基于GNSS/INS与激光雷达的缓存池建图

为了解决智能车、无人机、自主机器人对外界环境感知的先验信息不足的问题。本文提出了一种使用惯性导航(INS)与卫星导航(GNSS)辅助多线激光雷达传感器对环境进行自主三维重建的算法。该算法首先采用一种基于GNSS\\INS的线性差值法与四元数插值法并行算法将激光雷达点云转换到唯一坐标系下,纠正点云随时间的漂移;通过基于缓存池的建图方法对周围环境进行点云分割与拼接,对得到的子地图进行体素滤波,最终得到丰富环境信息的三维重建地图。通过机器人操作系统(ROS)在移动平台上进行验证,实验结果表明:该方法成功的对外界环境进行自主三维建图,适用于智能化载体对未知环境下的感知。     

基于激光雷达感知的无人机自主避障3DVFH改进算法

传统无人机避障算法通过视觉传感器基于八叉树地图（Octomap）构建全局地图，会产生较大存储量，难以满足工程需要。基于三维向量直方图（3DVFH）做出改进，只需构建局部地图，但该方法不考虑先前的数据或操作，易造成行为不稳定和局部最小值。针对以上问题，提出基于增强3DVFH的自主局部避障算法，将全局地图直接替换为使用激光雷达提供的三维点云地图，同时设计一种价格较低的计算内存策略来减轻局部方法的固有问题。经试验验证，有效地提升了环境感知的效率与存储量，有助于更好地进行无人机自主避障。     

基于多传感器信息融合的障碍物感知追踪系统设计

自动驾驶系统是指采用先进的通信、计算机、网络和控制技术,对车辆实现实时、连续控制。自动驾驶研究领域中,对车身周围障碍物的感知追踪是自动驾驶车辆安全行驶的基础和前提。因此,重点研究了基于激光雷达、IMU、北斗卫星信号多源信息融合的障碍物感知与追踪系统。利用激光雷达提供的三维点云数据划分最大最小高度差栅格实现自动驾驶车辆周围的障碍物感知功能。基于激光雷达点云的障碍物感知算法中,针对特殊的悬空类型障碍物,采用高度划分的点云栅格中的点云概率密度作为悬空障碍物是否能够通行的判断依据,能够有效提升障碍物感知系统的鲁棒性。利用IMU和北斗卫星信号紧耦合方式实现自动驾驶车辆的轨迹跟踪,从而利用车辆运动状态信息结合匈牙利匹配算法实现多传感器信息融合的障碍物追踪功能。在基于多传感器信息融合的障碍物感知追踪系统中,利用IMU和北斗卫星紧耦合方式得到的转移矩阵信息去除由于车辆运动造成的激光雷达点云畸变,从而提升车辆障碍物感知追踪系统的准确度。通过实际采集得到的激光雷达、IMU及北斗卫星数据验证了提出的基于多传感器信息融合的障碍物感知追踪系统的有效性和实用性。     

基于16线激光雷达和相机融合的三维目标检测

针对16线激光雷达点云过于稀疏而无法进行三维目标检测的问题,设计了一种基于激光雷达和相机融合的三维目标检测方法。首先,对激光雷达和相机进行联合标定,统一两者坐标系,并利用ROS进行时间同步,确保雷达和相机在相同的时间感知到相同的环境。然后,将相机采集的图像作为输入,送入YOLOv5算法中进行二维的目标检测,得到目标在图像中的二维检测框和类别。最后,利用联合标定过的激光雷达获取目标二维像素点对应的三维点云,通过这些雷达点云算出目标的三维坐标和三维边界框,从而得到三维目标检测结果。实验验证：通过搭建硬件平台并在实验场地测试后证明了该方法的可行性。     

基于激光雷达局部地图构建的机器人避障路径规划

机器人周围环境的光照、阴影及物体遮挡等条件易导致环境信息采集出现误差，影响机器人建图精度。为优化障碍物的探测准确度和机器人的避障速度，提出基于激光雷达及模糊比例积分微分(PID)的机器人避障路径规划方法。利用Kinect传感器采集机器人环境深度信息，并将其转化为3D信息，构建全局地图。利用激光雷达，通过坐标转换、线段分割，构建局部地图，补充全局地图的不足。结合Cartographer算法优化机器人控制参数，利用模糊PID控制器完成机器人避障路径的规划。实验结果表明：该方法在普通避障环境和复杂避障环境下，均能够成功躲避障碍物，且避障路径均较短。     

基于无人机机载激光雷达的三维地图构建研究

本文研究了基于无人机机载激光雷达的三维地图构建。随着科技水平的发展,无人机在诸多领域中均得到了广泛应用,但也提出了更多关于飞行控制、环境感知方面的要求。在室内环境中,若使用GPS进行定位会导致定位结果误差问题出现,需要额外搭载传感器实现无人机的自主定位和地图构建。基于此,为了提高无人机的建图能力,在无人机中搭载了激光雷达,以更好探讨其三维地图构建情况,提高其三维地图构建能力。并通过实验的方式对搭载了激光雷达的无人机三维地图构建情况进行了检验,结果得到了无明显重影的点云地图,而后借助CloudCompare软件进行处理,得到了优质点云地图,肯定了机载激光雷达进行三维地图构建的可行性。     

基于激光雷达与相机融合的交通锥桶检测

针对广泛应用在自动驾驶场景中的交通锥桶，对于单一传感器在自动驾驶目标检测中的局限性问题，提出一种基于激光雷达与相机融合的实时、鲁棒的交通检测锥桶方法。该方法利用交通锥桶的独特几何结构，通过激光雷达与相机检测交通锥桶的三维位置和颜色信息，将激光雷达三维点云投影到二维图像平面，对结果进行后融合。实验表明，该方法能够稳定、准确地检测出交通锥桶，在不同环境光照条件和复杂环境下检测准确率均在96%以上。     

多传感器融合的激光雷达点云矫正与定位方法

针对单一传感器难以解决激光雷达在运动场景中因为点云畸变和误差累积产生的运动失真与定位精度差的问题，提出一种融合惯性测量单元数据和轮速计数据的激光雷达点云畸变矫正与定位方法。首先，以激光雷达数据为时刻基准，利用积分的方法对惯性测量单元和轮速计的数据进行预处理；之后，将融合数据与激光雷达数据融合，以矫正产生畸变的激光点云；最后，利用线性插值的方式来保证传感器间数据的时间同步，并将计算的位姿作为里程计迭代计算的初值，降低计算复杂度并提高里程计的定位精度。实验结果表明，相比没有采用多传感器融合的传统方案（LOAM、FLOAM），在公开数据集实验中，所提方法的定位均方根误差分别降低了81.11%和21.54%，在自测数据集实验中，定位均方根误差分别降低了52.76%和24.29%。     

一种激光雷达与视觉融合的同步定位及建图算法

室内移动机器人自主导航依赖于同步定位及建图技术,激光雷达与相机作为主流传感器正在不断深入应用到机器人定位与建图,但是单一传感器存在的缺陷不可避免,视觉传感器采集环境特征信息丰富,但视野范围较窄,而且对环境变化较为敏感;三维激光雷达检测精度较高,但价格昂贵,不适合生产生活应用。基于上述问题,提出了一种视觉与激光相融合的SLAM算法框架。首先利用惯性测量单元IMU对RPLidar采集到的雷达数据进行畸变校正处理,同时将Astra Pro深度相机获取的三维数据映射到二维坐标系,通过扩展卡尔曼方法将激光数据与深度数据相融合,最终在实际环境下进行建图比较,获得了更加完整的地图,从而验证了该文算法的可靠性和有效性。     

基于激光雷达与视觉融合的水面漂浮物检测

针对水面清污机器人对漂浮目标的检测问题,提出了一种将三维激光雷达点云数据与视觉信息融合检测的方法.首先,视觉识别部分采用CornerNet-Lite目标检测网络,通过对大量样本的训练实现水面漂浮物的检测,得到候选目标的种类和置信度.然后,通过相机和激光雷达的标定将激光雷达三维点云数据投影到二维像素平面,并根据相对像素面...     

自主移动机器人微型激光雷达点云数据滤波研究

由于自主移动机器人微型激光雷达点云数据采集过程存在多种外界因素的干扰，导致采集到的点云数据中含有大量噪声，为此设计提出自主移动机器人微型激光雷达点云数据滤波方法。采集自主移动机器人微型激光雷达采集点云数据，利用噪声分离算法和改进的三维中值修复对点云数据进行优化。根据精简移动最小二乘法构建微型激光雷达点云数据滤波模型，将经过优化的点云数据输入该模型中，实现微型激光雷达点云数据滤波。实验结果表明，所提方法的点云数据滤波误差低，实际应用效果更好。     

一种简易的激光雷达点云与光学影像自动配准方法

将激光雷达点云与光学影像进行配准融合,在数字城市建模、自动驾驶和导航避障等方面有重要的应用价值。当前多数自动配准方法需要专门设计特殊的场景结构,操作复杂。根据激光雷达对玻璃具有穿透的特性,提出利用透明的门窗等室内建筑物场景来实现对激光雷达点云与光学影像的自动配准。首先,将激光点云量化为图像,提取光学影像与量化图像的门窗角点特征,并利用相关系数法实现特征点的自动匹配;然后,对激光雷达与相机之间的配准转换参数进行求解;最后,对两种数据进行配准融合。实验结果表明:利用室内门窗这种规则的半透明场景,可以轻松实现激光点云与光学影像的自动化配准,简单实用,操作性强。     

一种提升高程精度的低空无人机SLAM定位方法

旋翼无人机能够实时精准感知自身位置是无人机实现后续相关技术的关键前提之一。为了提高旋翼无人机的定位精度,提出了一种基于激光雷达的SLAM(Simultaneous Localization and Mapping)定位方法。该方法通过融合三维激光雷达与IMU(Inertial Measurement Unit)来提升系统整体性能,对点云进行降采样,利用激光点云信息对旋翼无人机的高程进行计算,对激光雷达帧间匹配得到的有累计误差的高度变化进行更新,利用回环检测技术增加闭环约束,最后在SLAM系统后端进行联合优化。在保证无人机平稳飞行的状态下,该方法比A-LOAM算法在轨迹的平均误差上降低了约4倍,高程精度提升一个数量级至厘米级,改进了系统对高度不敏感以及误差积累过大的问题,提高了无人机工作效率及安全性。     

基于深度相机的小型无人机室内三维地图构建

为了解决小型无人机在室内光线不足情况下的避障以及路径规划问题,设计了一种基于深度相机的无人机室内地图构建系统。文中使用Pixhawk控制板和低成本嵌入式结构光深度相机硬件平台,为避障以及路径规划目标提供室内环境信息。采用反传感器模型算法,利用深度相机和位姿传感器提供的信息来筛选处理出有效的障碍物信息,并构建室内的三维地图,其中深度相机通过激光扫描的方式来获取障碍物点云的描述信息,利用位姿传感器获取无人机的高度信息。实验结果表明,使用该系统能够快速获取室内地图,对障碍物的判断准确率比较高,且不受光线影响,可以广泛应用于无人机的室内导航,实现不依赖外部光源的室内无人机地图构建系统。     

连续障碍环境下无人机实时避障控制

针对小型固定翼无人机在未知环境下,面对墙壁等连续型障碍物不能快速实时防撞的问题,提出了一种结合多幂次滑模趋近律和超螺旋观测器设计的无人机避障控制方法。首先通过空间位置关系和无人机运动学方程建立无人机避障系统数学模型,进而利用多幂次滑模趋近律快速收敛的特性设计了无人机避障制导律;同时考虑到传感器误差和系统建模等造成的不确定性,引入了超螺旋干扰观测器加以补偿,并对系统的收敛性加以证明。仿真结果表明,所提出的避障控制策略能够使无人机快速避开连续障碍,同时对传感器扰动有较强的鲁棒性。     

中值滤波在激光雷达点云数据预处理中的应用

为了研究3维激光雷达测量系统采集到的点云数据如何进行去噪处理,根据灰度图像中对灰度值进行滤波去噪的概念,采用改进的2维中值滤波方法对点云数据中的噪声点加以处理。基于激光雷达点云数据数据量庞大且存在噪声点特点,重点分析了改进2维中值滤波算法和点云数据信噪分离方法,并通过实验验证,得到了速度对比数据和滤波效果图。结果表明,利用改进后的2维中值滤波方法,速度明显得到改进,对激光雷达点云数据的滤波效果良好。     

实时感知型激光雷达多通道数据采集系统设计

激光雷达是实现环境实时感知的重要传感器,针对多通道感知激光雷达数据量大、数据传输解算实时性要求高及量体裁衣高效小型化的迫切需求,基于自研采用可靠的机械扫描、阵列探测和数据采集控制相结合的多通道激光雷达,设计实现了基于FPGA和DSP的多路并行信号采集处理系统,并在点云三维实时成像中得到了验证。该数据采集处理系统中的FPGA负责多通道激光雷达数据控制采集以及数据传输,DSP负责对数据进行解析处理并通过网口将点云数据上传到上位机,实现点云实时显示。实际测试结果表明,该数据采集处理系统能够满足多通道激光雷达2 Mpts/s的大数据量点云解析,并保证20 fps以上实时数据的可靠采集传输,实现周围环境和障碍物激光雷达点云的快速解算,可应用于自动驾驶、导航避障、周界安防等领域。     

基于单目相机与激光雷达融合的SLAM方法

视觉传感器与激光雷达融合的SLAM方法是当下研究的热点,实际效果优于单一传感器的SLAM方法.针对当下视觉传感器与激光雷达融合的算法仍然存在着用于定位的特征点不足导致定位精度不高的问题,充分利用激光雷达提供的深度信息,提出了一种多策略的视觉与激光融合的SLAM算法,在估计帧间位姿前对上一帧中的特征点深度值进行判断,通过...     

无人机激光雷达遥感图像超分辨率重建方法

通过无人机激光雷达技术获取遥感图像的过程中易受外界干扰，出现图像清晰度低、细节信息模糊等问题，提出无人机激光雷达遥感图像超分辨率重建方法。在最小二乘滤波方法的协助下对无人机激光雷达遥感图像进行多尺度分解后，增强遥感图像纹理信息，并利用图像局部特征自适应融合方法对遥感图像进行融合处理，将预处理后的遥感图像超分辨率重建视作信息测量值的信号重建问题，不断地利用稀疏系数以及联合字典学习法训练得出最终结果，从而实现遥感图像超分辨率重建。实验结果表明，所提方法的遥感图像重构效果好、信息融合质量优、重构图像效率高以及MSE均方根误差低。     

基于深度图的三维激光雷达点云目标分割方法

三维激光雷达广泛应用在智能车系统中,点云目标分割是智能车环境感知中的关键技术。针对目前三维激光雷达点云目标分割算法实时性和准确性不高的问题,提出一种基于深度图的点云目标快速分割方法。将点云数据表示为深度图,建立深度图与点云数据的映射关系。利用激光雷达扫描线的角度阈值去除地面点云数据,结合深度图和自适应参数改进的DBSCAN(Density-Based Spatial Clustering of Applications with Noise)算法对非地面点云进行聚类分割。实验结果表明该方法相对于传统聚类算法在时间效率上有很大的提升,且能较好地降低欠分割错误率,分割准确度提升10%,达到了85.02%。