一种融合地图与传感器信息的室内地图匹配新算法

基于粒子滤波技术,提出了融合地图信息与传感器信息的室内地图匹配算法,对于在室内定位中由状态空间模型描述的非线性系统,通过非参数化的蒙特卡洛( Monte Carlo)模拟方法来实现递推贝叶斯滤波,将室内地理信息数据、传感器信息、无线定位信息融入到粒子的权重值中,对观测值进行不断修正。实验证明,所提出的基于粒子滤波的地图匹配技术有效解决了由于无线定位结果穿墙、错定至隔壁房间而造成的用户体验差等问题,同时对室内定位结果进行了修正,提高了室内定位精度。     

基于回波强度的AGV重定位方法研究

自动引导车(Automated Guided Vehicle, AGV)在具有坡道的多楼层环境导航时,搭载2D激光雷达的AGV仅仅只能通过激光同时定位与建图(Simultaneous Localization and Mapping, SLAM)进行单个楼层建图,无法直接生成多楼层环境的地图,只能通过建立多楼层地图之间的拓扑关系,才能实现不同楼层地图的转换。为了解决多楼层地图导航之间的重定位问题,提出一种基于回波强度的AGV重定位方法。首先基于激光雷达的回波强度,过滤非反光板信息;然后基于DBSCAN算法对激光扫描数据进行聚类,并通过最小二乘法拟合数据,获得不同反光板质心的局部坐标集合;最后依据反光板布局信息匹配反光板数据,采用几何关系法实现AGV在新地图的重定位。实验结果表明,该方法能有效实现AGV的重定位,定位精度高且稳定,不影响后续的导航任务,具有实际应用价值。     

基于改进PFPN的语义地图构建方法研究

针对园区等环境结构性强而全球导航卫星系统(GNSS)信号不稳定的应用场景及无人车应用激光雷达同时定位与建图(SLAM)技术缺乏对于场景的语义理解能力而造成的定位误差问题,提出了一种单目相机与激光雷达融合构建三维语义地图的方法.该方法以园区环境结构性强、车辆行人动态变化高的特征为依据,通过改进的全景特征金字塔网络(PFP...     

面向地下停车场的无人车视觉语义建图与定位

无人车在狭窄、没有GPS信号的地下停车场中行驶,精确的定位能力非常重要.传统的基于视觉的定位方法由于无纹理的区域、重复的结构和外观的变化而导致跟踪丢失.本文利用视觉语义信息构建停车场地图并对车辆进行定位.语义特征包括经常出现在停车场中的路标、停车线、减速带等,与传统特征相比,这些语义特征无纹理区域和外观的变化具有长期稳...     

基于激光雷达的移动机器人运动目标检测与跟踪

运动目标的检测与跟踪是移动机器人研究的难点问题之一.基于2维激光雷达的性能分析与滤波设计的基础上,提出一种自主运动目标检测与跟踪的方法.通过k-近邻对激光雷达扫描的障碍进行聚类分析;基于栅格地图匹配的方法评估障碍的运动参数;检测出运动目标后,通过对机器人进行运动补偿,提出一种改进的粒子滤波算法对目标的运动状态进行评估.最后,利用自行研制的移动机器人进行算法评估,实验结果验证了所提方法的有效性.     

动态场景下基于视觉同时定位与地图构建技术的多层次语义地图构建方法

为提高视觉同时定位与地图构建(SLAM)技术的环境适应性和语义信息理解能力,该文提出一种可以在动态场景下实现多层次语义地图构建的视觉SLAM方案。首先利用被迫移动物体与动态目标间的空间位置关系,并结合目标检测网络和光流约束判断真正的动态目标,从而剔除动态特征点;其次提出一种基于超体素的快速点云分割方案,将基于静态区域构建的3维地图进行优化,构建了物体级的点云语义地图;同时构建的语义地图可以提供更高精度的训练数据样本,进一步用来提升目标检测网络性能。在TUM和ICL-NUIM数据集上的实验结果表明,该方法在定位精度上远优于目前主流的动态场景下的视觉SLAM方案,证明了该方法在高动态场景中具有较好的稳定性和鲁棒性;在建图精度和质量上,经过将重建的不同种类地图与各个现有方法进行比较,验证了提出的多层次语义地图构建的方法在静态和高动态场景中的有效性与适用性。     

基于分层采样粒子滤波的麦克风阵列说话人跟踪方法

针对噪声与混响环境下的说话人跟踪问题,本文提出了一种基于粒子滤波的麦克风阵列声源定位与跟踪方法.该方法在粒子滤波框架下,将无混响影响的语音建立信号作为观测信息,通过计算麦克风阵列波束形成器的输出能量来构建似然函数,同时考虑语音信号不同频率成分在声源定位中的作用,利用分层采样方法提高粒子的采样效率.实验结果表明,本文方法提高了说话人声源跟踪系统的抗噪声与抗混响能力.     

自主移动机器人即时定位与地图构建方法研究

自主移动机器人的即时定位与地图构建是机器人领域中的关键问题。文中对自主移动机器人即时定位与地图构建研究的两个主要问题进行了分析,研究了不确定信息的描述和处理方法,以及数据关联的方法。综述了现阶段即时定位与地图构建的实现方法,其中包括两种卡尔曼滤波算法和粒子滤波算法,以及基于视觉的SLAM算法。通过分析现有算法的特点,提出了自主移动机器人即时定位与地图构建未来研究的发展方向。     

空间人工智能

无人机、机器人或自动驾驶汽车等智能系统在空间中运行时,需要对自身周围的空间环境建立三个认知——智能系统能够构建周围环境的地图;智能系统能够确定自己在地图上的位置;智能系统能够理解周围环境中的物体的语义(物体类型、尺寸、属性等信息),并针对性地调整自己的动作.实时定位与地图构建技术(Simultaneous Locali...     

动态场景下基于视觉的SLAM技术研究

针对视觉同时定位与地图构建(SLAM)技术在动态环境中存在定位精度低、地图虚影等问题,提出了一种基于深度学习的动态SLAM算法。该算法利用网络参数少且目标识别率高的YOLOv8n改善系统的视觉前端,为视觉前端增加语义信息,提取动态区域特征点。然后采用LK光流法识别动态区域的动态特征点,剔除动态特征点并保留动态区域内的静态特征点,提高特征点利用率。此外,该算法通过增加地图构建线程,剔除YOLOv8n提取的动态物体点云,接收前端提取的语义信息,实现静态语义地图构建,消除由动态物体产生的虚影。实验结果显示,在动态环境下该算法与ORB-SLAM3相比,定位精度提升92.71%,与其他动态视觉SLAM算法相比,也有小幅度改善。