基于ICP算法的激光定位反光板匹配研究

对2D激光雷达扫描到的反光板与环境中已知位置的反光板匹配问题进行研究。激光雷达定位的自动导引小车(AGV)采用2D激光雷达测量环境中的反光板相对于激光雷达的极坐标。AGV控制系统在利用该极坐标进行AGV定位之前,需进行反光板匹配,以获得激光雷达扫描到的反光板的全局坐标,进而通过定位算法计算出AGV相对于全局坐标系的位姿。针对反光板匹配问题,提出一种基于迭代最近点(ICP)算法的反光板匹配算法,并以叉车型AGV为背景,在MatlabR2016a中对该算法进行验证。试验结果表明,该算法可以实现反光板的精准匹配,并可有效处理存在反光板遮挡的工作场景。该研究提高了系统适应性和抗干扰能力,为反光板的匹配问题提供了一种新思路,具有一定的理论价值与应用价值。     

基于激光雷达的叉车型自动导引小车定位研究

在基于激光雷达的即时定位与地图建立的算法中,激光雷达点云数据的匹配是其中重要的一环,可用于计算两帧点云对应的自动导引小车(automatic guided vehicle,AGV)位姿变换,以及用于激光导航中的回环检测。该文以叉车型AGV为研究对象,基于激光雷达点云数据的栅格地图,对前后两帧激光点云数据进行处理,利用第一帧点云数据构造出一个栅格地图,使第二帧点云数据与前一帧构造的栅格地图对齐。以此来构建误差方程,并采用最优化方法求解误差函数的最小值,从而求得前后两帧的相对位姿。优化求解采用列文伯格-马夸尔特法,以提高算法数值迭代求解的稳定性及避免高斯牛顿法出现的病态与非奇异问题。最后,通过实测的点云数据对算法进行实验验证,验证了该算法的有效性。     

基于ROS和激光雷达SLAM的自主导航智能车设计

自主导航智能车的关键技术包括地图构建、定位、路径规划与算法控制.本文设计的自主导航智能车,由树莓派4B、STM32微控制器、激光雷达、深度相机等硬件组成;激光雷达SLAM实现地图扫描构建与环境感知,基于ROS架构,采用Cartographer算法实现地图构建与定位,利用TEB算法进行局部路径规划和A*算法进行全局路径规...     

基于多摄像头的AGV全局导航地图创建

为了创建AGV大范围全局导航地图,论文提出一种基于多摄像头的全局导航地图创建方法.首先,在AGV活动区域上方垂直安装多个摄像头采集大范围区域的局部图像;其次,通过相位相关法和改进的SURF特征匹配相结合的算法对四幅局部图像进行拼接;最后,采用基于粒子群的模糊C均值聚类算法对全局图像进行分割提取障碍物信息,并建立室内环境全局导航地图.实验表明该方法与现有算法相比具有更好的实时性,能够快速建立全局导航地图.     

基于激光雷达的移动机器人定位和地图创建

针对未知环境下移动机器人定位和地图创建问题,提出了创建局部地图-机器人定位-更新全局地图的方法和步骤.利用激光雷达数据,采用"聚合-分割-聚合"的方法并运用动态阈值获得精确的局部地图.通过匹配局部地图和全局地图的线段关系,实现了机器人的定位,更新了机器人的位姿,减少了机器人的系统误差和环境误差,进而完成了全局地图的创建与更新.实验证明,此算法可以在实现机器人定位的同时获得精确的环境地图,并且有效的缩短了地图生成时间,可靠性高、实时性好.     

基于GIS和环境感知的无人车定位方法研究

提出了一种基于地图匹配的宏观定位和基于环境感知的微观定位相结合的综合定位方法。通过车轮编码器、电子罗盘等推算出车辆的近似行驶轨迹,并匹配到GIS地图上,以获取车辆所在位置;采用相机、激光雷达等测量传感器感知行驶环境中的标志性物体对车辆进行精确定位。现场试验结果表明,该方法实现了车辆在局部地图中的全局精确定位,并在实践中取得了很好的效果。     

基于全局特征点匹配的全局定位方法

针对传统全局定位方法存在对传感器要求多、计算量大的问题,提出了一种基于全局特征点匹配的移动机器人定位方法。该方法采用普通2D雷达作为传感器,在机器人建立全局地图的过程中同步地提取全局特征点,在全局定位算法中,通过建立局部地图和提取局部地图特征点,实时将局部地图特征点和全局地图特征点进行匹配后求解全局位姿。在两个数据集上的测试,结果优于蒙特卡罗自适应定位（adaptive Monte Carlo localization,AMCL）和Cartographer的全局定位效果,运算速度更快。结果表明,与已有的方法相比,该全局定位方法能够更快地完成全局定位和有效减少计算资源的消耗。     

融合双目视觉和2D激光雷达的室外定位

高精度的定位对于自动驾驶至关重要. 2D激光雷达作为一种高精度的传感器被广泛应用于各种室内定位系统.然而在室外环境下,大量动态目标的存在使得相邻点云的匹配变得尤为困难,且2D激光雷达的点云数据存在稀疏性的问题,导致2D激光雷达在室外环境下的定位精度极低甚至无法实现定位.为此,提出一种融合双目视觉和2D激光雷达的室外定位算法.首先,利用双目视觉作为里程计提供相对位姿,将一个局部时间窗口内多个时刻得到的2D激光雷达数据融合成一个局部子图;然后,采用DS证据理论融合局部子图中的时态信息,以消除动态目标带来的噪声;最后,利用基于ICA的图像匹配方法将局部子图与预先构建的全局先验地图进行匹配,消除里程计的累积误差,实现高精度定位.在KITTI数据集上的实验结果表明,仅利用低成本的双目相机和2D激光雷达便可实现较高精度的定位,所提出算法的定位精度相比于ORB-SLAM2里程计最高可提升37.9%.     

GPS/MM车载导航系统的研究与实现

车辆导航系统的一项重要功能是将GPS的定位数据在电子地图上精确显示。由于坐标系的差异,需进行坐标转换。定位数据因多种原因存在误差,因此需要合适的地图匹配算法来提高定位精度。依据道路网络的拓扑性,以及自适应加权匹配因子的计算,提出了一种实用的地图匹配算法,并在实践中得到了验证,能够提高定位数据的精度和可靠性。     

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．