基于激光雷达的移动机器人定位和地图创建

针对未知环境下移动机器人定位和地图创建问题,提出了创建局部地图-机器人定位-更新全局地图的方法和步骤.利用激光雷达数据,采用"聚合-分割-聚合"的方法并运用动态阈值获得精确的局部地图.通过匹配局部地图和全局地图的线段关系,实现了机器人的定位,更新了机器人的位姿,减少了机器人的系统误差和环境误差,进而完成了全局地图的创建与更新.实验证明,此算法可以在实现机器人定位的同时获得精确的环境地图,并且有效的缩短了地图生成时间,可靠性高、实时性好.     

煤矿巡检机器人同步定位与地图构建方法研究

针对煤矿井下无GPS环境下巡检机器人自主定位问题,研究了基于激光雷达的同步定位与地图构建方法。首先建立激光雷达观测模型和里程计预测模型,将机器人定位和地图构建的实际问题转换为概率数学模型的逻辑推理问题。同时采用自适应蒙特卡罗定位算法进行机器人实时位姿估计,提出了根据粒子权重(地图的匹配度)进行重采样的方法,以去除权重小的粒子,实现了用较少、较好粒子精确表达机器人位姿的后验概率分布,满足机器人利用传感器在栅格地图上实时定位的需求。通过对Fast-SLAM算法进行优化,减少了粒子数量,缓解了粒子耗散,提高了地图构建的精确性。实验结果表明,基于激光雷达的同步定位与地图构建方法有效解决了巡检机器人实时位姿估计和环境地图构建的问题,结合自适应蒙特卡罗定位算法和优化Fast-SLAM算法提高了机器人定位的自适应性和地图构建的精确性。     

半结构化环境稀疏点云可通行区域检测方法

传统的激光雷达可通行区域检测算法实时性好,但算法通常对点云数据的高度特征依赖较强,半结构化环境中斜坡等区域高度特征不稳定,易降低算法的性能。基于半结构化环境下三维稀疏点云数据,提出了一种基于直线特征的可通行区域实时检测算法,预处理原始点云数据,并从中速提取直线特征;对直线聚类和筛选,从而提取有效的直线特征;使用直线特征检测结构化障碍物和非结构化障碍物;标记出可通行区域,并构建环境地图。实验结果表明,在校园半结构化环境中,该算法可以较稳定地检测可通行区域,在检测路缘石等高度较低的障碍物时表现出良好的性能,并且适应斜坡、颠簸、负障碍等地面。     

基于激光传感器的移动机器人地图的创建

未知环境下地图的建立,是移动机器人导航技术的关键。研究了室内环境地图的创建方法,探讨了室内环境特征直线提取方法,详细论述了地图创建面临的问题与解决方法。采用SICK公司生产的LMS100激光传感器获取环境深度信息,通过室内环境直线特征提取和局部到全局匹配的方法,获得室内环境地图信息,解决了里程计给机器人带来不确定误差。最后在机器人平台上进行实验,得到了良好的效果。实验表明,该方法具有实现容易、精确高、复杂度低等特点。     

基于环境信息实时感知的图书存取机器人移动轨迹检测

为保证机器人在图书存取时,按照设定轨迹完成图书存取,研究基于环境信息实时感知的图书存取机器人移动轨迹检测方法。通过在机器人上搭载激光雷达设备,采集机器人移动环境三维点云数据;采用贝叶斯估计方法融合该数据后,基于图优化算法构建机器人移动地图;采用平滑接近图算法,检测机器人在地图中的移动方向角,结合机器人所有的方向角结果实现机器人移动轨迹检测。测试结果显示：该方法能可靠获取机器人移动环境的三维点云数据,清晰生成机器人移动地图,并呈现障碍物情况;机器人最大方向角度检测误差结果为1.23°;机器人的移动轨迹位置和指定位置结果吻合程度较高。     

基于激光雷达的巡检机器人控制与定位

某工厂的地沟电缆承担生产供电任务,为保证安全,需要经常巡查电缆温度.设计了基于激光雷达(LiDAR)的巡检机器人导航系统,研究了自主建图和定位导航算法.机器人使用激光雷达扫描周边环境生成点云数据,通过Hough变换算法和最小二乘法算法将雷达点云数据拟合成直线,建立环境地图模型.应用扩展卡尔曼滤波(EKF)算法结合点云数...     

基于激光雷达与双目视觉的移动机器人SLAM研究

为解决移动机器人在环境未知条件下,利用单一传感器自主导航时不能及时定位、构建地图不精确的问题,提出采用一种改进RBPF算法,在计算提议分布时将移动机器人的观测数据(视觉信息与激光雷达信息)和里程计信息融合;针对一般视觉图像特征点提取算法较慢的问题,采用基于ORB算法对视觉图像进行处理以加快视觉图像处理速度的方法;最后通过在安装有开源机器人操作系统(ROS)的履带式移动机器人进行实验,验证了采用该方法可构建可靠性更高、更精确的2D栅格图,提高了移动机器人SLAM的鲁棒性.     

无嗅卡尔曼滤波在移动机器人定位中的应用

为了更有效、可靠地从传感器原始数据中获取信息,介绍了一种移动机器人同步定位与地图创建的方法。该方法使用二维激光测距传感器实现室内环境中的移动机器人自主定位,依靠无嗅卡尔曼滤波器减少定位过程中所产生的误差;通过激光测距仪采集机器人所在环境数据的曲率函数,将环境特征分解为直线、拐角和曲线三类基本定位特征,并结合环境地图得到机器人位置和姿态的最优解。试验结果表明,该定位方法对于室内环境是有效的。     

基于相机与摇摆激光雷达融合的非结构化环境定位

定位是机器人导航的关键问题,在缺乏结构信息的室外非结构化环境下,精确的三维定位面临更大挑战.本文提出一种基于相机与摇摆激光雷达融合的定位算法,重点解决在光照,地面起伏等因素影响下的机器人定位问题.本文结合激光雷达的深度信息和图像的颜色纹理信息,构建在时序帧间的特征点匹配关系;引入一种置信度评价方法,结合系统误差、数据关联、物体遮挡、特征跟踪等因素对特征点及其匹配关系进行评估,减少低质量特征的影响;最终将定位问题转化为特征点对的加权重投影误差优化问题予以解决.本文利用小型轮式移动机器人在越野和公园等典型非结构化环境下进行数据采集和实验验证.实验结果表明,与前沿的视觉定位算法相比,本文算法可有效提高在非结构化环境中的定位精度.     

基于激光测距仪的局部地图创建

主要是研究地图创建中的局部地图创建问题。通过激光测距仪在一个周期内扫描就可以获得机器人前方180°范围内的距离测量信息,提出了对测量数据进行连续特征提取、直线特征提取以及曲线拟合三步走的方法,并采用自适应阈值的方法来处理数据,从而完成局部地图创建。实验结果表明,这种方法能够完成局部地图的创建,并且较为精确。