移动机器人多传感器定位融合的SLAM建图

移动机器人仅依赖于轮式里程计进行定位时,常易积累误差并受到环境干扰,导致其建图效果并不理想。二维激光雷达在移动机器人中的运用也显示出明显的局限性,无法全面准确地获取空间信息及定位。为了提升建图和定位的准确性以及效率,机器人需要利用更多类型和更先进的传感器技术。引入视觉惯性里程计（VIO）到SLAM方案中,能帮助机器人获取更精准的姿态信息,从而提升自主定位和地图构建的能力。此外,多个传感器信息的融合可以解决单一传感器带来的误差和不确定性问题,进一步提升定位和运动的精度。     

基于ROS和激光雷达SLAM的自主导航智能车设计

自主导航智能车的关键技术包括地图构建、定位、路径规划与算法控制.本文设计的自主导航智能车,由树莓派4B、STM32微控制器、激光雷达、深度相机等硬件组成;激光雷达SLAM实现地图扫描构建与环境感知,基于ROS架构,采用Cartographer算法实现地图构建与定位,利用TEB算法进行局部路径规划和A*算法进行全局路径规...     

基于图像的三维扫描系统

本文新实现一种基于图像的三维扫描系统,各支撑杆根据高度分层设有相应扫描装置;当人体位于支撑杆中间时,通过通过放置一周的带有高清摄像头的树莓派同时拍照被测人后,合成被测者的人体三维模型,用作虚拟试衣和后续使用.本三维扫描系统成本低廉,克服了现有技术中扫描系统使用成本高的问题.     

基于高度图的三维地形生成均匀网格地形生成算法

一、引言 在三维游戏的虚拟世界中要求虚拟场景具有很高的逼真度，其中，三维地形逼真度是关键之一。然而，三维地形的生成和绘制需要巨大的计算量，实景地形的生成还需要地形数据库的支持，在运算能力非常有限的PC机中实时生成逼真的实景三维地形一直是业界的一个难题。经过多年探索，人们已经开发出一系列优秀的三维地形生成算法。本文介绍的算法是一种入门的算法，学习该算法可为系统学习三维地形生成算法打下基础．该算法复杂度较低，运算快速．生成的地形可以满足小规模地形可视化的要求。     

基于协助校正方法的多机器人主动同时定位与建图

协作策略是多机器人主动同时定位与建图(SLAM)的关键。文中提出一种多机器人相互校正的协作策略, 称为协助校正。 该方法通过优化机器人对陆标的观测来提高定位与建图的精度, 共包括弱协助校正和强协助校正两种模式。 前者是一种间接的协助模式, 可应用于所有机器人自身定位均不准确的情形。 后者是一种直接的协助模式, 由自身定位精度较高的机器人主动校正其它机器人及相应陆标。 文中将这两种协助校正模式利用状态机统一到多机器人主动SLAM应用中。在仿真实验中将协助校正与其它多机器人主动SLAM方法进行对比以验证其精度优势, 并与单机器人主动SLAM对比以验证其导航代价极低的优势。最后在两台Poineer3-DX移动机器人上进行真实环境实验,实验结果证实协助校正方法可在实际应用中有效提高多机器人主动SLAM的探索效率和精度。     

基于分级关键帧筛选的RGB-D SLAM算法研究

利用关键帧求解SLAM算法(simultaneous localization and mapping)能够提高SLAM系统的实时性与精确度。针对现存关键帧筛选算法中存在的计算复杂度高、图像帧冗余以及鲁棒性较差等问题,提出一种分级关键帧筛选方法。该算法考虑了SLAM系统在不同运行阶段时对关键帧的要求,首先结合旋转度指数与地图点跟踪筛选出一级关键帧用于后端优化与回环检测,再利用相邻帧在空间上的相对运动距离筛选出二级关键帧用于三维地图构建,最后,实现了基于此二级筛选算法的RGB-D SLAM系统。实验表明,一级关键帧算法能提高SLAM系统的定位和建图精度,二级关键帧算法则有效减少了数据冗余,提高了建图效率。     

基于ArcGIS地形分析专题图制作

基于计算机进行高效精确的地形分析与专题图制作助力战场测绘保障,具有现实意义.本文通过介绍基于ArcGIS软件进行数字地形分析作业;紧接着介绍制作地形分析专题图程序步骤;最后展示越野机动图成果.     

基于RTAB-Map视觉里程计的地形环境高程建图研究

在基于视觉的即时定位与建图（Simultaneous Localization and Mapping,SLAM）中,RTAB-Map是一个比较经典的解决方案,它包含有鲁棒的视觉里程计,同时也提供稠密点云地图、2D占据栅格地图和Octomap(3D占据栅格地图)三种地图构建形式。但稠密点云地图数据量大,无法适用于机器人导航;2D占据栅格地图虽数据量小,但无法反映复杂地形特征,一般只用于室内扫地机器人导航;Octomap能较好地反映三维空间内障碍物的信息,多用于无人机的导航,但对于地面移动机器人来说存在信息冗余。为RTAB-Map扩展了2.5D高程栅格地图构建模块,这种地图可以很好地反映地形环境特征,且地图所占用存储空间更小,更能充分利用移动机器人有限的存储和计算资源。     

面向机器人室内建图的RGB-D图像对齐算法

面向服务机器人使用廉价的RGB-D摄像头自主构建室内3维地图的需求,提出一种鲁棒的图像对齐方法.基于特征点的匹配集计算帧间变换,使用随机抽样一致算法(RANSAC)消除误配,并改变其内点计数策略以适应特征点空间分布不均;同时检测地面信息,利用共面约束来增强点集对齐.在机器人从真实室内环境中采集的RGB-D图像序列上进行了实验,帧间对齐错误率为0,全局地面误差不超过2 cm;3维建图过程准确且能够连续进行.结果表明使用地面信息能有效提高地图的全局精度,方法兼备鲁棒性和准确性.     

基于改进粒子滤波器的移动机器人同时定位与建图方法

提出一种基于改进粒子滤波器的移动机器人同时定位与建图方法.该方法将常规粒子滤波器与粒子群优化算法有机结合,引入最新的机器人观测信息以调整粒子的提议分布,从而在保证算法精度的同时,减少定位与建图所需的粒子数,并有效缓解粒子退化现象.此外,考虑到常规的重采样过程容易引起样本贫化现象,引入概率算子以增加粒子的多样性.实验结果表明该方法的可行性和有效性.     

基于ROS平台的巡逻车自主导航设计

针对工厂、大型商场等场所自动化监测水平过低和人力巡查成本过高的问题,该文研发了一款基于ROS的巡逻车自主导航系统。借助于ROS系统平台开发环境,对移动系统、控制系统等进行研究设计,运用ROS平台的内部导航包,对SLAM建图的数据与导航的数据相互融合,然后下发到数据终端,在数据控制终端使用STM32系列开发板,通过集成连接外设硬件,处理外设传来的信息,最终实现自主导航的效果。实验结果表明,该设计能有效降低人工成本,保证了工作的稳定性和有效性,提高了巡查的自动化程度,相比于传统的人力巡视具有重要意义。     

基于事件相机的定位与建图算法: 综述

事件相机是一种新兴的视觉传感器, 通过检测单个像素点光照强度的变化来产生“事件”. 基于其工作原理, 事件相机拥有传统相机所不具备的低延迟、高动态范围等优良特性. 而如何应用事件相机来完成机器人的定位与建图则是目前视觉定位与建图领域新的研究方向. 本文从事件相机本身出发, 介绍事件相机的工作原理、现有的定位与建图算法以及事件相机相关的开源数据集. 其中, 本文着重对现有的、基于事件相机的定位与建图算法进行详细的介绍和优缺点分析.     

基于无人车自动构图导航系统的设计与实现

为了解决复杂环境下无人驾驶小车的定位导航问题,提出基于激光雷达SLAM技术的无人车自动导航系统。采用SSH远程登录协议实现PC端的命令控制,通过无线传输协议将手机终端数据传送到无人车,利用手机终端对无人车进行地图构建和自动导航操作。操作人员无需手动控制躲避障碍物,只需在手机端设定终点即可实现小车的自动导航功能。最后,选择室内环境进行测试分析。结果表明,该系统实现了无线传输、远程监控以及自动构图导航的设计目标。     

基于激光SLAM的综采工作面实时三维建图方法

移动式建图方法依赖高精度的光纤惯导和里程计进行位姿计算,而在实际工程实践中里程计精度难以满足应用需求,导致获取的工作面三维激光点云不完整。针对该问题,提出了一种基于激光SLAM的综采工作面实时三维建图方法。该方法主要包括激光点云去畸变、特征提取、位姿估计、优化建图等步骤。通过惯导数据消除激光点云的畸变,根据点云中每个点的时间戳检索惯导数据,获得对应每个点的姿态角,如果没有检索到对应姿态角,则采用四元数法进行插补。采用主成分分析法提取点云的几何张量特征,先求解点集的协方差矩阵,再进行特征值分解,得到几何张量特征。计算相邻2帧中特征点之间的距离,构建目标函数,采用LevenbergMarquardt算法求解目标函数,获取变换矩阵,从而实现位姿估计。采用增量式优化算法,使用GTSAM优化库对历史关键帧与当前关键帧进行联合优化,将获得的所有关键帧点云叠加到一起,即为全局实时三维地图。井下工业性试验结果表明,该方法能实时、完整、高精度地构建全工作面范围的三维地图,最大绝对误差均值为0.19 m,满足综采工作面监控及刮板输送机找直精度需求。     

特征控制下的多样图地形纹理合成算法

针对三维虚拟室外场景的建模与绘制需求,提出一种多样图地形纹理合成算法。以地形数字高程模型数据和样图集为基础,根据用户自定义的纹理合成规则控制地形的高程值和坡度特征,并自动合成地形纹理。实验结果表明,利用该算法合成的纹理能够较好地反映自然界地形的分布情况,增强三维场景绘制的真实感。     

激光即时定位与建图算法综述

激光即时定位与建图(SLAM)算法是一种在机器人导航和自主驾驶领域被广泛应用的技术;该技术可以利用激光雷达扫描环境并提取特征点,实现机器人的自主定位和地图构建;针对机器人激光SLAM技术进行研究,分析了各个激光SLAM算法的基本原理,并且对主流SLAM算法进行了现状总结;根据激光SLAM算法的特点以及原理不同,将激光SLAM算法分为：基于滤波器的算法、基于图优化的算法、基于配准的算法、基于学习的算法等;基于上述分类,详细介绍了每个算法的优缺点,并且分述了近两年的主要研究成果;针对移动机器人激光SLAM算法研究现状,对激光SLAM算法的未来发展进行了展望。     

室外崎岖地形下基于视差图的无人自主车障碍物识别

对于地面无人车和室外非结构化环境, 本文介绍了我们开发的基于立体视觉的障碍物快速识别系统. 为了使无人地面车适应于较复杂的地形, 根据V视差图, 我们提出了一种新的地面主视差图的估计方法. 通过地面主视差图和局部的三维重建, 本文给出了一种由粗到精的障碍物识别与定位方法. 在我们的无人地面车平台上, 我们对这一障碍物自动识别系统进行了相应的实际试验. 其试验结果验证了该系统的有效性.