大规模环境下基于图优化SLAM的后端优化方法

在总结图优化同步定位和建图(SLAM)的前端图构建方法的基础上,对现有的后端图优化方法进行分析,介绍了最小二乘法、随机梯度下降法、松弛法、流形优化及其相关文献.讨论基于χ2误差和基于均方差的地图创建的评价方法,对图优化方法的发展趋势进行了展望.     

基于Skinner-Ransac的移动机器人单目视觉SLAM

针对移动机器人单目视觉同时定位与地图创建(simultaneous location and mapping,SLAM)数据关联问题,提出一种Ransac抽样算法.该算法(Skinner-Ransac)基于Skinner操作条件反射原理,结合扩展卡尔曼滤波(extended Kalman filter,EKF)运动模型获得的先验信息,对图像匹配点抽样集合中的每个匹配点对赋予权值,并根据判断函数对其权值进行更新.最后,针对数据关联的效率要求提出新的迭代终止条件,以公开图像数据集作为图像采集样本.实验结果表明:Skinner-Ransac算法高效可靠,SLAM的位姿估计结果可以达到移动机器人自主导航的需求.     

基于LIO-SAM框架矿山环境下的点云地图构建

基于LIO-SAM框架设计并实现了一种基于激光雷达和IMU融合的煤矿环境下点云地图构建方法.首先利用LIO-SAM构建点云地图,其次针对其在矿山非结构化环境中存在的问题,对激光雷达点格式进行处理,使用lidar＿align对激光雷达和IMU的外参进行标定,最后采用imu＿utils进行IMU的内参标定,提高了建图的准确性.通过在哈尔乌素露天煤矿实地测试表明,本文基于LIO-SAM框架构建出的点云地图更加符合实际地形特征,鲁棒性更强,对矿用机器人的定位导航技术具有一定的应用价值.     

基于原图-光照不变图视觉词典改进的闭环检测方法

当机器人所处环境光照发生变化时,基于传统视觉词典的闭环检测算法性能会降低,容易出现感知混叠和感知变异,从而判断出假闭环.该文首先通过原彩色图像生成只与光源有关的光照不变图,然后生成原图-光照不变图的视觉词典,对每帧图像计算两个直方图和相似性得分,通过最终的得分矩阵来判断是否闭环.实验结果表明,与传统的视觉词典法相比,该...     

基于改进SuperPoint网络的视觉SLAM算法研究

针对传统视觉SLAM算法在视角变换和光照变化时易导致位姿估计精度低甚至跟踪失败等问题,启发于SuperPoint网络在特征提取上的强鲁棒性,提出一种基于轻量级SuperPoint网络的视觉SLAM算法(Light Weight SuperPoint network based-on visual SLAM,LWS-vSLAM)。首先,为解决SuperPoint网络编码层计算量过大引起的系统实时性下降问题,采用LWS-NET轻量化特征提取网络,该网络编码层采用轻量级注意力模型对图像特征进行降采样来减小计算量。其次,为解决在视角变换和光照变化环境下存在较多误匹配问题,利用LWS-NET网络的特征检测分类层的插值计算完成图像中优质特征点的筛选,并以优质特征点为中心进行区域内误匹配剔除。最后,将LWS-NET特征提取与匹配网络与ORB-SLAM2系统后端非线性优化、闭环修正和局部建图进行融合,设计一个完整的单目视觉LWS-vSLAM系统。在公共评测数据集TUM、KITTI中进行仿真实验,实验结果表明,算法平均每帧运行时间相较于SuperPoint缩短约30%,轨迹误差相较于ORB-SLAM2减...     

面向移动机器人的室外环境多层次地图构建

为充分利用环境的先验知识,使移动机器人在大规模室外环境中实现自主导航和定位,离线建立一种基于环境先验知识的多层次地图,它由拓扑地图、全局度量简图、语义地图和局部度量地图组成;提出基于节点附近物体共视关系的节点识别方法、基于线段的道路感知方法和基于消失点的导航控制方法;利用不同层次的地图实现路径规划、节点识别和相对位姿估计等,在室外环境试验中,机器人在大规模室外环境中实现自主导航并运动至目的地,验证了方法的有效性。     

智能车SLAM中一种快速联合数据关联算法

数据关联是智能车同时定位与建图(simultaneous localization and mapping,SLAM)中的一个难点问题.为了快速准确获得数据关联结果,结合连续兼容最近邻(sequential compatibility nearest neighbor,SCNN)算法简单易实现和联合兼容分支定界(joint compatibility brarch and bound,JCBB)算法最优理念强的优点,提出了一种快速联合数据关联(fast joint data association,FJDA)算法.该算法首先在局部地图中采用SCNN数据关联算法处理所有的观测-特征对,得到关联结果;其次判断关联结果的准确性,若关联出错,则采用具有噪声的基于密度的聚类方法(densitybased spatial clustering of applications with noise,DBSCAN)对当前时刻的观测量进行分组,然后在每一小组中采用JCBB算法进行数据关联,最终将每一小组的关联解融合得到最终的关联结果.通过仿真实验对提出的算法、SCNN算法以及JCBB算法的性能进行了比较,结果表明提出的关联算法实时性强,准确度高.     

弱光环境下视觉SLAM前端优化方法

为了解决机器人在弱光环境下可能出现的自身定位不准确及建图不完整的情况,采用了一种基于弱光环境下图像增强的方法对相机采集到的图像进行预处理,提高图像的亮度和清晰度,对增强后的图像用ORB算法提取和匹配特征点,使用Hamming距离筛选法进行特征点的误匹配处理.实验结果表明:本优化算法有效地增加了弱光环境下的特征点提取数量...     

融合梯度密度的点线视觉SLAM算法改进

针对视觉同步定位与地图构建(Simultaneous Localization and Mapping, SLAM)方法在相机快速运动中容易导致图像模糊,以及在稠密场景中线特征提取易造成信息冗余等问题,提出一种融合梯度密度的点线视觉SLAM算法改进。该算法首先利用前后图像帧之间特征点数量信息对模糊图像进行筛选,并使用高斯模糊进行优化处理,得到匹配效果更佳的图像帧。然后利用点特征信息判断是否引入线特征,并引入图像像素梯度密度对LSD(Line Segment Detection)线特征进行多维优化,提取出稳定线特征以提高后续匹配质量。最后结合点线特征误差构建误差函数,最小化投影误差提高位姿估计精度。算法在TUM数据集下进行测试,实验结果表明本算法可以有效提升特征提取的稳健性,进而提高相机位姿估计与建图的精度。     

基于双目强约束的直接稀疏视觉里程计

为了提高双目直接稀疏里程计(Stereo Direct Sparse Odometry,Stereo DSO)的定位速度和精度,使得移动机器人可以更有效地执行任务,提出了一种基于双目强约束的直接稀疏视觉里程计系统.基于直接法的即时定位与地图构建(Simultaneous Localization and Mapping...     

多源融合定位算法综述

随着机器人、无人车等自主导航系统的大量涌现,定位导航技术在最近20年得到迅猛发展,用户对新一代的定位导航技术提出了新的要求,即在任意环境、任意时刻、任意平台都能具备可靠的定位导航能力.多源融合定位算法是实现该目标的唯一有效途径.本文从传感器观测模型、环境场景模型、载体运动行为模型出发,综述了卫星导航、惯性导航、视觉传感器、激光雷达单一传感器的定位方法,分析了定位导航运行的环境场景对多源融合定位的影响,以及载体运动行为对定位的影响.最后,从融合框架层面将多源融合定位算法分为优化和滤波两大类进行深入分析.     

基于神经网络的VSLAM综述

传统的基于视觉的SLAM技术成果颇丰,但在具有挑战性的环境中难以取得想要的效果.深度学习推动了计算机视觉领域的快速发展,并在图像处理中展现出愈加突出的优势.将深度学习与基于视觉的SLAM结合是一个热门话题,诸多研究人员的努力使二者的广泛结合成为可能.本文从深度学习经典的神经网络入手,介绍了深度学习与传统基于视觉的SLAM算法的结合,概述了卷积神经网络(CNN)与循环神经网络(RNN)在深度估计、位姿估计、闭环检测等方面的成就,分析了神经网络在语义信息提取方面的优点,以期为未来自主移动机器人真正自主化提供帮助.最后,对未来VSLAM发展进行了展望.     

基于点线特征的快速视觉SLAM方法

为了提高RGB-D相机同时定位与地图构建（SLAM）系统在弱纹理场景下的定位精度和鲁棒性,提出快速的基于点线特征的SLAM方法. 在非关键帧的追踪过程中,基于描述子进行点特征匹配,基于几何约束进行线特征匹配;当插入新的关键帧时,计算线特征描述子以完成关键帧间的线特征匹配,并利用线特征三角化算法生成地图线. 通过降低线特征匹配过程运算量来提高SLAM系统的实时性. 此外,利用线特征的深度测量信息构造虚拟右目线段,并提出新的线特征重投影误差计算方法. 在公开数据集上的实验结果表明,与ORB-SLAM2等主流方法相比,所提算法提高了RGB-D SLAM系统在弱纹理场景下的定位精度;与传统点线特征结合的SLAM方法相比,所提算法的时间效率提高了约20%.     

一种单目视觉ORB-SLAM/INS组合导航方法

针对基于静态场景假设的传统的同时定位与地图构建（simultaneous localization and mapping,SLAM）在动态场景中鲁棒性差、位姿估计准确率低的问题,提出了一种基于深度学习的语义视觉SLAM方法.该方法将语义分割技术与运动一致性检测算法相结合,首先用Mask R-CNN网络对图像进行语义分割,建立动态对象的先验语义信息,然后通过运动一致性检测算法进一步剔除属于动态物体的特征点,最后用静态特征点进行特征匹配和位姿估计.基于慕尼黑工业大学（Technical University of Munich,TUM）公开数据集对系统进行实验,结果表明,该系统在动态环境中较传统的ORB-SLAM2系统和DS-SLAM系统明显降低了绝对轨迹误差和相对位姿误差,提高了SLAM系统位姿估计的准确性和鲁棒性.

     

A novel robust approach for SLAM of mobile robot

The task of simultaneous localization and mapping （SLAM） is to build environmental map and locate the position of mobile robot at the same time. FastSLAM 2.0 is one of powerful techniques to solve the SLAM problem. However, there are two obvious limitations in FastSLAM 2.0, one is the linear approximations of nonlinear functions which would cause the filter inconsistent and the other is the ＂particle depletion＂ phenomenon. A kind of PSO ＆ Hjj-based FastSLAM 2.0 algorithm is proposed. For maintaining the estimation accuracy, H~ filter is used instead of EKF for overcoming the inaccuracy caused by the linear approximations of nonlinear functions. The unreasonable proposal distribution of particle greatly influences the pose state estimation of robot. A new sampling strategy based on PSO （particle swarm optimization） is presented to solve the ＂particle depletion＂ phenomenon and improve the accuracy of pose state estimation. The proposed approach overcomes the obvious drawbacks of standard FastSLAM 2.0 algorithm and enhances the robustness and efficiency in the parts of consistency of filter and accuracy of state estimation in SLAM. Simulation results demonstrate the superiority of the proposed approach.     

迭代中心差分粒子滤波的SLAM算法

为了提高SLAM算法中的位姿估计精度,通过在广泛使用的RBPF粒子滤波器中,利用迭代中心差分卡尔曼滤波器(ICDKF)来代替其中的扩展卡尔曼滤波器(EKF),并融合新的观测数据使提议分布更加接近后验概率分布,并且能够精确估计智能车辆的位姿,进而采用ICDKF算法更新特征地图的位置.该算法在保证定位精度的同时减少了计算的复杂度,提高系统的估计性能,增加了迭代算法的稳定性.仿真实验结果验证了迭代中心差分粒子滤波SLAM算法的有效性.     

基于权值平滑的改良FastSLAM算法

针对FastSLAM算法中频繁重采样会导致粒子快速坍塌,从而破化路标估计的多样性并最终影响估计结果的问题,提出一种基于权值平滑的改良算法.该方法采用平滑方式计算粒子权值,不仅考虑机器人当前的运动和观测结果,并且综合一定长度滑动窗口内的历史权值信息,可抑制由噪声和归一化等因素引起的权值过度波动,以及由此引发的频繁重采样和估计性能降低.蒙特卡罗仿真结果表明,选取合适的滑动窗口大小,改良算法能有效减少重采样次数,保持粒子多样性,显著提高估计精度.     

应答器未校准情况下的水下长基线定位方法研究

针对应答器未校准情况下的水下长基线定位问题，提出了基于无迹卡尔曼滤波的同步定位与地图创建方法。应用随机地图技术，将自主水下航行器的位置坐标和应答器的位置坐标组成增广状态矢量，以到应答器的距离为测量值，用无迹卡尔曼滤波进行求解。该方法是一种实时在线算法，充分利用了速度和航向信息，克服了非线性方程方法存在的状态矢量维数高、求解易发散的问题，并且对水下航行器的运动方式没有约束。仿真结果表明，它能够抑制航位推算法定位的累积误差，提供水下长期的、误差有界的定位信息。