基于局部块特征优化的室内高精度激光SLAM方法

针对目前激光即时定位与地图构建（Simultaneous Localization and Mapping,SLAM）算法在面对几何特征匮乏的室内环境时易产生定位累积误差大、建图效果较差的问题,提出了基于局部块特征优化并融合惯性测量单元 (Inertial Measurement Unit,IMU)数据的激光SLAM方法,在激光点云位置信息和强度信息的深度图上划分局部块作为最小单元,并提取几何域特征和强度域特征作为匹配依据,同时融合IMU数据计算帧间位姿变换,改善了几何特征匮乏环境的建图效果并提升了轨迹计算精度。最后,通过该方法与先进的LOAM和LeGO-LOAM方法在KITTI数据集的仿真实验结果比对以及真实环境建图效果分析,证明局部块几何特征有效减少了累积误差,提升了匹配精度,同时局部块强度特征对几何特征匮乏的情况增加了强度域的约束,改善了“跑飞”等不良现象。     

相似场景下基于局部地图的激光SLAM前端算法改进

在走廊、隧道等相似场景下,传统激光SLAM（同步定位与地图创建）算法由于观测数据的相似性,算法性能将严重劣化,甚至完全失效。为解决该问题,本文在hdl_graph_slam算法的基础上,首先基于匀速运动假设改进了运动预测模型,获得了更准确的初始位姿估计;然后通过引入局部地图概念实现点云的稠密化,改善了相似场景下前端里程计的性能。在室内实验中,场景的还原度达到了99.54%,较改进前提高了57.25%;在室外实验中,里程计漂移由原先的111.62\m降至7.65\m。实验结果表明,提出的算法在室内和室外的相似场景中均能带来显著的性能提升。     

一种适用于激光SLAM大尺度地图的闭环检测方法

针对2D激光slam在大尺度地图的闭环检测中,存在匹配候选集数量庞大和容易发生误检的问题,提出了基于子地图匹配的闭环检测方法。该方法首先使用连续几帧的激光数据构建子地图,并将构建的子地图生成压缩表,然后结合机器人的位姿估计,利用压缩表进行粗扫描匹配,筛选出闭环检测的匹配候选集, 提升匹配速度,最后用经筛选的匹配候选集进行细扫描匹配来检测闭环,以满足SLAM在大尺度地图下闭环检测的速度和准确率要求。实验结果表明,该算法可有效提高闭环检测的可靠性并显著减少匹配候选集数量。     

基于全局观测地图模型的SLAM 研究

在SLAM领域中,为了克服稀疏特征地图不能提供详尽环境信息的缺点,从观测信息的物理意义出发,提出了全局观测地图模型． 其基本思想是在稀疏特征地图中嵌入全局密集地图信息,采用位移准则、特征准则和传感器量程准则提取必要的观测信息, 然后对观测信息进行去噪、转换,接着根据观测信息的物理意义和机器人位姿估计的不确定性获取环境的全局密集地图, 可视化后得到环境的二值地图、灰度地图或颜色地图．将全局观测地图模型与EKF-SLAM算法相结合,提出了GOE-SLAM算法,采用Car Park Dataset对GOE-SLAM进行了实验验证,结果表明GOE-SLAM生成了可信的密集地图,并且GOE-SLAM的计算复杂度与EKF-SLAM相当．     

基于激光雷达的同时定位与地图构建方法综述

首先分解激光SLAM的基本框架,分别对前端扫描匹配、后端优化、闭环检测与验证、地图构建四个模块近年来的主流算法进行总结;然后对基于滤波器和基于图优化两种激光SLAM框架下的代表性方案进行深入分析和比较;最后对激光SLAM的发展趋势进行展望。     

基于扫描匹配的室外环境SLAM 方法

针对室外环境中的机器人“绑架”问题,提出了基于地图匹配的SLAM方法．该方法舍弃了机器人里程计信息, 只利用局部地图和全局地图的图形相关性进行机器人定位．方法的核心是多重估计数据关联,并将奇异值分解应用到机器人位姿计算中．利用Victoria Park数据集将本算法与基于扩展卡尔曼滤波器的方法进行比较,实验结果证明了本文提出的算法的有效性．     

基于激光雷达增强的视觉SLAM多机器人协作地图构建方法的研究

针对光线强度对机器人视觉同步定位与地图构建（Simultaneous Localization and Mapping, SLAM）建图信息量、时效性和鲁棒性影响大的问题,提出一种基于激光雷达（Light Detection And Ranging,LiDAR）增强的视觉SLAM多机器人协作地图构建方法。在地图构建过程中,将LiDAR深度测量值集成到现有的特征点检测和特征描述子同步定位与地图构建（Oriented FAST and Rotated BRIEF-Simultaneous Localization and Mapping,ORB-SLAM3）算法中,利用改进的扩展卡尔曼滤波算法将激光雷达的高精度数据和视觉传感器的时序信息融合在一起,获得单个机器人的位姿状态,结合深度图进行单个机器人稠密点云地图的构建;利用关键帧跟踪模型和迭代最近点（Iterative Closest Point, ICP）算法得到存在共识关系的机器人之间的坐标转换关系,进而得到各机器人的世界坐标系,在世界坐标系中实现多机器人协作地图的融合与构建。在Gazebo仿真平台中实验验证了方法的时效性和鲁棒性。     

基于激光SLAM的AGV发展前景

AGV作为一种提高生产效率的工具得到了世界的认可。但是随着需求的不断变化,也要求AGV在不断地进步。本文主要介绍了基于激光SLAM的AGV的市场需求、激光雷达的工作原理、激光SLAM的工作原理、激光SLAM算法发展和目前发展的主要障碍。全面分析基于激光SLAM的AGV的发展前景。     

基于局部子图匹配的SLAM 方法

针对现有的SLAM 解决方法在机器人被“绑架”时失效的问题,提出了基于局部子图匹配的方法．该 方法对现有的SLAM 解决构架进行了改进,提出交点最优匹配的特征相关算法,并且将奇异值分解方法引入机器人 定位．最后,在结构化环境下将本方法和基于扩展卡尔曼滤波器的方法进行比较,讨论了基于局部子图匹配的方法 在结构化环境中解决机器人“绑架”问题的有效性和可行性．     

视觉SLAM与构建地图方法概述

概述了基于视觉SLAM经典框架的五个组成部分,重点分析了特征点法的简单原理及特性、非线性系统和扩展卡尔曼滤波以及回环检测的词袋模型.最后展望了未来基于深度相机的SLAM研究和发展方向.     

基于概率模型的2维全局地图建立方法

提出一种激光扫描数据匹配的概率模型,用于移动机器人的全局地图建立。大多数的激光扫描匹配算法都需要利用特征（点或线）来建立对应关系,例如ICP算法。利用正态分布转换概率模型来表示激光扫描,不需利用特征对应,而是通过将扫描得到的离散数据点转换成分段连续可微的概率密度函数,并利用牛顿优化算法来进行扫描匹配,从而建立2维全局地图。实验结果表明,该方法可有效地实时完成室内环境下的2D全局地图建立。     

基于2D激光雷达的SLAM算法研究综述

移动机器人导航功能的实现需要同时定位与建图(simultaneous localization and mapping,SLAM)和路径规划这两方面的技术,其中由SLAM技术生成的栅格地图是移动机器人运用路径规划算法的前提.2D激光SLAM由于其建图精度较高、性能稳定且价格便宜,在室内移动机器人中应用十分广泛.2D激光...     

基于2D激光雷达的SLAM算法研究综述

移动机器人导航功能的实现需要同时定位与建图(simultaneous localization and mapping,SLAM)和路径规划这两方面的技术,其中由SLAM技术生成的栅格地图是移动机器人运用路径规划算法的前提。2D激光SLAM由于其建图精度较高、性能稳定且价格便宜,在室内移动机器人中应用十分广泛。2D激光SLAM是指移动机器人在自身所处环境及位置先验信息未知的情况下,以2D激光雷达为主要传感器,感知周围环境信息,从而实现自身位姿的估计和地图的构建。将2D激光SLAM分为两部分,第一部分从激光测距原理入手,对三角法和飞行时间法进行了详细介绍和优缺点比较。第二部分从前端扫描匹配、后端优化、回环检测和地图构建这四个方面分别详细阐述了2D激光SLAM系统框架。同时对主流2D激光SLAM算法进行了深入分析和优缺点比较,并对激光SLAM未来的发展进行了展望。     

基于综合互信息的视觉SLAM主动探索

针对当前单目视觉同时定位与建图(SLAM)研究中基于互信息的主动探索方式存在忽略不同运动行为代价的缺陷,提出考虑运动代价的基于综合互信息的探索策略。运动行为的选择考虑摄像机平移一定距离、旋转一定角度所付出的代价,并根据不同类型的运动行为对路标匹配可靠性影响的大小为其设置相应的权重,然后选择单位代价下能够获得最大信息增益的行为。实验结果表明,基于这种探索策略的单目视觉SLAM可在不影响定位精度和实时性的情况下,科学地选择可行的运动行为,避免单纯追求信息收益的探索方式的不合理性。     

基于激光融合与彩色视觉的SLAM陪伴机器人系统设计

为了提高教育机器人的定位精准度,此次研究对机器人的激光雷达观测模型和彩色相机成像模型进行了研究,提出了四种观测模型误差,并通过融合激光视觉技术对误差进行消除,设计了优化后的机器人SLAM方案。实验结果表明,此次研究提出的融合激光视觉技术的定位误差仅有1.8%,并可以在3.2 s内完成机器人定位。在静态和动态环境中,该技术分别可以实现98.5%和92.6%的导航成功率。且优化后的机器人可以达到92.8%的满意度。故此次研究提出的融合激光视觉技术的SLAM机器人在学前教育领域可以有效地发挥陪伴作用。     

基于2D激光扫描到子图匹配的SLAM方法

针对室内环境下的2D激光同步定位与制图(simult aneous localization and mapping,SLAM)问题,提出一种改进的扫描匹配方法,扫描到子图匹配。用连续的激光扫描帧构建子图,对齐新的扫描帧到邻近的子图以产生约束,通过高斯牛顿求解约束并估计新的子图,利用Ceres优化来进行闭环,生成全局一致地图。经在室内条件下的测试,定位误差控制在0.4 m以下,制图误差控制在0.5 m左右,在激光匹配效率方面,相比传统方法提高了38.24%,实验结果表明,该方法可以有效提高定位与制图的精度和激光匹配效率。