基于改进关键帧的单目视觉SLAM研究

随着机器人技术的发展,能够让机器人在未知的环境下实现自身定位同时创建出环境地图受到越来越多的关注。与传统的基于激光、GPS定位相比,基于视觉SLAM能够在保持定位精度情况下获取更多环境信息。本文针对目前主流的视觉SLAM算法在关键帧选取中进行了改进,使系统具有更好的鲁棒性。     

基于激光SLAM的导航车软硬件系统

同时定位与地图创建SLAM(SimultaneousLocalization andMapping)技术在军事领域有着广泛的应用前景,本文构建了基于激光SLAM导航车软硬件系统。探索了基于ROS系统的SLAM实现技术,尤其对RBPF粒子滤波和蒙特卡洛自适应定位算法进行研究,研究表明粒子滤波可较好消除抖动等误差,提高建图与定位精度,室内外实验证明该方法可实现室内外复杂环境下的自主建图、定位与导航,精度高、鲁棒性较好。     

基于重采样技术的激光SLAM系统优化设计

基于Rao-Blackwellized粒子滤波(Rao-Blackwellized partical filter,RBPF)算法的移动机器人在同时定位与地图构建(simultaneous localization and mapping,SLAM)过程中存在计算量大、粒子耗尽问题。基于重采样技术对激光SLAM系统开展优化设计:在采样过程中加入最近一帧的激光观测模型,减少构建地图所需要的粒子数;同时提出一种自适应优化组合重采样方法,以缓解粒子耗尽现象,保持粒子的多样性。利用Turtlebot 2和Rplidar A2搭建的平台进行实验验证,结果显示,改进的RBPF-SLAM系统优化方法能够以更少的粒子数生成精度更高的全局一致性的地图。     

移动机器人SLAM技术

在太空探索宇航领域、工业自动化领域、以及军事服务等领域移动机器人系统技术有着广泛的发展前景。SLAM技术的是simultaneous localization and mapping的缩写,即时定位与地图构建。也可以叫做Concurrent Mapping and Localization并发建图与定位,缩写为CML。本文以移动机器人在未知环境下的SLAM技术问题为主要研究对象,探析了SLAM技术在移动机器人上的应用。总结了SLAM技术问题以及相关的研究现状,分析了SLAM技术存在的优缺点,阐述现有SLAM技术解决方法在移动机器人领域的发展趋势及展望。     

融合IMU的视觉SLAM系统研究

基于特征点法的视觉SLAM系统在运行的过程中,运动过大,环境特征过少都会影响SLAM系统的运行效果。针对这个问题,提出了一种融合IMU的视觉SLAM系统。首先,提取关键点,并结合PNP与G2O方法估计相机的最优位姿,并构建地图。然后,统计当前帧关键点数量,若特征点足够少,特征点法无法估计相机的位姿变化,则结合陀螺仪与轮式里程计估计位姿;最后,如果特征点数量增加,提取关键特征,结合PNP与G2O的方法估计相机位姿的变化。通过实验可以看出融合IMU的视觉SLAM系统,可以准确的估计相机相机的位姿变化。     

基于拓扑地图的田间机器人路径规划和控制

针对温室大棚环境下的田间机器人运动路径问题,提出1种基于拓扑地图和邻接矩阵的机器人路径规划算法。首先根据温室大棚环境,构建其拓扑地图;根据节点的连通性,创建邻接矩阵;通过搜索邻接矩阵的节点连通性,规划出1条最优路径。利用3个超声波传感器检测环境信息,通过陀螺仪检测机器人的姿态,采用比例微分(proportional-differential,PD)控制方法引导机器人根据规划的路径进行前进和转向。利用MATLAB对该算法进行运算和仿真,可以得到障碍物被放置在任意节点时的机器人最优路径。通过搭建温室大棚田间道路环境模型进行机器人运动试验。试验数据显示:机器人在该路径规划算法下能以最短的路径遍历必走路线;同时机器人在PD控制器调节下,能够实现上升时间小于0.5s,超调量小于6%,稳态误差小于5%的直线行走和上升时间小于0.5s,稳态误差为小于1%,超调量小于1%的转向控制,从而保障机器人的避障功能。仿真和试验结果表明:本文提出的路径规划算法和运动控制算法可行且有效,具有一定的应用意义。     

基于多源数据的高精地图生产技术及三维可视化表达撤回

随着自动驾驶汽车的量产及逐步普及,对高精地图的需求也越来越高,汽车通过高精地图实现驾驶环境的精确感知,从而实现驾驶的安全性和可靠性。提出综合利用倾斜模型和车载移动扫描点云等多源异构数据提取高精地图道路要素矢量线划的方法,分析不同源数据对数据提取精度的影响因素,探讨高精地图数据模型的空间表达、属性分层及关联规则,研究构建高精地图三维可视化的实现方式,提出了可行的技术方法,为高精地图的生产提供可借鉴的参考价值。     

基于标签传递的地图区域化搜索

地图搜索是搜索应用的一个重要分支。针对如何提供更加多样性的服务(例如区域化搜索),提出了一种基于标签传递的地图区域化搜索算法,通过将分散的兴趣点构建成邻接拓扑图,并以此传递关键字权重,进而从局部权重极值点拓展形成关键字密集子图,从而实现地图区域化搜索。同时根据用户位置,考虑距离因素将密集子图重新排序,从而实现个性化推荐。最后,实现了一个搜索引擎的原型系统,并在真实数据集上验证了算法的有效性。     

一种车载双目相机自标定方法

本文提出一种车载双目相机安装外参自标定方法。传统的车载相机标定一般依赖特定标定场地、标志物和标定设备,低效、高成本、无法实地在线地标定。一些新的方法:结合SLAM或VIO的外参标定方法基于点、线特征匹配,开放道路纹理低,精度不高;通过匹配高精度地图真值,结合道路元素对标定参数校正,适用于外参动态调优,不适用开放道路、缺乏参考真值的标定需求。针对高精度地图众包采集方式,本文方法首先基于车道提取与跟踪模型检测车辆行驶状态、并通过检测点采样评估道路面平整程度,自动筛选车辆直行、平整的道路面拟合参数化平面;然后基于左手系建立世界坐标系,并通过相机坐标系与世界坐标系的欧式变换计算外参;最后构建外参验证模型,在线评估外参精度。实验证明本文方法能准确标定相机安装外参,满足地图采集应用需求,并实现自动化,提高标定效率。     

基于树莓派和STM32的室外智能清洁机器人

为了满足室外清洁机器的市场需求,本文设计了基于树莓派和STM32的室外智能清洁机器人。本系统主要选用RPLIDAR-A1激光雷达通过发射激光光束得到反射光获得点云数据,再通过ROS进行二维栅格建图完成地图构建;并在地图构建的基础上实现自主导航、动态避障和自动清扫等功能。经实验证明,本系统操作简便、安全性高、性能稳定。