基于深度相机的小型无人机室内三维地图构建

为了解决小型无人机在室内光线不足情况下的避障以及路径规划问题,设计了一种基于深度相机的无人机室内地图构建系统.文中使用Pixhawk控制板和低成本嵌入式结构光深度相机硬件平台,为避障以及路径规划目标提供室内环境信息.采用反传感器模型算法,利用深度相机和位姿传感器提供的信息来筛选处理出有效的障碍物信息,并构建室内的三维地...     

基于多传感器融合的无人机自主避障方法

针对无人机利用单一传感器进行避障时存在准确度低、信息缺失等问题,提出了一种基于多传感器融合的无人机自主避障方法。通过改进的贝叶斯融合算法将二维激光雷达与深度相机获取的点云信息进行融合,以弥补二维激光雷达无法检测的区域。同时,利用融合点云生成八叉树地图,并根据不断更新的地图信息对无人机进行实时航迹重规划,实现无人机在未知环境中的自主避障。实验结果表明,所研究方法不仅提高了无人机感知周围环境的准确度,融合点云的均方根误差小于0.06 m,还具有良好的避障效果,无人机与障碍物的距离均大于0.5 m,保证了其在未知环境中的安全飞行。     

基于深度相机的无人机全自主避障系统

为提高无人机（Unmanned Aerial Vehicle,UAV）的路径规划能力，设计无人机避障系统。采用深度相机，以Nvidia Xavier NX作为上位机处理与发送指令，采用机器人操作系统（Robot Operating System,ROS）分布式程序设计，实现无人机全自主避障功能。同时采用A*、TEB算法进行路径规划，利用双目相机进行无人机定位，在Ubuntu18.04开发平台中运用Gazebo模拟器建立无人机避障仿真模型，验证项目的可行性与正确性。在所设计的ROS系统控制硬件系统平台进行实际的无人机航线规划、避障导航以及追踪目标试验，结果显示，无人机与障碍物的距离大于0.3 m，所设计的系统可完成避障。     

基于激光雷达局部地图构建的机器人避障路径规划

机器人周围环境的光照、阴影及物体遮挡等条件易导致环境信息采集出现误差，影响机器人建图精度。为优化障碍物的探测准确度和机器人的避障速度，提出基于激光雷达及模糊比例积分微分(PID)的机器人避障路径规划方法。利用Kinect传感器采集机器人环境深度信息，并将其转化为3D信息，构建全局地图。利用激光雷达，通过坐标转换、线段分割，构建局部地图，补充全局地图的不足。结合Cartographer算法优化机器人控制参数，利用模糊PID控制器完成机器人避障路径的规划。实验结果表明：该方法在普通避障环境和复杂避障环境下，均能够成功躲避障碍物，且避障路径均较短。     

基于深度相机的机器人室内定位技术研究

机器人在室内运动时,需要创建环境地图并估计位姿,以实现自主定位和导航。针对机器人的同时定位与地图创建(SLAM)问题,采用动态贝叶斯网络描述SLAM状态转移过程。通过不断迭代更新机器人的位置估计和修正估计值,完成机器人的室内定位。基于深度相机采集的RGB图像信息,进行相邻帧图像的特征提取与匹配,估算机器人当前位姿。然后使用迭代最近点算法优化初始位姿。以初始位姿为节点,相邻帧的约束关系为边创建节点图。进一步采用Hogman算法对整个节点图进行动态优化,得到全局一致的室内地图。最后根据优化后的节点图,多帧数据叠加就可得到三维地图。实验采用华硕Xtion Pro Live深度相机,实验室地点为目标,成功创建了环境的三维地图,验证了方法的有效性和可行性。     

一种融合深度相机与激光雷达的室内移动机器人建图与导航方法

为解决室内移动机器人导航过程中容易碰撞障碍物的问题,本文提出一种融合深度相机和激光雷达的室内移动机器人建图与导航方法,在机器人底盘上安装激光雷达、深度相机和里程计,利用Gmapping算法进行室内二维地图构建,同时用ROS中depthimage_to_laserscan功能包对深度图像进行二维投影,生成的二维栅格地图与...     

一种基于VSLAM的室内导航地图制备方法

针对室内复杂环境下导航地图制备问题,提出一种采用图像传感器进行导航地图制备的方法。首先,基于VSLAM技术估计相机位姿,经后端优化后生成环境三维点云;其次,筛选出地面点云,基于随机采样一致性算法得到精确的地面平面方程;最后,投影机器人通行环境区域的点云至二维栅格地图,通过利用贝叶斯方法更新栅格占用状态后,实现室内导航地图的制备。实验结果表明,基于VSLAM制备的室内导航地图精度满足导航要求,且不同于传统激光地图构建方法,地图中包含环境的三维结构信息,在进行路径规划实验中,避免了规划的路径穿过低矮物体及悬空物体的错误。     

多传感器结合的无人机障碍物识别方法研究

随着无人机越来越多的应用在植保作业中,无人机障碍物识别正逐渐成为研究的重点。由于单一传感器识别障碍物的局限性,提出将毫米波雷达和视觉系统相结合的障碍物识别方法:利用毫米波雷达探测前方障碍物的距离,通过视觉系统检测障碍物的大小形状等信息。视觉系统结合色值提取、形态学处理等方法滤去干扰信息,得到较为光滑的障碍物轮廓,利用坐标系的转换实现雷达与视觉系统的空间融合,首次对障碍物的面积进行了测算,采用同步线程的方式实现传感器在时间上的融合;根据融合处理得到的结果,判断无人机是否可以在障碍物之间顺利通过,为避障决策提供依据。通过试验证明该方法既可获取前方障碍物的位置信息,同时受环境因素的影响较小,且可以识别出障碍物的轮廓、大小并完成障碍物之间距离的测算。     

基于DBSCAN与梯度划分的Kinect障碍物轮廓检测算法

针对移动机器人的环境检测和避障问题中传感器获取的信息不够全面及准确,无法准确提供周围环境信息等问题,文中提出了利用Kinect传感器来获取周围环境的色彩信息和深度数据,并且提出了一种利用梯度划分和DBSCAN聚类方法来处理Kinect传感器获得的深度数据图。该算法首先使用梯度障碍物边缘检测方法对Kinect获取得到的深度图进行快速高效的处理障碍物边缘轮廓,并对算法中的差分参数进行改进,使得计算得到的梯度结果更准确。然后对比不同的聚类方法,使用BDSCAN聚类方法来对检测划分完毕的障碍物进行聚类分析,最后通过安排具体实验对该算法进行验证。实验结果表明,该算法能够对周围环境障碍物进行准确划分,可行区域效果明显,对不同物体的成功检测率较高,验证了算法的有效性。     

基于ROS的无人派件精灵系统设计

该文主要是对物流配送机器人在校园、社区、室内等环境下的物流配送的"路径规划-包裹配送-运动控制-环境建模-位置定位"展开研究。采用了ROS(Robot Operating System)机器人操作系统作为整个物流配送机器人的核心,通过ROS开源操作系统的功能包结合外围传感器来结合PID算法的差速运动模型来实现对机器人的任意角度运动控制以及远程控制,通过外围传感器进行对周边的环境信息进行感知结合SLAM算法进行二维地图的构建。通过在构建好的地图上进行设计一个起始点和一个目标点,物流配送机器人在该地图中进行路径规划,在规划好的路线执行导航到目标点,在导航的途中遇到障碍物,机器人会自动的避开障碍物或者从新规划路线,从而来实现包裹从起始点到目标点的配送工作。     

基于STM32的双足避障机器人设计

本文计了一种基于STM32的双足避障机器人,机器人主体使用超轻材质的铝合金搭建,结构稳定可靠,环境适应能力强.采用高性能的STM32单片机为系统主控芯片,配合外围传感器信息采集系统和舵机驱动控制系统,能够完成自主行走,躲避障碍,路径规划等任务.经实验验证,该机器人系统能很好的实现自主避障行走,可以有效减少机器人在避障行走中对环境的依赖性,满足设计要求.     

基于ROS的激光SLAM室内建图定位导航智能机器人设计

文章基于Linux系统上的ROS平台实现基本的SLAM算法,机器人可以实现构建室内地图、室内自动避障导航及室内定位等功能。底层主要以STM32和树莓派为核心,通过陀螺仪和码盘电机得到机器人方位和行走里程,使用激光雷达获取室内地图信息。在ROS上执行相应脚本,调用Gmapping,ACML算法实现室内地图构建和定位。     

基于激光雷达和SLAM的自主行驶小车设计

结合ROS平台、激光雷达和SLAM技术设计出拥有自主移动能力的行驶小车。首先搭建硬件开发平台,配置ROS下的一系列开源功能包,实现路径规划、自主行驶和避障功能。软件部分通过激光雷达的功能包获取周围的环境信息,进行SLAM地图创建,通过导航功能包进行全局路径规划和局部路径规划,小车行驶过程中结合AMCL功能包对移动过程中产生的误差进行修正,小车能够实现自主行驶。     

光场相机在湍流下的清晰成像和点云计算

无变形镜条件下抵抗大气湍流影响获取几百米至几十公里外目标的清晰成像和点云数据具有重要意义。光场相机是清晰成像和点云计算领域的有力工具,但是它在湍流条件下无法正常工作。同时光场相机技术的主要研究方向集中在如何提高点云的精度和密度,暂无人将其应用于湍流清晰成像。基于相空间光学原理改进了光场相机的信息提取算法,在湍流条件下完成了清晰成像和点云计算。这种算法使用四维密度函数来描述复眼结构,对原始数据的使用更加充分,能够提取物点完整的低阶相位信息,因而,可以抵抗湍流对局部子孔径的影响,稳健地获取目标点云,解算深度图并得到全聚焦清晰成像。根据这一原理设计了光场相机系统,探测室内湍流池后方的目标以及室外湍流下500 m处目标,均获得了4 k以上个物点的准确低阶相位分布,给出了目标的三维点云图和清晰成像。结果表明,该方法无需变形镜系统,也不需要先验信息,是一种稳定工作的解析算法。     

基于人工势场法的无人机路径规划避障算法

随着无人机广泛应用于生产生活的各个方面,无人机的避障研究成为热点问题。为了提高无人机的避障性能,文中提出一种基于人工势场法的无人机路径规划避障算法。该算法通过生成预规划路径弱化了目标点对无人机的吸引作用,增加了路径的连贯性;在势场函数中加入了动态调节因子,可减少无人机轨迹不必要的转弯机动,减少机动能耗;该算法综合考虑无人机飞行中的安全性、平滑性和机动能耗,提出了一种新的代价函数,并通过使得代价函数最小化来选出最优路径。实验结果表明,该算法克服了传统人工势场的不足,在不同的飞行环境下均能够规划出安全、平滑、机动能耗小的路径,有效避开障碍物,且具有较好的适应性。     

基于共焦图像序列的自适应聚焦度量场景深度估计方法

为了估计场景深度信息,提出了基于共焦图像序列的自适应聚焦度量方法。首先,利用相机阵列获取场景多视角图像,用相机阵列模拟一个虚拟孔径相机并合成共焦图像序列。接着,采用自适应聚焦度量方法计算共焦图像序列中每个像素点的聚焦度量值并找出最大度量值作为清晰点。最后,根据相机阵列与共焦图像序列的几何配置估计出场景的深度。此方法提高了场景中深度不连续处的准确度,能较准确地恢复出场景的深度信息。     

基于蚁群算法的无人船平滑路径规划

为解决无人驾驶船舶在复杂环境中规划路径时存在的转向角度大、路径拐点多、航行能耗高等问题,文中提出一种基于改进蚁群算法的平滑路径规划方法。该方法采用栅格法进行环境建模,通过在启发函数中引入路径平滑度、距离启发因子以及在路径转移概率中引入障碍物启发因素,提高路径寻优和静态避障能力。结合启发因素改进信息素更新标准,设置可调节信息素挥发因子增加算法的自适应性。提取输出的最优路径关键节点并对其进行平滑处理,进一步保证路径平滑度和安全性。根据不同栅格环境下的避障仿真结果可知,与传统算法相比,文中改进蚁群算法的路径寻优速度提高了45%～62%,转向次数减少了25%～44%,平滑处理后的路径安全性和可行性得到了提升,较好地实现了不同环境下无人船自主路径规划。     

光场相机成像质量评价方法研究

光场相机应用一种新的成像技术,利用光学手段获取四维光场信息,包括目标辐射的二维空间分布信息和辐射传播的二维方向信息。与传统相机相比,光场相机在实际应用中可以获得大的景深范围。由此成像质量评价是光场相机研究中一项十分关键的工作。结合光场成像的特点,对光场相机成像模型进行了分析,完成了实际系统中的光场追迹过程,并对点扩散模型进行了计算,仿真实验结果表明该评价方法有效。     

未知室内环境的三维景物描述

景物描述是计算机视觉的一个重要内容。提出了一个利用三维信息对未知景物的描述方法。该方法对三维场景进行物体级和结构级两级描述；根据三维物体分割的结果，首先计算单个物体的最大尺度、形状类型和边集等整体特征，继而推测它们之间的相互位置关系。从数学上推导了“简化边框矩”和“平面惯量张量”的计算公式，并给出了实验结果。     

智能车两类路径识别系统比较研究

路径识别系统是智能车的“眼睛”。是智能车获取环境信息,实现自动控制的基础。针对路径识别系统高精度、高速度的要求,分别设计了智能车光电传感器路径识别系统和摄像头传感器路径识别系统,并对两类路径识别系统在硬件设计和软件算法上针对各个性能指标进行了比较。