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.     

基于激光测距雷达的室外移动机器人定位

采用激光测距雷达作为机器人的外部传感器,里程计和惯性导航系统作为内部传感器,对室外移动机器人环境地图已知情况下的定位问题进行了研究。根据定位系统的特点建立了系统的运动模型和观测模型,考虑到系统的不确定性,提出了一种基于混合模型的系统误差描述方法,同时采用扩展卡尔曼滤波对多传感器信息进行了融合,仿真试验的结果表明该定位系统具有较高的定位精度。     

轮式移动机器人FastSLAM算法研究

移动机器人在复杂未知环境中精确定位并对周围环境进行地图构建有助于机器人对环境的准确理解,是机器人进一步完成各种复杂智能任务如路径规划和避障等的关键和前提.通过对移动机器人未知环境中定位和地图创建问题进行讨论,设计了一种构建2D可视化路标特征地图的方案,该方案结合单目视觉传感器和里程计的鲁棒感知模型,建立包含世界坐标系下...     

基于电路地图的移动机器人三维路径规划方法

通过建立多网笼三维立体电路地图的方式,将复杂的三维空间路径规划问题转化成为相对简单的电路求解问题,用不同的电阻阻值表征三维空间中障碍物、威胁源、气流或水流等对水下机器人或飞行机器人的不同运动影响程度,形成一种能够真实反映物理空间中实际情况的环境建模方式,使得路径规划的结果具有综合决策的效果.经仿真结果证明该方法节省系统计算时间,是一高效易行的路径规划方法.     

大规模环境下基于图优化SLAM的图构建方法

分析总结了基于图优化同步定位和地图构建(SLAM)前端图构建过程的各种方法.对现有SLAM研究方法进行分类,指出基于Kalman滤波器、粒子滤波器、图优化方法的优缺点;重点介绍SLAM问题的3种图建模方法,即动态贝叶斯网络的图建模方法、基于因子图的建模方法、基于Markov随机场的建模方法;对图优化SLAM方法前端图构建的核心环节——帧间数据关联和环形闭合检测方法进行了分析;讨论了特征提取、特征匹配、运动估计、环形闭合检测等方面的最新研究成果.     

基于分层混合信息的移动机器人复合地图创建

为提供丰富的环境信息,提出一种基于分层混合信息构建复合地图的方法,针对准结构化环境,将几何特征划分为规则区域和非规则区域,在非规则区域采用改进的基于网格的共享近邻算法(GNN)进行非规则聚类,并引入贝叶斯概率算法进行动态信息处理.实验结果验证了方法的有效性及实用性.     

一种改进的移动机器人自定位算法

针对经典蒙特卡洛定位算法,提出了两种改进策略,用于减少算法的复杂度。首先在粒子初始化阶段,通过距离匹配,一次性确定每个粒子的角度分量,可以明显减少计算量;其次,采用离线方式构建离散状态空间的权重表,从而在定位过程中,直接查表来确定各个粒子的权重,减轻了在线计算消耗。通过与经典蒙特卡洛定位算法比较,所提出的算法具有计算量小,收敛速度快的优点。     

用改进的Rao-Blackwellized粒子滤波器实现移动机器人同时定位和地图创建

将进化策略应用于Rao-Blackwellized粒子滤波器,并结合自适应重新采样方案实现了室内移动机器人同时定位和地图创建。在仅有单目视觉和里程计的基础上,建立了鲁棒的感知模型,通过有效的尺度不变特征变换方法提取环境特征,并采用Unscented卡尔曼滤波更新特征,特征点的匹配采用基于KD-Tree的高维特征点快速匹配算法。在实际Pioneer 3移动机器人上进行的实验结果表明,本文提出的方法是可行的。     

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DGSOM_A*的移动机器人地图创建和路径规划

针对移动机器人未知环境路径规划问题,基于动态自组织特征映射网络提出了一种自组织网络动态生成A*的算法(dynamic growing self-organizing map with A*,DGSOM_A*),并将其应用于移动机器人地图创建和路径规划.该方法利用Mobotsim二维仿真软件构造了环境模型,机器人通过无碰自由巡航获取环境信息,然后把上一步得到的环境信息作为DGSOM_A*算法样本通过SOM神经元自主生长进行地图创建,生成以少数SOM图神经元分布描述环境特征信息的拓扑地图,最后完成起始点到目标点的导航任务.实验结果表明,相比传统的SOM算法,基于DGSOM_A*算法机器人能有效地通过对环境地图的绘制熟悉复杂环境并能实现最优路径选取.     

基于信息融合的同时定位与地图创建研究

针对在复杂环境中,由于传感数据的高度不确定性,采用声纳传感器进行移动机器人同时定位与地图创建的可靠性很低问题。对基于声纳信息与视觉信息相融合的SLAM进行了研究。利用Hough变换对声纳信息与视觉信息进行处理从中提取直线和点特征,并进行特征级的信息融合,从而充分利用声纳与视觉信息中的冗余信息。在移动机器人上的实验表明,多传器信息融合可以有效提高SLAM的准确度和鲁棒性。     

SLAM仿真系统在智能移动机器人中的应用研究

为实现机器人的自主导航,采用了SLAM三层结构的仿真模型,通过对产生环境地图和实体对象程序的设计,并采用面向对象的设计方法,模拟了一种基于MATLAB的SLAM仿真系统,借助于对内部和外部传感器的数据采集文件的模拟应用,同时完成了机器人的定位和环境地图的构建。     

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.     

基于物体语义栅格地图的语义拓扑地图构建方法

为构建以房间为节点的语义拓扑地图,基于物体语义栅格地图,提出了一种利用虚拟门检测和房间物体包含关系的拓扑分割及房间概念生成方法。首先,依据机器人轨迹和房间主方向,检测满足真实门宽度的占据栅格;然后,采用几何和物体语义约束优化检测结果;最后,利用每个拓扑区域包含的物体语义生成房间概念。通过在多个场景测试,验证了算法的有效性。     

一种机器人的栅格-语义地图构建方法

基于点云插入或分割的语义地图构建方法存在空间复杂度高、计算资源消耗多等问题,针对以上问题,提出一种移动机器人的栅格-语义融合地图构建方法。首先,运用激光雷达构建栅格地图作为融合地图的框架;然后,采用YOLO-v3-tiny获取环境语义信息,并将其属性信息及其在3D环境中的笛卡尔坐标映射至栅格地图,形成上层语义地图;最后,通过随机采样和K-means对空间区域进行划分。实验结果表明,所提方法能实时获取环境结构的信息和语义信息,所构建的融合地图为目标搜索任务提供语义信息引导,相比穷举式目标搜索,减少了74.8%的时间代价,提高了目标搜索任务的执行效率。     

基于光流的非结构化环境中移动机器人避障方法

为了解决在复杂非结构化环境中的避障问题,提出了一种基于光流的适用复杂非结构化环境的移动机器人避障方法.首先,引入梯度守恒假设和局部加权对光流算法进行改进,减少了光照变化不均和噪声对光流算法的影响,提高了算法的计算精度和鲁棒性.然后,使用光流散度来计算相碰撞时间(time-to-contact,TTC),并利用TTC构建障碍地图.设计的航向决策算法能在机器人与障碍物发生碰撞危险时,为机器人选择最优的前进方向.对提出的避障方法进行了仿真及物理实验,实验结果表明:利用该避障方法可以实现移动机器人在复杂非结构化环境中无碰撞地行走.     

室外移动机器人遥控系统的设计与实现

室外移动机器人的遥控系统由移动指挥站、移动机器人站、无线通信系统组成.在临场感遥控系统中,需要将移动机器人站摄像头得到的图像经过发射机和天线传送给移动指挥站.为了使得图像的接收效果更好,使用定向天线增强天线增益.定向天线只有在某一个方向上增益最强,定向发送天线固定在该云台上,根据位置和角度信息控制云台转动使得接收天线始终对准目标点.为了增强定向天线的接收效果,设计了自动对中天线云台系统和遥控器.     

用改进的Rao-Blackwellized粒子滤波器实现移动机器人同时定位和地图创建

将进化策略应用于Rao-Blackwellized粒子滤波器,并结合自适应重新采样方案实现了室内移动机器人同时定位和地图创建.在仅有单目视觉和里程计的基础上,建立了鲁棒的感知模型,通过有效的尺度不变特征变换方法提取环境特征,并采用Unscented卡尔曼滤波更新特征,特征点的匹配采用基于KD-Tree的高维特征点快速匹配算法.在实际Pioneer 3移动机器人上进行的实验结果表明,本文提出的方法是可行的.     

移动机器人的同时定位和地图创建方法

通过声纳传感器实时地创建和修正地图,局部地图是基于栅格的概率模型：工作环境被划分成栅格,每一个栅格赋一个值,标识栅格中有障碍物的概率．地图应用哈夫变换创建,定位通过对超声波数据应用滤波算法并结合地图创建实现．使用Pioneer2移动机器人在实际的室内环境中的实验,验证了该方法的可行性．     

基于局部特征预测的栅格地图创建

为解决利用声纳传感器进行地图创建时容易出现检测不到障碍物或产生虚假障碍物的问题,提出了一种利用局部几何特征提高地图精确度和可靠性的方法．利用连续几次可靠的声纳信息预测机器人周围局部环境中几何特征的位置与方向,并根据几何特征计算当前声纳数据的置信度．在全局地图更新中,删除置信度低于设定阈值的声纳数据,从而根据置信度降低不确定信息对地图创建的影响．实验结果证明本方法可以有效地提高地图的精确度．