基于多传感器融合的机器人室内建图方法研究

设计了一种基于多传感器融合的室内建图方法,能够实现在包含玻璃物体的室内环境进行地图构建。主要利用激光雷达采集的数据和双目相机的数据进行特征级融合,再通过扩展卡尔曼滤波进行位姿融合;依据激光雷达对数据进行采集,利用参考阈值对疑似点进行判定;进一步使用双目视觉进行识别判定,实现多传感器融合建图。该方法可以提高局部定位能力和全局定位能力,解决传统Gmapping算法中对玻璃无法准确识别的问题。     

激光SLAM在AGV平台构建地图及处理异常的应用

为提高激光SLAM在AGV平台在线建地图的效率,提高建图准确性和建图精度,对激光SLAM在工厂实际进行系列应用及研究。着重研究激光SLAM在线建图方法、建图结果评价、建图异常环境评估及以及激光SLAM航算法异常处理措施。应用研究结果总结了激光SLAM典型在线建图方法及步骤;强调地图一致性检验在激光SLAM建地图中的评价的重要地位;总结了激光SLAM建地图环境典型异常原因及典型应多措施。结果表明,激光SLAM导航算法异常的主因是环境变化频繁或激光发射面区域附近轮廓差异大,并提出通过规范措施可以避免导航算法异常,以及不适合用激光SLAM的应用场景。研究结果表明,应用改善效果明显,环境因素导致的建地图异常比例下降约90%;通过改善或改变工厂环境可以避免环境因素激光SLAM导航算法异常。此外,改善激光SLAM在AGV平台在线建地图的措施可以从实施技术、组织管理、技术推广培训等多方面入手。研究表明,技术提升是激光SLAM建图质量及效率的根本保障,管理提升也是激光SLAM建图质量及效率的重要抓手。     

基于视觉同时定位与地图构建的水下图像增强式视觉三维重建方法

针对仿生机器鱼水下作业时面临的水下图像质量偏低、水下自主定位难的问题,提出一种颜色均衡与G-B通道先验融合的水下图像增强式算法。将该算法和视觉同时定位与地图构建(SLAM)方法结合,实现了水下图像增强式的视觉三维重建。在不同水域环境下进行了水下图像处理实验、水下环境视觉三维重建实验和运动轨迹跟踪实验,结果表明该方法有效提高了水下图像综合质量,特征匹配效率提高了16.03%,真实轨迹与估计轨迹的误差平均约为7.99 mm。      

基于单目视觉的轮式机器人同步定位与地图构建

如何降低计算复杂度是视觉机器人同步定位与地图(SLAM)构建的热点问题.提出一种基于单目视觉的低计算复杂度的轮式机器人同步定位与地图构建算法.该算法在观测步通过图像处理与分析,识别特征点并进行定位,将轮式机器人的视觉投影与空间物体的几何关系转换为计算机器人相对特征点的距离和角度.整体算法步骤按照预测、观测、数据关联、更新、地图构建的递推算法进行同步定位与地图构建.提出的算法可识别环境目标,并进行平滑运动.在滤波观测步只处理单帧图像数据,和Active Vision和立体视觉方法相比,降低了算法的计算复杂度.     

基于多传感器融合的复杂地形建图

设计一种基于多传感器融合并能应用于复杂地形环境的导航系统。该系统通过融合雷达、惯性测量单元和编码器,完成机器人在复杂地形上的行驶过程;通过推导,融合惯性测量单元和编码器的里程计增量模型,以估计机器人在位姿上的变化;应用点云分割与特征提取,获取独特的边缘和平面特征;在本地联合优化来自雷达、惯性测量单元和编码器的测量值,确保机器人即使在复杂地形下也能获得低漂移结果。在室内复杂环境下用真实机器人进行实验,结果表明,该设计方案是可行的,该系统具有一定的应用价值。     

多传感器信息融合的移动机器人定位算法研究（英文）

为有效降低使用单一传感器进行移动机器人定位时的不确定误差,提高机器人定位与建图的准确性和鲁棒性,提出了一种多传感器信息融合的移动机器人定位算法。基于激光RBPF-SLAM算法实现机器人同时定位与路标地图构建,运用图优化理论约束优化蒙特卡洛定位的位姿估计结果;通过双目视觉重建环境的三维点特征,针对视觉信息处理计算量大、跟踪精度不高的问题,研究改进基于ORB的特征点提取与四边形闭环匹配算法;利用因子图模型对激光RBPF-SLAM定位和双目视觉定位进行最大后验概率准则下的信息融合。仿真和实验结果表明通过上述方法可以得到比传统RBPF-SLAM算法及一般改进算法更高的定位精度,验证了所提方法的有效性和实用性。     

一种基于计算机视觉的无人机实时三维重建方法

针对机器人(或无人机)实时的三维重建中面临的噪声干扰和计算量大的问题,提出一种实时的鲁棒性的同时定位和建图的方法:用RGB-D相机精确估计相机位置的同时重建三维环境。关键思想是测量残差函数——用于估计当前帧的移动量,同时用金字塔模型一步步去逼近真实值。提出一种新的衡量标准用于建立关键帧。然后通过与相邻关键帧的三角化投影给全局地图增加地图点。此外,应用图优化来实现全局优化以获取更高的精度。     

基于UWB和IMU信息融合的室内定位算法研究

室内复杂环境下,移动机器人精确定位是实现机器人在半结构化场景下工程应用的关键。超宽带（UWB）测距定位是一种当前广泛应用于室内定位的高精度定位技术,最小二乘算法是精确定位的主流算法之一。受非视距（NLOS）、多径效应等因素影响,UWB定位在室内定位应用过程中存在定位数据抖动严重的问题,同时最小二乘法无法解算极值点定位数据,导致定位信息中断。为了解决UWB定位技术在室内定位过程中存在的精度低和稳定性差等难题,提出了基于扩展卡尔曼滤波（EKF）框架下融合UWB和IMU传感器信息的室内定位数据增强处理方法。其中IMU测量值作为滤波器的预测,UWB的测量值作为滤波器测量更新。融合定位算法可以弥补短期内定位数据丢失,降低定位数据的抖动,提高定位系统的稳定性,在半结构环境下具有更好的工程优势。     

一种基于图优化的行人协同定位方法

基于手机惯性传感器的行人航位推算方法是行人导航的核心方法之一。 然而由于传感器噪声等因素,航位推算获取的位置信息误差往往随着时间发散,通常将航位推算和卫星导航通过卡尔曼滤波构成组合导航系统,利用卫星提供的高精度定位信息补偿航位推算误差。 提出一种基于图优化的行人协同定位方法,将状态转移、量测和协同测距信息都作为状态的约束,统一进行优化估计。 为验证方法的有效性,分别在卫星信号良好、无卫星环境下进行了实验验证。 实验分析结果表明,基于图优化的行人协同定位方法在有无卫星信号情况下,都可以有效地提升系统的定位精度。 和基于卡尔曼滤波的协同方法相比,最大水平定位误差都减少了 30% 以上。     

室内场景下实时地三维语义地图构建

移动机器人自主建图是完成智能行为的前提。为提高机器人智能水平和直观的用户交互,地图需要扩展超出几何和外观信息的语义信息。研究了将基于深度残差网络(DRN)的像素级图像语义分割和三维同时定位与建图(SLAM)相融合的三维语义地图构建方法。首先,采用一种联合中值滤波算法进行深度图像的修复,使用改进的迭代最近点(ICP)算法得到相机估计位姿以及基于随机蕨类的闭环检测构建出三维环境地图;其次,采用优化的深度残差网络对输入的图像实现较精准的像素语义级别的预测与分割;最后,采用贝叶斯更新方法,渐进式的将图像分割获取的语义分类标签迁移到重建的室内三维模型中,获得完整的三维语义地图。实验表明,所设计的方法可以在实际的、复杂环境下实时地构建语义地图。     

弱纹理环境下融合点线特征的双目视觉同步定位与建图

针对室内弱纹理环境下基于点特征的视觉同步定位与建图（Simultaneous Localization and Mapping, SLAM）存在的轨迹漂移等问题,提出了一种融合点线特征的双目视觉SLAM系统,并对线特征的提取与匹配问题展开研究。为了提高线特征的质量,通过长度与梯度抑制、短线合并等方法,进一步改进LSD(Line Segment Detector)线特征提取方法。同时,通过将匹配问题转换为优化问题,并利用几何约束构建代价函数,提出了一种基于几何约束的快速线段三角化方法。实验结果表明,本文所提方法在多个数据集上的表现都优于基于描述子的传统方法,尤其在室内弱纹理场景下,其平均匹配精度达到91.67%,平均匹配时间仅需7.4 ms。基于此方法,双目视觉SLAM系统在弱纹理数据集上与已有算法ORBSLAM2,PL-SLAM的定位误差分别为1.24,7.49,3.67 m,定位精度优于现有算法。     

基于目标检测和动静点分离的视觉即时定位与地图构建技术

针对视觉即时定位与地图构建在动态环境中鲁棒性失效的问题,提出一种基于目标检测和动静点分离的视觉即时定位与地图构建技术.使用目标检测算法YOLO v5对图像预处理,获取动态目标物的图像区域.在图像区域划分的基础上,对框外区域使用随机抽样一致性算法剔除外点.根据点的运动规律分离框内区域的动点和静点,在光束法平差优化中对可用静点赋以权重.为了在建图中滤除动态信息,仅保留框外区域的点云显示.通过性能测试确认,所提出的方法在数据集中表现出较高的精度和鲁棒性,整体上优于同类算法.     

一种基于点线融合的室内视觉惯性SLAM方法

以实现室内移动机器人高精度、高鲁棒性的定位与建图为目标,针对单目视觉SLAM方法在室内弱纹理环境下由于特征点稀疏、相机移动过快所导致的定位精度下降甚至跟踪失败问题,提出一种结合点线特征的视觉惯性融合SLAM方法。利用改进的LSD算法提取线特征以提升数据关联的准确性,通过最小化点线及IMU等残差构成的目标函数得到准确的位姿估计。根据对比多组公开数据集及实际室内环境中的实验结果表明：该方法提高了室内定位精度,具备较好的鲁棒性。     

基于激光雷达的复杂环境定位研究

针对传统定位方法中存在误差大、定位范围小、依赖标志物等问题,文章通过无人系统自身搭载的传感器实现复杂环境下的定位:无人系统配置激光雷达传感器获取周围环境点云数据,得到当前时刻在环境中的位置信息;借助机器人操作系统(Robot operation system,ROS)实时发布传感器数据;分别使用Hector算法、Car...     

基于面元的机器人三维激光雷达室内实时定位和建图方法

为了满足室内服务机器人定位能力要求,在考虑室内环境结构化特征和激光雷达独特优势的基础上,提出了从雷达点云中提取面元表达环境以实现室内精确定位和建图的方法。对激光雷达的扫描线进行分割,通过计算分割段内各点的凸系数的连续性条件确定面元覆盖范围。定位和建图分为两个阶段,首先求解点云帧间运动,作为全局位姿的估计;其次对全局位姿进一步优化,依概率将帧面元融入地图。两个阶段均优化隐式移动最小二乘距离代价,而面元不确定模型则由激光雷达测量误差确定。最后,分别在空旷和狭窄两种场景下进行试验,结果表明,所提方法相对定位精度分别为0.022%和0.11%,地图一致性好、满足实时性要求。     

基于SINS/DR组合导航和地图匹配技术的地铁定位方法研究

随着轨道交通的发展,地铁在人们日常生活中扮演着越来越重要的角色,地铁的定位技术也是移动闭塞实现的关键.本文针对地铁无法使用GPS且地面设备复杂,成本高的缺点,提出了一种基于惯性测量单元(IMU)和速度传感器辅以轨道电子地图的自主定位方法,在抑制捷联惯导系统(SINS)的误差发散的同时,减少了航迹推算(DR)由于姿态角误差造成的累计误差.根据铁路线路的特殊性,提出了运用最小二乘进行地图匹配的方法校正组合定位带来的误差,极大提高了定位的精度,同时减少了对轨旁设备的依赖性,降低了造价和维护成本.     

基于ROS和激光雷达的移动机器人系统设计与实现

根据移动机器人的定位和建图需求,设计并构建了基于ROS操作系统和激光雷达的移动机器人系统。移动机器人系统采用小型工控机作为上位机,stm32单片机作为下位机,利用RPLIADR A2激光雷达获取环境信息,在ROS机器人系统分布式框架下进行开发,实现基于cartographer算法的同步定位与建图功能。仿真实验及实际环境测试结果表明,该移动机器人具有良好的建图精度和系统性能,具有拓展方便、模块化等优点。     

基于三位置超声波检测的改进强跟踪UKF-SLAM方法研究

针对移动机器人使用超声波传感器检测环境时存在干扰与数据不确定性问题,在分析超声波传感器工作原理和相邻位置检测数据的关联特性后,提出了基于三位置超声波检测的环境轮廓构建方法,利用超声波对室内环境进行建图;再使用改进强跟踪UKF-SLAM将超声波测量数据和移动机器人驱动模型进行滤波融合,得到更准确的位姿信息与地图特征.搭建...