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。     

多机协同的类脑同步定位建图方法

低计算量和存储量的优势使得类脑导航模型RatSLAM适用于大型环境的地图构建。为了进一步提高其建图效率,本文提出了一种多机器人协同RatSLAM系统。首先,设计使用了集中式的通信系统用于机器人间信息的交互。其次,提出了一种环境重叠区域检测方法以实现机器人之间的数据关联,从而进行经验节点间相对位姿计算。最后,提出一种改进型图松弛算法,利用机器人之间的位姿关系进行多机器人地图融合,完成全局统一的经验认知地图的实时在线构建。在公开数据集上以及真实物理实验环境中验证了所提方法的有效性。实验结果表明,相比单机器人,多机器人在保持较高地图精度与较少存储量的同时,平均建图效率提升45%。进一步与当前其他地图融合方法进行了比较,本文方法取得了更好的建图结果,验证了所提方法的有效性和准确性。     

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.     

机器人自适应主动同时定位与建图新方法

针对多机器人的定位与建图受到即时定位与地图构建(SLAM)研究方法和技术不成熟的制约问题,提出一种基于扩展卡尔曼滤波(EKF)的自适应同时定位与建图方法;首先,基于EKF估计方法,将SLAM中机器人运动方式的选取问题转化为一个多目标最优控制问题,机器人选取最优化目标函数的控制输入,从而以主动的、智能的和自适应的方式探索环境;然后,将上述方法推广到多机器人SLAM中,以实现更为准确、高效和鲁棒的定位与建图;仿真结果表明,该方法大大提高了机器人建图的效率、准确性和鲁棒性;该方法用于机器人主动同时定位和建图是可行的、有效的.     

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.     

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。     

NLOS环境下多传感器融合的室内定位方法

为提高超宽带(ultra-wideband, UWB)技术在非视距(non line of sight, NLOS)环境下的定位精度,提出一种基于粒子滤波融合视觉与UWB数据的定位方法。视觉模块通过识别与检测标签推算出绝对位姿;UWB模块鉴别由NLOS条件干扰的测距值,筛选最优测距值进行自适应权重的定位算法,提升覆盖区域的整体定位精度;基于粒子滤波将两者的实时定位信息进行数据融合。实验结果表明,融合定位方法具有实时性和鲁棒性,有效抑制了NLOS环境引起的误差,在NLOS环境下定位精度能够达到0.26 m。     

基于视觉和轮速计紧耦合的轮式机器人定位算法研究

轮式机器人在未知环境下的定位是机器人学中一个经过广泛研究但仍然需要进一步提高的问题.VINS-Mono是目前效果最好的算法之一,然而其应用在轮式机器人上会因退化问题导致定位精度下降.本文通过充分利用轮速计与视觉系统之间的耦合关系,提出了一种基于视觉和轮速计紧耦合的轮式机器人定位系统估计器.针对低频视觉信息和高频轮速计信...     

面向动态环境的视觉惯性SLAM算法

针对传统的同时定位与建图(SLAM)算法在动态环境中会降低自身运动估计的精确性以及系统鲁棒性的问题,提出一种适用于动态环境的视觉惯性SLAM算法——DVI-SLAM(dynamic visual inertial SLAM).根据对极几何约束检测并去掉动态特征,利用更加精确的静态特征进行状态估计;添加视觉信息自适应权重...     

基于视觉的移动机器人同时定位与建图研究进展

同时定位与建图(SLAM)是实现移动机器人真正自治的必要前提, 视觉传感器由于能够提供丰富的环境信息而在SLAM研究中受到重视, 本文从视觉传感器配置方式、视觉特征提取方法、视觉SLAM实现机制、地图表示类型以及环境对视觉SLAM的影响五个方面综述基于视觉传感器的同时定位与建图研究的发展现状, 对已有的典型视觉SLAM方法进行分析和比较, 并展望了未来的发展趋势.     

室内环境的元胞自动机SLAM算法

针对人工室内环境的同时定位与构图（SLAM）问题,将元胞自动机（CA）引入到传统 SLAM 算法的迭代过程,建立“SLAM－CA生长－重定位”的闭环作用机制．利用室内规则环境的特性,以及大多数室内机器人应用领域已知先验地图的特点,对室内 SLAM 问题开展针对性的研究．通过仿真与实验证明,针对人工室内环境,该算法使得墙壁、出入口与直角特征更加明显,“穿墙”现象得到一定程度解决,改善了构图效果,提高了定位精度和路径规划可行性．     

基于多传感器信息融合的移动机器人导航综述

综述了自主式移动机器人导航技术,对其中的同步定位与地图创建、路径规划以及多传感器信息融合等技术进行了详细的分析,并从基于地图、基于环境和基于行为3个方面全面地阐述了移动机器人路径规划技术的研究现状.对当前的研究热点SLAM技术、遗传算法和基于行为的规划算法等进行了较为详细的介绍和分析.同时,展望了移动机器人导航技术的发展趋势.     

自主移动机器人的室内结构化环境地图创建

定位与地图创建是自主移动机器人领域研究的重要课题.本文阐述了一种以扩展卡尔曼滤波算法为主要框架,运用直接位姿控制模型描述机器人运动的算法,实现了机器人在室内结构化环境中的同时定位和地图创建.仿真与实验结果表明,里程计信息无法满足定位和创建环境地图的要求,本文算法则能够实现机器人的精确定位.并生成满足一致性要求的地图.     

多源融合SLAM的现状与挑战

同时定位与地图构建(simultaneous localization and mapping,SLAM)技术在过去几十年中取得了惊人的进步,并在现实生活中实现了大规模的应用。由于精度和鲁棒性的不足,以及场景的复杂性,使用单一传感器(如相机、激光雷达)的SLAM系统往往无法适应目标需求,故研究者们逐步探索并改进多源融合的SLAM解决方案。本文从3个层面回顾总结该领域的现有方法:1)多传感器融合(由两种及以上传感器组成的混合系统,如相机、激光雷达和惯性测量单元,可分为松耦合、紧耦合);2)多特征基元融合(点、线、面、其他高维几何特征等与直接法相结合);3)多维度信息融合(几何、语义、物理信息和深度神经网络的推理信息等相融合)。惯性测量单元和视觉、激光雷达的融合可以解决视觉里程计的漂移和尺度丢失问题,提高系统在非结构化或退化场景中的鲁棒性。此外,不同几何特征基元的融合,可以大大减少有效约束的程度,并可为自主导航任务提供更多的有用信息。另外,数据驱动下的基于深度学习的策略为SLAM系统开辟了新的道路。监督学习、无监督学习和混合监督学习等逐渐应用于SLAM系统的各个模块,如相对姿势估计、地图表...     

信息双向融合的机器人协同导航方法

根据双足机器人足部惯性导航系统与轮式机器人航位递推/同步定位与建图(SLAM)导航系统不同的误差发散特性构建信息双向融合滤波器,即利用双足机器人导航系统中的误差零速修正(ZUPT)方法减少轮式机器人导航系统误差,并利用轮式机器人导航系统中的SLAM算法在一定环境条件下修正双足机器人的定位误差,从而同步提高两类机器人导航系统的定位与航向精度.实验结果表明:导航系统定位误差约为行进距离的2.3％,在室内等卫星导航系统失效的环境中可有效提高机器人群体导航系统的综合导航性能.     

移动机器人视觉惯性SLAM研究进展

在研究领域,基于滤波和基于优化是两种实现视觉惯性SLAM(同时定位与地图创建)的主导方法.本文基于这两种方法介绍视觉惯性SLAM,说明了视觉惯性SLAM的最新研究进展和关键问题,对比了几种代表性的视觉惯性SLAM框架,并对未来进行了展望.     

移动机器人同时定位与地图创建研究进展

对移动机器人的同时定位与地图创建􀁫(Simultaneous Localization and Mapping)的最新研究进行了综述.指出SLAM 面临的问题,介绍了SLAM的基本实现方法.通过对各种改进的SLAM实现方法的性能对比,详尽地分析了如何降低SLAM的复杂度、提高SLAM的鲁棒性等关键技术问题,同时对多机器人协作的SLAM也进行了论述.探讨了SLAM的研究与发展方向.􀁱     

基于扫描匹配的室外环境SLAM 方法

针对室外环境中的机器人“绑架”问题,提出了基于地图匹配的SLAM方法．该方法舍弃了机器人里程计信息, 只利用局部地图和全局地图的图形相关性进行机器人定位．方法的核心是多重估计数据关联,并将奇异值分解应用到机器人位姿计算中．利用Victoria Park数据集将本算法与基于扩展卡尔曼滤波器的方法进行比较,实验结果证明了本文提出的算法的有效性．     

基于图优化的视觉SLAM研究进展与应用分析

为了对SLAM技术有更为全面的把握,在回顾过去三十年里视觉SLAM技术发展历程基础上,详细分析了视觉SLAM问题的本质与求解的复杂性。重点对在提高位姿估计精度、构建全局一致地图与提升算法求解效率上的最新研究成果进行了介绍,并对当前代表性的算法实现方案进行了分析与比较。针对未来大尺度环境、全生命周期应用需求,对现有算法框架的不足与最新研究趋势进行了归纳总结。最后,探讨了深度学习技术与视觉SLAM问题求解的关联性。     

基于三角剖分的内窥镜肠道手术机器人体素地图构建方法

面向全自主内窥镜机器人诊疗系统,提出一种人体肠道内部结构体素地图构建方法,来实现内窥镜位姿的准确估计,同时构建可以用于手术机器人导航的体素地图．该方法使用单目内窥镜采集肠道内部图像序列,首先基于单目SLAM（同步定位与地图创建）方法估计内窥镜轨迹,同时针对肠道内部结构构建稀疏地图．然后基于稀疏特征点地图,提出一种基于三角剖分的稀疏地图稠密化方案,构建具有稠密几何信息、利于手术器械路径规划的体素地图．分别在模拟肠道和离体猪肠道内进行体素地图构建的实验研究和误差评估,在模拟肠道中直径和病灶尺寸的均方误差分别为1.16 mm和0.81 mm,内窥镜定位均方误差为2.163 mm．