基于线特征的单目SLAM中的迭代数据关联算法

针对基于线特征的单目SLAM（同时定位与地图构建）中的数据关联问题,提出了一种基于线段端点Patch确认的迭代数据关联算法。算法依据近似共线和端点近似重合两个指标来获取线特征的最近邻关联对,使用基于线段端点Patch的定向匹配确认机制来剔除最近邻关联对中的错误项,同时以迭代处理的方式提高数据关联的准确性,综合利用了线特征间的几何约束和图像相似性约束。上述算法在公开数据集上进行了测试,与现有线特征数据关联算法的对比实验结果表明,该算法在满足系统实时性的前提下,在线特征关联对数目和关联准确率上均达到了较好效果。     

移动机器人SLAM中一种混合数据关联方法

数据关联是移动机器人同时定位与建图(SLAM)中的一个难点问题.将经典的单匹配最近邻(ICNN)算法和分枝限界联合匹配(JCBB)算法结合起来,提出了一种基于局部地图的混合数据关联方法.在SLAM数据关联过程中,首先采用ICNN算法在局部地图中进行数据关联,并判断关联结果的正确性,若有错则采用JCBB算法在错误匹配处周围的局部区域内重新进行数据关联,以纠正错误的关联结果.实验结果表明,该方法实时性强,精确度高,适用于不同复杂程度的环境.     

SLAM问题的一种优化数据关联算法

联合相容分支定界算法（JCBB）存在“计算复杂度高”等缺点．为了优化JCBB算法在准确度和计算复杂度方面的性能,对它进行了三处改进：一是采用互斥准则和最优准则来提高关联的准确度;二是根据机器人的位姿和传感器的测量范围将数据关联限定在局部可能区域中;三是自适应地进行分批数据关联．仿真实验结果表明,优化JCBB算法（OJCBB）在保证准确度的同时大大降低了计算复杂度．VictoriaParkDataset实验表明,OJCBB算法的数据关联结果是可信的,而且OJCBB算法的计算效率远远高于JCBB算法．     

基于RGB-D相机数据的SLAM算法研究

提出了一种基于RGB-D相机数据的同时定位与地图构建(SLAM)算法系统,实现对RGB-D数据的快速和准确构建.首先在RGB图中提取较好鲁棒性的SURF特征,结合使用快速最近邻近似(FLANN)来完成特征点匹配的方式,再使用基于改进的最小距离与随机采样一致性(RANSAC)组合的方法剔除误匹配,然后使用PNP求解相邻帧间的相机位姿变换关系,后端的优化使用G2O(general graph optimization)来优化全局位姿,并使用回环检测消除累计误差.实验证明该方法具有有效性和可行性,能够迅速、准确地构建出三维稠密地图.     

基于视觉同时定位与地图构建数据关联优化算法

数据关联的复杂程度随着地图规模的不断扩大而增加是导致机器人同时定位与地图创建(SLAM)实时性差的一个主要原因。在SLAM系统中,主要应用尺度不变特征变换(SIFT)算法提取自然路标。提出两种方法来改进数据关联的实时性:1)提取感兴趣区域;2)引入当前路标的物理位置信息作预判断。实验结果表明,所提的改进方法是可靠的,改善算法复杂度的效果是显而易见的。     

基于双向激光回环检测的SLAM算法研究

针对移动机器人长时间运动后无法自身修正累计误差以及传统EKF(Extended Kalman Filter)算法计算复杂度大的问题,提出了一种基于双向激光进行回环检测的方法,通过有效的相似度检测算法检测出真实的回环,及时修正机器人的位姿。同时使用精确稀疏滞后滤波算法相辅,利用信息矩阵的自然稀疏性来降低计算复杂度。通过实验结果分析,上述两种方法的结合可以有效地减少移动机器人行驶过程中的累计误差。     

SLASEM中的基于广义距离的数据关联

介绍了一种同时定位与采样环境地图创建(SLASEM)中的数据关联方法.针对地图中的采样环境粒子与实际环境之间没有一一对应性、传统的马氏距离小能描述SLASEM中两个物体之间相似性的特点,提出了两个点集合之间的一种广义距离函数,并利用该距离函数进行数据关联.同时,提出了基于环境拓扑结构的方法解决多重数据关联问题,并且利用前一时刻的数据关联的结果辅助当前时刻的数据关联.最后,用两个室内环境的实验验证了所提算法的有效性.     

移动机器人三维激光SLAM算法研究

鉴于移动机器人三维激光SLAM技术的先进性,探讨激光雷达测距与建图算法,以及其两种改进算法:轻量级及地面优化激光雷达测距与建图(LeGO_LOAM)和LOAM的高级实现算法(A_LOAM),尤其对其低漂移、强实时的特性展开深入研究。通过设计对比实验,对不同SLAM算法的优劣进行分析。搭建移动平台,在实际大尺度室外场景和公开数据集KITTI下,从相对位姿估计误差入手完成对比实验。实验结果证明改进算法相比于LOAM可以达到更小的相对位姿估计误差。     

基于视觉同时定位与地图构建数据关联优化算法

数据关联的复杂程度随着地图规模的不断扩大而增加是导致机器人同时定位与地图创建（SLAM）实时性差的一个主要原因。在SLAM系统中,主要应用尺度不变特征变换（SIFT）算法提取自然路标。提出两种方法来改进数据关联的实时性：1）提取感兴趣区域;2）引入当前路标的物理位置信息作预判断。实验结果表明,所提的改进方法是可靠的,改善算法复杂度的效果是显而易见的。     

改进的极小连通支配集SLAM数据关联方法

地图的极小连通支配集（MCDS）方法解决了机器人同时定位与地图创建（SLAM）过程中数据关联的规模随地图的不断增长而增加的问题。为了进一步优化MCDS方法的性能,对它进行了两处改进：一是延迟建立极小连通支配集;二是自适应地搜索极小连通支配集。K时刻的极小连通支配集子图延迟一个时间步而在K+1时刻建立,根据环境特征的疏密,搜索与K时刻接近的N个时间步内获得的地图数据,同时应用联合相容检验准则和分支定界搜索算法进行数据关联。仿真结果表明,改进的极小连通支配集方法的数据关联结果是可信的,大大降低了算法计算复杂度。     

Efficient data association for view based SLAM using connected dominating sets

Loop closing in vision based SLAM applications is a difficult task. Comparing new image data with all previously acquired image data is practically impossible because of the high computational costs. Most approaches therefore compare new data with only a subset of the old data, for example by sampling the data over time or over space by using a position estimate. In this paper, we propose a more natural approach, which dynamically determines a subset of images that best describes the complete image data in the space of all previously seen images. The actual problem of finding such a subset is called the “Connected Dominating Set” (CDS) problem, which is well studied in the field of graph theory. Application on large indoor datasets results in approximately the same map using only 13% of the computational resources with respect to comparing with all previous images. Also, it outperforms other sampling approaches. The proposed method is particularly beneficial for realistic mapping scenarios including moving objects and persons, motion blur and changing light conditions.¹     

Feature selection for reliable data association in visual SLAM

A method for feature selection in visual simultaneous localization and mapping (SLAM) is presented based on the potential data association cost. It is put into practice through a mechanism termed predictive virtual matching test, which measures the goodness of any new feature by examining the predictive repeatability and compatibility with the other features and potential candidates. For each new feature, the test is conducted in its predictive virtual search region (PVSR) in the image frame where the feature is initially detected. The relationship between PVSR and the predicted search window determined by the next time step’s innovation covariance matrix is analyzed theoretically through backward inference. Since the process of feature selection is directly guided by the requirement of subsequent data association, it can automatically adapt to the time-varying uncertainty underlying the SLAM state estimate. Experiment results show that the feature selection mechanism effectively improves the reliability of data association by preventing bad features from being initialized, and consequently the consistency of SLAM estimate is better ensured.     

基于整合概率数据关联的最优传感器序列研究

研究多传感器跟踪系统中传感器处理序列优化问题．首先根据多传感器跟踪系统中多传感器信息的处理特点,提出了基于有限随机集的序列整合概率数据关联（IPDA）滤波算法;然后,通过分析序列IPDA算法中目标生存概率的均值函数,证明了在不同传感器检测概率的多传感器系统中,目标生存概率仅依赖于传感器序列中第1个传感器,并随其检测概率的增大而增大．仿真实验验证了所得结论．     

基于传感器网络的关联规则挖掘算法研究

现有的传感器网络数据处理系统只能向用户提供简单的查询操作,如何高效地处理传感器网络的海量数据流,从中获取有用的知识成为新的挑战.提出一种基于传感器网络特性的分布式关联规则挖掘算法,采用树型通信结构,各个传感器通过改进的单一数据流频繁项集挖掘算法找出本地的局部频繁项集,并逐层上传、合并,最后由sink节点将所有子节点的局部频繁项集合并成全局的频繁项集,并产生相应的关联规则.实验证明该算法占用较少的计算时间和内存.     

Data association method of SLAM based on ant colony algorithm

针对SLAM的数据关联问题,提出了基于蚁群算法的数据关联方法。将SLAM的数据关联问题演化为组合优化问题,通过利用蚁群算法解决组合优化问题的优势,结合JML关联理论,将蚁群算法应用于选择量测和特征的关联集合。详细介绍了该方法的实现步骤,建立了基于蚁群算法的数据关联模型,最后在仿真环境下对其进行了试验。分析结果表明,所提方法在保证关联效率的前提下有效地降低了运算时间,是一种解决SLAM数据关联的可行算法。     

基于大数据的无线传感网络数据采集的研究

数据收集是无线传感器网络(WSN)中执行的主要操作之一,即使是过去十年,一些研究者提出了几种有趣的数据收集方法,但数据收集仍然是一个充满展望的研究重点,存在许多挑战。实际上,传感器尺寸和成本的不断降低,市场上可用的各种传感器以及无线通信技术的巨大进步,可能会扩大无线传感器网络的影响,其应用已广泛涉及家庭自动化、环境监测和跟踪以及人类活动的其他领域。此外,物联网(IoT)的扩展导致了以指数速率产生的大量异构数据,这些数据对工业生产和科学研究都很重要。这一事实使得对它们的收集和分析在许多方面都势在必行。回顾了大规模无线传感器网络(LS-WSN)中大数据采集的背景和现状,比较和讨论了LS-WSN中大数据采集的挑战,并提出了未来的可能方向。     

基于BP网络判断传感器数据可信度研究

传统方法使用对称及非对称加密对传感器网络系统进行安全保障,需要大量的加解密计算且在密钥被破解后不能准确判断数据的可信性,不能有效保证无线传感器网络系统安全。为保障无线传感器网络系统安全,针对无线传感器网络中节点信息可信度问题,本文提出了一种基于BP网络判断节点信息可信度的方法。该方法在边界路由器上使用BP神经网络,对采集的多特征值数据进行训练,然后用训练所得结果判断节点可信度,进而筛选出数据。该方法具有较低的系统开销与较高的安全保证,能够筛选出问题节点,并保证传感器网络的安全运行。实验结果表明,该方法认证时间短,能达到预期效果。     

基于正交试验的激光传感器最优位姿研究

为自主研发激光检测系统,通过正交试验法对LJ—V7060型的激光传感器进行了最优位姿试验,研究了表面粗糙度、倾斜角度和扫描距离对激光传感器最优位姿的影响,得出了激光传感器在特定的倾斜角度和扫描距离在激光传感器测量范围中间位置时使用性能最佳。为检测系统路径规划提供了试验参考,为企业实际应用提供了理论依据,具有一定工程应用价值。