多机器人协同的SLAM算法研究

针对传统的室内多机器人SLAM算法存在探索任务分配灵活低,重叠度高,导致地图融合和建图精度不高的问题。设计一个基于PSO算法的多机器人协同建图与路径规划系统。首先,采用SLAM系统中的Gmapping算法作为基础算法,加入PSO算法将地图融合问题转化为最优求解问题,即找到两个地图重叠度最高的转换矩阵,实现地图融合和多机器人协同建图。结果表明,相同室内环境下,单机器人的平均探索时间为216 s,探索覆盖率为73..38%;而双机器人的平均探索时间仅为47 s,比单机器人的探索时间低了169 s;且双机器人的探索覆盖率为99.69%,比单机器人高出了26.31%。由此说明,双机器人的探索效率和探索覆盖率更高。对比于现有的EKF-CSLAM算法和基于因子图地图融合算法,本算法的建图精度高达99.75%。地图融合和建图精度明显更佳,进一步说明提出的融合算法可提升多机器人室内环境协同建图的效率和鲁棒性。     

基于高斯投影的变电站巡检机器人定位建图技术

保障变电站的安全是电力供应的关键要素,因此变电站的巡检工作是不可或缺的。目前,采用机器人进行自动化巡检是变电站巡检领域的重要趋势。获得变电站的平面地图是实现变电站自动化巡检的关键。目前传统的定位建图方案,如同步定位与建图（Simultaneous Localization and Mapping,SLAM）、离线全球定位系统（Global Positioning System,GPS）定位等,往往存在特征识别困难、建图时间过长或者地图所需存储空间过大等缺点。基于此,提出了一种基于高斯投影的变电站巡检机器人定位建图技术。采集完工作区域内外边界和障碍区域的边界点后,通过高斯投影,将采集到的地理位置坐标转换为平面直角坐标,并通过射线法实现平面栅格地图的建立。再根据已有的栅格地图信息和实时接收的机器人当前位置信息实现定位功能。实验验证了该定位建图技术的可行性,该方法可极大地提升建图速度,减少地图所需的存储空间,建立的地图可用于巡检机器人后续的路径规划和导航。     

基于新的图优化方法的拓扑地图创建

在机器人同时定位与地图构建（simultaneous localization and mapping,SLAM）过程中,图优化方法如捆绑约束（Bundle Adjustment,BA）通过对位姿误差的分布进行迭代优化同步提升机器人位姿和地图的准确性,但优化的过程需要较大的计算量。与度量地图相比,拓扑地图因其简洁的环境表示更加适用于大范围环境的自主导航。论文针对拓扑地图在线创建过程中的闭环检测问题提出一种新的图优化方法,该方法只采用里程计航迹推算信息,引入机械臂逆向运动学模型减小位姿跟踪和地图创建误差,并使用模拟退火算法实现变步长快速迭代。实验结果表明该方法具有如下优点：采用间断性运作模式,只是在拓扑节点位置进行图优化操作,适用于计算能力较弱的机器人建图应用;只利用节点间的相互位置关系完成闭环检测,如在此基础上增加场景匹配信息将极大提高地图创建的准确性。     

移动机器人协作建图系统设计与实现

对未知的环境进行有效的探索是移动机器人领域最重要的问题之一。针对准确建立未知环境地图的问题,本文设计了基于机器人操作系统的多机器人协作建图系统。首先介绍了多机器人协作建图系统总体框架,并根据功能需求分别进行方案设计,最后打通了两个功能系统的通信,实现预期功能。通过仿真实验对设计的系统进行验证,证实了该系统设计的可行性,为多机器人协作作业提供了重要条件,具有较强的实用性。     

基于ORB-SLAM2的四足机器人定位和建图

四足机器人被认为是灾后救援、野外探索以及危险环境巡逻搜查的最佳移动平台,而定位与建图又是机器人在复杂地势环境进行自主行走的前提。搭建了一个基于四连杆并联机构的四足机器人运动平台,并且针对该四足机器人设计了相应的运动控制算法。为解决四足机器人在复杂环境中的地图构建与定位难题,采用ORB-SLAM2算法进行四足机器人的三维位姿估计,同时构建一个线程用于三维稠密点云信息的获取与拼接,并最终实现了在复杂环境中的四足机器人定位与建图功能。     

低成本移动机器人2D SLAM算法地图评估研究

随着传感器技术的发展,移动机器人得到了广泛的应用.用于绘制环境地图的2D SLAM技术是移动机器人领域重要的技术之一,选出适合低成本机器人的算法对机器人的发展和普及至关重要.提出在仿真环境和实际场景下运行广泛使用的四种开源算法:Gmapping、Hector SLAM、Karto SLAM和Google Cartographer,并对它们生成的地图进行了评估.提出五个用于评估地图的指标,即:ND、MSE、SSIM、Proportion和SLS.实验和评估结果表明,四种算法都成功创建了地图,相比于其它算法,Google Cartographer和Gmapping鲁棒性较好,且生成地图最完整、与地面实况图差异较小.     

一种局部直线拟合滤除地面点的林下SLAM算法

激光惯导融合的同步地图定位与建图(simultaneous localization and mapping, SLAM)算法可以实现林下三维点云地图构建。鉴于现有激光惯导融合SLAM算法建图的单木定位精度存在较大误差，导致建图效果难以满足林业应用要求，提出了一种局部直线拟合滤除地面点的林下SLAM算法，利用局部的直线拟合来判断地面点并滤除，提高树木特征比重，在激光惯导融合SLAM的前端匹配部分对点云数据进行建图，减小由地面点造成的树木匹配误差。在真实样地中对改进前后两种算法进行实验对比和综合量化评价。实验证明，算法改进后建图所得单木位置的平均绝对误差和均方根误差分别减少了61%和50%,说明该算法可以在林下得到更佳建图效果，可为森林资源调查提供技术支撑。     

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。     

空地正交视角下的多机器人协同定位及融合建图

针对单一机器人在复杂场景下进行同步定位与建图存在的视角局限等问题,本文提出了一种空地正交视角下的空中无人机与地面机器人协同定位与融合建图方法.鉴于无人机的空中视角与地面机器人视角属于正交关系,该方法主要思想是解决空地正交视角的坐标系转换问题.首先,设计了一种空中无人机和地面机器人协同定位与建图的框架,通过无人机提供的全局俯视图像与地面机器人的局部平视图像获得全面丰富的场景信息.在此基础上,通过融合惯性测量单元和图像信息修正偏移并优化轨迹,利用地面机器人上带有尺度信息的视觉标识,获得坐标系转换矩阵以融合地图.最后多组真实场景实验验证了该方法具有有效性,是空地协同多机器人协同定位及融合建图(simultaneous localization and mapping, SLAM)领域中值得参考的方法.     

粒子群优化的同时定位与建图方法

提出一种粒子群优化的同时定位与建图方法,该方法将粒子群优化思想引入到机器人同时定位与建图算法中。通过粒子群优化方法对预估粒子进行更新,调整粒子的提议分布,从而使得采样粒子集中于机器人的真实位置附近。通过对粒子集的优化,有效地克服粒子贫乏问题,并且减少所使用的粒子数以及计算的时间复杂度。经过仿真实验,验证该方法的正确性和可行性。