基于ORB关键帧匹配算法的机器人SLAM实现

针对复杂环境下机器人的同时定位与地图构建(SLAM)存在实时性与鲁棒性下降等问题,将一种基于ORB特征点的关键帧闭环检测匹配算法应用到定位与地图构建中。研究并分析了特征点提取与描述符建立、帧间配准、位姿变换估计以及闭环检测对SLAM系统的影响,建立了关键帧闭环匹配算法和SLAM实时性与鲁棒性之间的关系,提出了一种基于ORB关键帧匹配算法的SLAM方法。运用改进ORB算法加快了图像特征点提取与描述符建立速度;结合相机模型与深度信息,可将二维特征图像转换为三维彩色点云;通过随机采样一致性(RANSAC)与最近迭代点(ICP)相结合的改进RANSAC-ICP算法,实现了机器人在初始配准不确定条件下的位姿估计;使用Key Frame的词袋闭环检测算法,减少了地图的冗余结构,生成了具有一致性的地图;通过特征点匹配速度与绝对轨迹误差的均方根值对SLAM系统的实时性与鲁棒性进行了评价。基于标准测试集数据集的实验结果表明,ORB关键帧匹配算法能够有效提高SLAM系统建图速度与稳定性。     

基于稀疏直接法和图优化的移动机器人SLAM

针对目前移动机器人同时定位和三维稠密地图构建算法中存在的计算复杂、实时性差的问题,提出一种基于RGB-D数据的实时的同时定位与地图构建(SLAM)算法。首先提取RGB图像中的FAST特征点,并计算特征点的3D位置,接着采用直接法最小化光度误差来估计相机的位姿变换,然后根据位姿变换的大小提取关键帧。为了减小移动机器人运动过程中的累积误差,提出基于词袋模型的闭环检测方法,并采用通用图优化(g2o)框架进行位姿图优化。实验结果表明,所提算法能够大大提高SLAM系统的实时性,并构建稠密化的三维环境地图。     

激光SLAM在AGV平台构建地图及处理异常的应用

为提高激光SLAM在AGV平台在线建地图的效率,提高建图准确性和建图精度,对激光SLAM在工厂实际进行系列应用及研究。着重研究激光SLAM在线建图方法、建图结果评价、建图异常环境评估及以及激光SLAM航算法异常处理措施。应用研究结果总结了激光SLAM典型在线建图方法及步骤;强调地图一致性检验在激光SLAM建地图中的评价的重要地位;总结了激光SLAM建地图环境典型异常原因及典型应多措施。结果表明,激光SLAM导航算法异常的主因是环境变化频繁或激光发射面区域附近轮廓差异大,并提出通过规范措施可以避免导航算法异常,以及不适合用激光SLAM的应用场景。研究结果表明,应用改善效果明显,环境因素导致的建地图异常比例下降约90%;通过改善或改变工厂环境可以避免环境因素激光SLAM导航算法异常。此外,改善激光SLAM在AGV平台在线建地图的措施可以从实施技术、组织管理、技术推广培训等多方面入手。研究表明,技术提升是激光SLAM建图质量及效率的根本保障,管理提升也是激光SLAM建图质量及效率的重要抓手。     

数字孪生驱动的车间自动导引车路径规划

针对车间物流配送中的自动导引车(AGV)路径规划问题，以某企业自动化总装车间为研究对象，提出一种数字孪生驱动的AGV路径规划方法。建立了车间数字孪生环境模型，设计了基于环境地图孪生模型的无冲突路径规划算法。对于车间内实时到达的配送任务订单，采用改进的A^*算法结合环境地图孪生模型中的动态邻接矩阵和时间窗矩阵，按任务优先级顺序为相应的AGV规划无冲突路径，并实时更新孪生模型中的数据。所提方法使AGV配送的任务完成时间和冲突调整时间分别平均减少13.4%和17.54%。     

基于多传感器紧耦合的工程机械定位与建图系统

工程机械工况复杂、作业环境恶劣,实现工程机械无人驾驶将带来显著的社会效益和经济价值。工程机械不同于普通乘用车,为实现无人驾驶工程机械在多复杂工况下的高鲁棒性定位,采用多传感器紧耦合的同步定位与建图系统(Simultaneous localization and mapping, SLAM)。针对现有SLAM前端算法计算冗余、计算效率低下等问题,采用基于点线、点面特征匹配的方法,结合局部地图配准,有效降低点云配准时的数据量,避免计算冗余。针对现有激光融合SLAM无回环检测的问题,基于空间近邻原则结合正态分布变换算法将回环检测机制引入SLAM系统,有效降低SLAM系统建图的全局误差。针对工程机械作业环境定位与建图易退化的问题,在点线、点面特征匹配的基础上,创立了残差自适应反馈机制,使得迭代方程求解快速收敛而不发散。仿真和实车试验结果证明该套SLAM系统能够有效解决工程机械在桥梁、长廊等作业场景下的建图退化问题,建图速度大大提高,能够满足工程机械实时定位与建图的需求。     

基于图优化方法融合激光反光柱和环境信息的地图构建

针对自动导引运输车（Automated Guided Vehicle,AGV）在环境复杂情况下的对建图定位的稳定性以及精确性的要求，提出了一种基于图优化的即时定位与建图（Simultaneous Localizationand Mapping,SLAM）方法，此算法进行优化时会在构建环境地图时将反光柱信息融合其中。在SLAM前端检测到反光柱并获取到反光柱坐标位姿坐标之后，首先使用扩展卡尔曼滤波（Extended Kalman Filter,EKF）算法对反光柱进行位姿进行初步优化，然后在SLAM系统后端将其作为一个节点和地图中的子图节点一起进行优化。经实验验证，当系统在几何特征少或复杂场景时，将反光柱位姿信息融入之后，以图优化为后端的SLAM算法建图定位精度和鲁棒性都能够获得一定的提升。     

基于ICP的移动机器人同时定位与地图构建的研究

针对大规模环境下移动机器人使用传统ICP算法进行同时定位与建图存在的地图点匹配计算量随时间逐渐增大导致实时性降低的问题,提出一种按照移动机器人里程阈值分割地图并分步进行ICP计算的SLAM算法,该方法通过限制ICP的计算量而使系统达到实时性要求。采用MRPT仿真软件对同一环境的数据集分别进行地图构建,仿真对比结果表明,利用改进的ICP算法能有效地解决实时性降低的问题,提高构建的地图质量,该方法比传统的ICP算法有较强的稳定性和鲁棒性。     

基于差分轮AGV的激光SLAM导航算法研究

差分轮AGV由于灵活性高、成本低廉而得到大量应用。作为差分驱动式AGV的关键技术,导航系统的算法实现成为研究热点。为此,文章将研究Cartographer SLAM和Gmapping SLAM两种导航算法在差分轮AGV上实现的优劣性。基于对差分轮AGV的运动模型的分析,在ROS平台上建立AGV仿真模型和两个面积分别为300 m2和1000 m2的仿真仓储环境。通过2种算法对这两个仓储分别进行了验证,结果表明：Cartographer SLAM导航算法在构建出的地图效果上要优于Gmapping SLAM导航算法,但构建地图耗时太久。     

室内移动机器人主动SLAM技术研究

为提高移动机器人自主探索室内未知环境的能力,基于实时获取的里程计和激光雷达数据,提出了一种面向室内环境的主动SLAM算法。首先利用激光雷达高精度特性,进行高频率的扫描匹配,提高了机器人定位和建图精度。同时基于实时地图,通过边界探索算法实现了机器人自主、高效遍历室内环境,并建立全局地图。鉴于室内环境通常是动态的,在全局路径规划的基础上引入局部路径规划,实现了机器人运动过程中的实时避障。使用Kobuki移动机器人平台在室内环境中进行了实验验证,实验结果表明该算法在小规模室内场景下的建图精度约为5cm,全程用时约为人为遥控方式的1.5倍。     

一种改进的EKF-SLAM算法

在AGV同时定位和地图构建(SlAM)时,针对扩展卡尔曼滤波算法在大范围环境等特征数量较大的场合中计算复杂度高,并且生成的特征图准确性不足的问题,提出一种改进的扩展卡尔曼滤波(EKF)方法,其基本思想是将机器人的系统参数附加到EKF SlAM的状态向量中,在执行预测和更新EKFSlAM的状态时,对附加系统参数的状态向量进行估计,从而提高特征图的准确性,我们称之为增强扩展卡尔曼滤波(IEKF),并且提出了一些降低计算复杂度的方法和D*算法用于导航,使AGV即使在动态和非结构化的环境中也能够准确地跟踪路径。并采用MATlAB软件进行仿真,仿真结果表明所提出的增强扩展卡尔曼滤波算法对AGV的SlAM问题有效可行。     

基于 RANSAC 的视觉里程计优化方法研究

针对图像特征产生误匹配影响基础矩阵计算,导致同步定位与地图构建(SLAM)视觉里程计估计精度差的问题,提出一种基于随机抽样一致(RANSAC)的视觉里程计优化方法。该方法首先通过最小距离阈值法对初始匹配集粗滤除,再采用RANSAC计算图像间相对变换关系,若符合变换关系为内点,内点数最多的迭代结果为正确匹配结果;然后计算图像间单应变换并利用其计算基础矩阵,采用对极几何约束确定内点,得到具有最多内点的基础矩阵;最后采用TUM数据集从特征匹配与基础矩阵计算两方面进行优化算法效果验证。结果表明,该算法可提高运行效率且有效去除误匹配特征点,使匹配正确率提高7.7%,基础矩阵估计算法在提高基础矩阵计算精度的同时,内点率也提高了3%,算法为提高视觉里程计精度估计精度提供了理论基础。     

基于改进势场蚁群算法的自动引导小车路径规划研究

自动引导小车(AGV)是自动化车间里必不可少的一种运载工具,为了实现AGV小车可以在自动化车间环境下能够进行自主导航、避障和路径最优功能,提出了一种通过建立栅格地图,在蚁群算法的基础上加入人工势场局部搜索寻找最优路径的算法。该算法通过利用人工势场法中AGV到目标点的距离构造启发函数,根据对动静态障碍物的识别来重构不同的势场函数,从而增加AGV在局部路径上的搜索和安全避障能力,同时利用蚁群算法的搜索方式来寻找到目标点的全局最优路径。通过仿真实验证明了所提出算法能有效解决自动化车间环境中的路径规划问题。     

基于单舵轮AGV的Gmapping SLAM导航算法研究

由于传统SLAM方法采用的是差速驱动AGV的运动模型,差分驱动AGV主要应用在3C、电商、快递等领域,而在其他更广泛的工业领域里,大量应用的还是单舵轮AGV,故进行了基于单舵轮AGV的Gmapping SLAM导航算法的研究,并在ROS平台上进行了算法的实验验证,结果表明该算法具备可行性及优越的建图能力。     

改进3D SLAM算法在移动机器人上的应用

实现移动机器人的同步定位与建图(SLAM)是实现移动机器人真正意义上自主导航的关键。越来越多的研究者开始关注基于机器视觉的SLAM技术,这是因为它具有丰富的信息和低廉的价格。针对传统的室内环境下的3D SLAM存在实时性差、鲁棒性低等问题,提出了一种改进的RGB-D SLAM算法,利用主成分分析法(PCA)对特征描述子进行降维处理,以加快图像匹配的速度。同时针对RGB-D SLAM过程中平移和旋转较慢这一特征,提出了一种将图像区域分块匹配的方法,提高了特征点匹配的效率,降低了误匹配率。同时限制所划分的区域内的特征点数目,使得提取到的图像特征更均匀。为了克服原始RGB-D SLAM的效率不佳问题,采用了RTAB-MAP来实现RGB-D SLAM。在后端,g2o用于机器人的轨迹和全局地图优化。     

基于ROS和激光雷达的室内移动机器人定位和导航系统设计与实现

根据自主运动机器人的室内定位需求,设计并实现基于机器人操作系统ROS和激光雷达的室内移动机器人定位和导航系统。机器人系统采用树莓派控制器作为控制核心平台,利用激光雷达采集环境信息,在ROS分布式框架下进行软件算法的开发,实现基于扫描匹配算法的SLAM功能、基于最优路径算法路径规划以及基于粒子滤波算法的导航功能。理论仿真及实验实测结果表明,系统可构建精度较高的环境地图,并对机器人进行定位,有效完成室内定位和导航任务,具有低成本、开源、模块化、易于拓展等优点。     

基于RGB-D传感器的同步定位与建图方法研究

机器人同时定位与地图构建算法(SLAM,Simultaneous Localization and Mapping)可实现机器人的自主控制,文中将SLAM算法与视觉传感器结合,搭载红外摄像头的RGB-D摄像头可以快速进行运动估计及构建3D点云地图,最后将视觉里程计测量的相机位姿与回环检测的信息结合,经过优化可得到轨迹估计的地图。     

基于自适应惯导辅助特征匹配的视觉SLAM算法

为提高视觉同步定位与建图系统的定位、建图精度,克服传统算法中特征匹配搜索半径为固定值导致视觉里程计在高动态运动时特征误匹配率高的问题,本文提出一种搜索半径自适应的惯导辅助图像特征匹配方法。该方法首先对双目相机左右两帧图像进行特征提取与匹配,并获取地图点三维坐标,然后通过预积分惯性测量单元的量测值预测相机位姿,再根据误差传播定律计算预测位姿的协方差,最后利用预测位姿将地图点投影至图像得到对应像素坐标,从而根据像素坐标中误差确定地图点最有可能出现的区域半径。实验结果表明,该方法可有效缩小特征匹配的搜索半径,显著提高图像特征匹配的准确度,使跟踪线程位姿精度提高约38.09%,系统整体位姿精度提高约16.38%。该方法可为每个特征点提供自适应区域约束,提高特征点匹配的准确度,进而提升系统位姿估计精度,构建更高精度的稠密地图。     

深松机器人作业环境建模和改进路径规划研究

针对深松机器人深松土壤作业时对室外环境感知能力差,还需要人力驾驶拖拉机进行室外作业的缺点,基于ROS(Robot Operating System)框架下利用SLAM(Simultaneous Localization and Mapping同时定位与建图)和路径规划技术进行高精度室外深松机器人应用研究。阐述SLAM算法和Cartographer算法的原理,根据田地环境需求,选择适用的地图模式,基于ROS框架对本地路径规划和全局路径规划的算法进行了分析和研究,设计研发了基于ROS的深松机器人实验平台,在基于ROS的深松机器人实验平台上进行测试,分析基于ROS框架下各节点之间的话题通信数据流向。实验第一步运用Cartographer算法建立栅格地图,获取地图后,针对不同土壤环境的特点和农作物对土壤主要特征的要求经行分析,研究出两种深松机器人工作模式：大型微耕模式和大型深耕模式;实验第二步基于Cartographer算法提供的地图上进行大型微耕模式的路径规划和大型深耕模式的路径规划的实验,并对不同工作模式的路径规划的算法进行分析。结果表明：Cartographer算法满足室外农田环境下的定...     

多传感器信息融合的移动机器人定位算法研究

为有效降低使用单一传感器进行移动机器人定位时的不确定误差,提高机器人定位与建图的准确性和鲁棒性,提出了一种多传感器信息融合的移动机器人定位算法。基于激光RBPF-SLAM算法实现机器人同时定位与路标地图构建,运用图优化理论约束优化蒙特卡洛定位的位姿估计结果;通过双目视觉重建环境的三维点特征,针对视觉信息处理计算量大、跟踪精度不高的问题,研究改进基于ORB的特征点提取与四边形闭环匹配算法;利用因子图模型对激光RBPF-SLAM定位和双目视觉定位进行最大后验概率准则下的信息融合。仿真和实验结果表明通过上述方法可以得到比传统RBPF-SLAM算法及一般改进算法更高的定位精度,验证了所提方法的有效性和实用性。     

多传感器信息融合的移动机器人定位算法研究（英文）

为有效降低使用单一传感器进行移动机器人定位时的不确定误差,提高机器人定位与建图的准确性和鲁棒性,提出了一种多传感器信息融合的移动机器人定位算法。基于激光RBPF-SLAM算法实现机器人同时定位与路标地图构建,运用图优化理论约束优化蒙特卡洛定位的位姿估计结果;通过双目视觉重建环境的三维点特征,针对视觉信息处理计算量大、跟踪精度不高的问题,研究改进基于ORB的特征点提取与四边形闭环匹配算法;利用因子图模型对激光RBPF-SLAM定位和双目视觉定位进行最大后验概率准则下的信息融合。仿真和实验结果表明通过上述方法可以得到比传统RBPF-SLAM算法及一般改进算法更高的定位精度,验证了所提方法的有效性和实用性。