一种优化的联合极大似然SLAM数据关联方法

提出一种将联合极大似然方法(JML)和遗传算法相结合解决SLAM数据关联问题的方法,简称GAJML.该方法采用"关联门"缩小数据关联的解空间范围,提高搜索效率;利用数据关联解的联合极大似然值作为适应度值,种群的初始化采用了自适应策略以提高算法计算速度.与单匹配最近邻(ICNN)和JML方法的对比实验表明该方法相比于ICNN方法耗时增加很少实时性好,数据关联正确率接近JML准确度高,并能够有效克服闭环问题引起的定位累积误差增长.     

基于激光传感器的SLAM数据关联算法的研究

移动机器人同时定位与地图构建(SLAM)过程中的难点问题之一即是数据关联。结合独立兼容最近邻(ICNN)算法计算复杂度低和联合相容分枝定界(JCBB)算法关联准确度高的优点,提出一种基于关联数据预处理的混合数据关联方法。首先经过数据预处理,选取合适的观测特征子集和局部地图特征子集运行ICNN算法进行数据关联,若算法失败,则采用JCBB算法重新计算以保证算法精确度。仿真实验结果表明,该算法运行时间短,精确度高,适用于各种复杂环境。     

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。     

低成本移动机器人2D SLAM算法地图评估研究

随着传感器技术的发展,移动机器人得到了广泛的应用.用于绘制环境地图的2D SLAM技术是移动机器人领域重要的技术之一,选出适合低成本机器人的算法对机器人的发展和普及至关重要.提出在仿真环境和实际场景下运行广泛使用的四种开源算法:Gmapping、Hector SLAM、Karto SLAM和Google Cartogr...     

一种基于聚类分组的快速联合兼容SLAM数据关联算法

针对在移动机器人同时定位与建图（SLAM）过程中如何快速准确获取数据关联结果的问题,提出了一种基于DBSCAN（density-based spatial clustering of application with noise）聚类分组的快速联合兼容SLAM数据关联算法（DFJCBB）．首先,采用局部关联策略将参与关联的特征点限定在局部地图中;其次,针对多数环境中量测都有较明显的分布,采用一种基于密度聚类的方法DBSCAN对当前时刻的量测进行分组,从而得到若干关联度小的观测小组;最后,在每个小组中采用联合兼容分支定界（JCBB）算法进行数据关联,以获得每个小组量测与局部地图特征之间的最优关联解,并将这些关联解组合获得最终的关联结果．基于模拟器和标准数据集的仿真实验验证了该关联算法的性能,结果表明该关联算法在保证获得较高关联准确度的同时,大大降低了算法复杂度、缩短了运行时间,适用于解决不同复杂环境中的SLAM数据关联问题．     

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。     

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．     

VorSLAM算法中基于多规则的数据关联方法

针对单独依据马氏距离(Mahalanobis distance)的数据关联(Data association, DA)算法不能保证输出正确结果的问题, 结合VorSLAM (Voronoi partition based SLAM)算法所采用的混合地图表示方法的特点, 本文提出了一个基于多规则的数据关联方法. 该数据关联方法依据的规则包括局部搜索规则、传感器观测特征的单向性规则、 马氏距离规则和轮廓匹配规则,诸个规则在每个数据关联周期依次执行. 局部搜索规则和传感器观测特征的单向性规则可以有效地降低数据关联的搜索空间,同时可避免一类潜在的数据关联错误; 马氏距离利用了特征参数表示的特征位置信息寻找多个可能的数据关联假设; 根据VorSLAM算法中局部地图描述了产生对应特征的局部环境轮廓信息, 轮廓匹配规则从多个可能的数据关联假设中识别出正确的数据关联假设. 基于多规则的数据关联方法系统可靠地解决了VorSLAM算法中的数据关联问题, 方法的有效性通过两个室内环境的实验得到了验证.     

一种基于特征地图的移动机器人SLAM方案

设计了一种结构化环境中基于特征地图的地图创建方案;采用激光测距仪进行特征地图创建,利用"聚合-分害虫-聚合"的方法来提取线段表示环境信息实现局部地图创建;为了实现移动机器人的同时定位与地图创建,采用扩展卡尔曼滤波方法对机器人的位姿与地图信息进行预测及更新,结合状态估计和数据关联理论,实验显示x的校正量保持在±0.9cm之内;y的校正量保持在±2.5cm之内;θ的校正量在±1.2之内,实现了基于扩展卡尔曼滤波器的SLAM.     

特征序列数据关联机器人同步定位与地图构建

针对噪声不确定性增大的数据关联问题,提出特征点序列数据关联机器人同步定位与地图构建方法。根据机器人环境特征点的空间几何信息,基于图论建立特征点间的信息相关性。利用相邻两步的特征点观测信息协方差的变化,转化成求解特征点TSP问题和特征序列最大相关函数,以此确定所观测特征点的数据关联。实验证明,提出的方法可在噪声不确定性增大的情况下,保证同步定位与地图构建算法的一致性。     

基于Rao-Blackwellized粒子滤波器移动机器人SLAM研究

SLAM是移动机器人在未知环境下实现自主导航的关键技术,为解决传统RBPF-SLAM算法建图效果差、计算效率低的不足,基于分层控制的思想,利用kobuki底盘和RPLIDAR A2雷达搭建了机器人导航系统,提出一种优化的Rao-Blackwellized粒子滤波的SLAM方法,粒子采样时纳入高精度的激光数据以弥补里程计数据的不足,优化建议分布函数,对相邻扫描帧进行迭代最近点匹配,增加自适应重采样步骤,并进行了现场建图实验.对比定位误差和运行效率,改进方法要优于传统方法,表明改进方法能有效解决上述问题.     

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.     

Dense Mapping From an Accurate Tracking SLAM

In recent years, reconstructing a sparse map from a simultaneous localization and mapping (SLAM) system on a conventional CPU has undergone remarkable progress. However, obtaining a dense map from the system often requires a high-performance GPU to accelerate computation. This paper proposes a dense mapping approach which can remove outliers and obtain a clean 3D model using a CPU in real-time. The dense mapping approach processes keyframes and establishes data association by using multi-threading technology. The outliers are removed by changing detections of associated vertices between keyframes. The implicit surface data of inliers is represented by a truncated signed distance function and fused with an adaptive weight. A global hash table and a local hash table are used to store and retrieve surface data for data-reuse. Experiment results show that the proposed approach can precisely remove the outliers in scene and obtain a dense 3D map with a better visual effect in real-time.      

机器人自适应主动同时定位与建图新方法

针对多机器人的定位与建图受到即时定位与地图构建(SLAM)研究方法和技术不成熟的制约问题,提出一种基于扩展卡尔曼滤波(EKF)的自适应同时定位与建图方法;首先,基于EKF估计方法,将SLAM中机器人运动方式的选取问题转化为一个多目标最优控制问题,机器人选取最优化目标函数的控制输入,从而以主动的、智能的和自适应的方式探索环境;然后,将上述方法推广到多机器人SLAM中,以实现更为准确、高效和鲁棒的定位与建图;仿真结果表明,该方法大大提高了机器人建图的效率、准确性和鲁棒性;该方法用于机器人主动同时定位和建图是可行的、有效的.     

基于图优化的视觉SLAM研究进展与应用分析

为了对SLAM技术有更为全面的把握,在回顾过去三十年里视觉SLAM技术发展历程基础上,详细分析了视觉SLAM问题的本质与求解的复杂性。重点对在提高位姿估计精度、构建全局一致地图与提升算法求解效率上的最新研究成果进行了介绍,并对当前代表性的算法实现方案进行了分析与比较。针对未来大尺度环境、全生命周期应用需求,对现有算法框架的不足与最新研究趋势进行了归纳总结。最后,探讨了深度学习技术与视觉SLAM问题求解的关联性。