaneous localization and mapping, SLAM)的脑机协同导航方法。通过基于3个导联的稳态视觉诱发电位,实现人脑感兴趣目标区域图像的选取,并结合SLAM和人工势场方法,完成脑机协同导航任务。测试结果表明,基于稳态视觉诱发电位的目标区域图像选取方法,平均正确率为94.17%,证明3个导联选取目标区域图像是有效的。在此基础上,测试结合SLAM的脑机协同导航方法,结果表明导航任务完成率为92.5%。所提方法缓解人脑疲劳的同时,降低了脑电采集的硬件要求。     

基于图像预处理和语义分割的电力巡检机器人视觉导航方法

由于光照和恶劣天气的影响,传统图像处理方法用于巡检机器人视觉导航方面的识别效率不高,为此,提出一种基于图像预处理和语义分割的电力巡检机器人视觉导航方法。首先,提出基于自适应伽马校正方法的图像增强方法,解决强光、弱光和光照不均对图像的影响,针对曝光情况采用LSTM预测模型自适应调整摄像头角度消除曝光,提升图像良好曝光度;然后,采用改进DenseNet网络对导航路径进行语义分割,提取路径目标区域,通过目标区域像素值的分布拟合机器人的前进路线并计算出偏移量,提供机器人调整行驶姿态的关键参数并利用模板匹配判断导航路径中的走向、定位与分叉标志。实验结果表明,该算法能有效解决由光照和恶劣天气所导致的识别精度低的问题,提高复杂环境下巡检机器人导航定位的精准度。     

家庭陪护机器人自主充电系统研究与设计

针对家庭陪护机器人电池容量有限,工作环不连续的问题,设计一种基于机器人操作系统(robot operating system, ROS)的家庭陪护机器人自主充电分级对接系统。采用卡尔曼滤波算法将编码器数据和惯性测量单元(inertial measurement unit, IMU)数据进行融合,同时结合激光雷达数据并基于Rao-Blackwellized粒子滤波即时定位与构图(simultaneous localization and mapping, SLAM)算法构建环境二维栅格地图;采用A^*算法和动态窗口(dynamic window approach, DWA)算法进行全局路径规划和局部路径规划,使机器人行驶至充电站附近或所在房间;采用基于双重优先级的红外导航对接算法引导机器人驶向充电站,完成与充电站的精确对接。试验结果表明,该系统有效地解决了传统方法中充电距离有限的问题,并且具有较高的对接效率、成功率、准确度和环境普适性,完全满足家庭陪护机器人的充电需求,具有较好的应用价值。     

V－SLAM中点云配准算法改进及移动机器人实验

针对移动机器人视觉同时定位与地图构建(visual simultaneous location and mapping,V-SLAM)中,存在帧间配准误差大造成重建精度低、位姿轨迹丢失的问题,提出一种三阶段改进点云配准的ICP算法.首先通过RANSAC(随机采样一致性)采样策略对RGB图进行点对的筛选从而获得内点完成预处理;然后采用基于刚体变换一致性的对应点双重距离阈值法完成点云初配准;在得到良好的初始位姿下,引入一种动态迭代角度因子的ICP精配准方法.在后端部分引入滑动窗口法和随机采样法相结合的关键帧筛选机制,结合g2o(general graph optimization)图优化算法优化机器人位姿轨迹,实现全局一致的VSLAM系统.采用标准点云模型对本文算法与文献算法进行点云配准实验对比,在配准精度上有明显提高;通过移动机器人在真实环境下的地图重建实验,验证了本文算法的有效性;最后基于TUM数据集的实验表明了本文算法能有效估计出机器人运行轨迹.     

移动机器人路径设计与定位计算

为解决机器人自主导航中的同时定位与地图构建问题,提出采用SLAM系统实现机器人在一个未知环境和位置开始,通过环境观测,递增地构建环境地图,并同时运用环境地图实现机器人定位的解决方案.仿真实验证明了所建立的SLAM系统是一种切实可行的导航方法,为提高移动机器人自主性和智能化提供了一条新的技术途径.     

基于改进Census变换的单目视觉里程计

针对直接法视觉里程计在光照变化场景下的失效问题,提出基于改进Census变换的单目视觉里程计,向量Census变换半直接单目视觉里程计（VC-SVO）. Census变换是立体视觉领域中非参数变换的一种,可以有效减少光照变化对图像的影响. 将Census变换引入SLAM中的后端优化,改变传统Census变换的形式,转换到欧氏空间中表示,并采用新的误差计算方法. 在SVO算法中增添非平面假设模型,扩展SVO算法并融合改进后的Census变换,通过最小化地图点的Census变换误差来得到更准确的相机位姿,同时构建环境地图. 在EuRoC、New Tsukuba Stereo与TUM公开数据集上的图像实验表明,VC-SVO实现了光照变化情况下的位姿估计,验证了算法的有效性. VC-SVO算法的精度和鲁棒性要优于已开源的SVO和基于直接法的大范围定位和地图构建（LSD-SLAM）算法.     

基于GC-RANSAC算法的单目视觉同时定位与地图构建

移动机器人单目视觉同时定位与地图构建(Simultaneous Localization and Mapping,SLAM)技术在应用过程中会获取大量数据,针对其带来的异常值干扰问题,提出一种基于新提出的随机抽样一致性(Random Sample Consensus,RANSAC)算法改进的半直接单目视觉里程计(Semi-direct Monocular Visual Odometry,SVO)算法。算法分为两个线程:建图线程提取点特征与边缘特征,并采用了图割RANSAC(Graph-Cut RANSAC,GC-RANSAC)算法进行异常值剔除,通过计算特征点的深度值,来构建的环境特征地图;位姿估计线程通过最小化局部地图点和边缘线的重投影误差以及帧与帧、特征与特征之间的约束关系优化,得到位姿信息,实现定位功能。通过Euroc公开数据集上得到的仿真实验结果可见,该算法剔除异常值效果明显,平均定位精度相比SVO算法提高了15.6%。     

基于多目标优化克隆算法的巡检机器人导航误差概率分析系统

为解决传统方法存在的计算精度低、概率分析准确率低和效率低的问题,设计了基于多目标优化克隆算法的巡检机器人导航误差概率分析系统。该系统整体框架由网络通信部分、数据处理与误差概率分析部分和环境感知部分构成。设计嵌入式数据处理板和网络通信结构,建立巡检机器人导航误差概率分析模型,采用多目标优化克隆算法对模型进行求解,实现巡检机器人导航误差概率的分析。实验结果表明,该系统的计算精度、误差概率分析准确率和效率均较高。     

基于均匀ORB特征的回环检测算法

针对传统视觉即时定位与地图构建（SLAM）中ORB特征存在的聚集问题,基于网格划分和关键点分层确定思想,设计了均匀FAST角点提取方法,进而设计了基于均匀分布的ORB特征结合暴力匹配的回环检测方法。与基于词袋（BoW）模型的回环检测算法对比实验表明,本文算法能显著提高回环检测的准确率。基于机器人操作系统（ROS）平台,将均匀ORB特征回环检测模块与直接稀疏里程计（DSO）相结合,设计了一种松耦合式的半直接法SLAM系统。实验结果表明,本文系统具有较高的地图构建性能。     

护士助手机器人在结构化环境中的导航系统研究

介绍了护士助手机器人在医院环境中进行护理任务时实现自主导航定位,找到目标房间的方法.本方法采用拓扑地图定义结构化环境,使用绝对和相对组合定位方案进行护士助手机器人的空间定位,其中绝对定位采用的是RFID路标定位法,而相对定位采用的是航位推算法.采用局部栅格地图进行局部路径规划,使护士助手机器人在局部区域找到最适合的运动路径.实验表明采用这些方法护士助手机器人可以在一定程度上实现避障及找到并进入目标房间.     

视觉SLAM的空地协同导航方法研究

针对机器人同步定位与导航系统中,空中无人机执行地面任务灵活性差、地面无人车视野易被遮挡等问题,采用基于视觉同步定位与地图构建(SLAM)的空地协同导航方法;针对现有空地协同导航系统中无人机多视角下的视差问题,提出了 3D-2D线特征匹配方法;针对图像轮廓还原程度较差的问题,将无人机关键帧拼接后的边缘图像与SLAM地图进...     

基于DBSCAN的变电站智能巡检机器人激光导航算法改进

预置地图的激光导航是目前变电站智能巡检机器人较为常用的一种导航方式,其优点在于维护成本低,但是容易受到异物的干扰。DBSCAN聚类算法可以正确区分噪声点,利用这个特性,准确区分了变电站内的异物,可以有效提高激光导航的可靠性。     

基于ROS的移动机器人自主建图与路径规划

为了提高机器人的自主导航性能,设计了基于ROS的移动机器人自主建图与路径规划系统.通过2D激光雷达获取周围环境信息,利用姿态传感器(IMU)获取机器人的姿态和加速度信息,利用Gmapping算法实现机器人的自主定位与建图,利用基于头尾双向搜索的A~*算法进行全局路径规划,采用DWA算法完成局部避障工作.结果表明,所提算法可使机器人完成构建地图以及自主导航任务,提高导航系统的自主性能以及工作效率.     

一种基于VINS/FINS组合导航方法

针对视觉惯性组合导航系统中微惯性器件精度偏低,以及足部惯性导航系统航向角误差可观测性差的问题,研究了一种基于上述两种系统的信息双向融合的导航定位方案. 该方法的系统结构由安装于双足步行机器人躯干部分的惯性导航系统和安装于其足部惯性导航系统两部分组成. 惯性导航系统通过视觉同时定位与地图构建数据融合方法可以获得相对准确的航向角,足部惯性导航系统利用零速修正后的位置信息实时修正惯性导航系统中的低精度惯性器件误差,从而构建视觉与惯性信息双向融合的组合导航系统结构. 实验结果表明,该组合导航方案可以有效提高双足步行机器人的航向精度和定位精度.     

P-L特征提取的SLAM地图构建算法

室外环境中针对基于点特征的同时定位与制图（SLAM）算法中存在的计算复杂度与信息丰富度之间的矛盾,构建了提取室外环境点特征并转化为线特征的P-L（Point to Line）地图构建算法。给出了室外环境中树木特征点提取和点-线匹配算法以及地图关联的概率统计方案,创造性地将室内环境基于线特征的地图构建方法延伸到室外环境,提出了SLAM地图构建中室外环境信息表达的新方法。由于构建室外环境地图存在不确定性,选用了鲁棒滤波算法验证所提方法的可行性并与EKF算法作了比较。     

改进ORB的轮式机器人视觉导航算法

为实现轮式机器人的自主导航和自主控制,针对传统视觉导航技术中ORB算法的特征点分布均匀程度较低、算法耗时较长的缺点,提出一种改进ORB算法:构建尺度空间金字塔对每层图像进行网格划分,增加空间尺度信息;设置感兴趣区域,采用改进FAST角点提取方法提取特征点;引入非极大值抑制方法,抑制低阈值特征点的输出;基于区域图像特征点分布的方差数值评价待检测图像中特征点分布的均匀程度。实验结果表明:使用改进ORB算法提取到的特征点分布均匀程度较高,匹配效果较好,特征点重叠现象降低,算法耗时较短;当特征点期望数值为3 000时,图像中特征点分布的均匀程度提高71.13%,耗时降低比率为69.52%,说明该算法可以更好地应用于轮式机器人执行视觉导航算法。     

基于单线激光雷达的室内环境建图方法研究

伴随着机器人技术的飞速发展,机器人可以代替人类完成很多任务。在室内进行建图导航时,传统的GPS导航系统失效,无法满足灵活性的要求。因此提出使用单线激光雷达的方法,利用其采取到的激光数据信息进行室内地图的构建。手持单线激光雷达,运用Hector SLAM算法,首先利用激光雷达第一帧数据对环境进行描述,然后传感器数据与地图进行匹配,推导出机器人的最佳位姿,同时将局部的环境地图逐步扩展为全局地图。采用上述算法并基于ROS框架进行了实际的验证。实验结果表明,采用此算法可以对室内环境进行精确位姿估计和地图构建。