无人平台越野环境下同步定位与地图创建

为了满足无人平台在越野环境下碰撞检测以及定位的需求、解决三维点云地图处理计算资源耗费大的问题,设计一种适用于越野环境的同步定位与地图创建方案。提出一种拓扑层次地图,将整个地图划分为多个具有层级结构的三维体素子地图,并以概率方法表示每个体素的状态,进而提取可通行区域。基于三维激光雷达和惯性测量单元,提出一种基于分支定界法的旋转直方图最近邻匹配实时闭环检测方法,并使用Ceres优化稀疏位姿图实现6自由度全局位姿实时优化。越野环境下的实验结果显示：该地图的创建以及可通行区域的提取效果良好,全局定位误差在1 m以内,姿态基本与参考高精度惯性导航系统保持一致;基于该方案提取的可通行区域以及位姿优化结果可满足无人平台实时运动的需求。     

面向快速室内视觉定位的ORB-SLAM2 算法

针对随机采样一致性(random sample consensus,RANSAC)算法在快速去除错误匹配时因随机性导致算法 效率较低的问题,提出一种采用顺序采样一致性(progressive sample consensus,PROSAC)算法来改进ORB-SLAM2 框架中的错误匹配删除方法。通过利用特征点的匹配质量对特征点进行预排序,减少图像匹配过程中的迭代次数; 提出基于最大化割归一化割算法(normalized cuts and image segmentation,Ncut)的全局BA 分段优化算法,以降低计 算复杂度。通过数据集验证,结果表明：优化后的即时定位与地图构建(simultaneous localization and mapping,SLAM) 系统在保持绝对轨迹和相对位姿误差同ORB-SLAM2 基本一致的情况下,相同图像的错误匹配去除的效率提升了 50%,证明了该算法的有效性。     

基于特征地图的改进回环检测算法

为提高移动机器人回环检测模块的准确率和实时性,提出一种基于特征地图的改进回环检测算法。在传 统模型的基础上,对关键帧的特征点进行筛选,选取高效特征点构建特征地图,利用视觉字典树对特征地图和关键 帧进行场景描述;对词袋模型进行改进,将场景分割用在图像信息的提取和特征聚类上;建立基于分层K++均值的 视觉字典树,得到改进的基于分层金字塔TF-IDF(term frequency–inverse document frequency)的匹配方法。实验结果 证明：相比FAB-MAP(fast appearance-based mapping)和RGB-D SLAM v2,改进算法在特征点规模、实时性、召回 率方面性能更优。     

基于四叉树法和PROSAC 算法改进的视觉SLAM 技术

为解决在同时定位与地图构建(simultaneous localization and mapping,SLAM)的前端进行特征点匹配时, 随机抽样一致法(random sample consensus,RANSAC)存在的迭代次数高、实时性较差、鲁棒性不稳定等问题,提出 一种基于四叉树法和渐进一致采样法(progressive sample consensus,PROSAC)算法融合改进的图像匹配算法。实现四 叉树法+PROSAC 算法的误匹配剔除算法,在EuRoC 数据集上对改进后的ORB-SLAM2 算法进行实验。结果表明： 相比于ORB-SLAM2 系统,该算法在Vicon Room 1 03 数据集上总体绝对轨迹误差平均值减小了39.28%,总体相对 位姿误差减小了35.45%,具有更高的建图精度。     

基于最优控制的无人机主动SLAM航迹规划

为降低无人机同时定位与地图创建的不确定性,加快无人机所处环境的搜索速度,设计一种基于最优控 制的主动SLAM 航迹规划算法。综合考虑各种因素,利用平均信息增益和新探索地标环境的表示方法,设计一种新 的目标函数,将无人机SLAM 作为组合优化问题进行处理,以达到最优控制全局优化的目的,同时在建立的简化无 人机运动模型基础上进行验证。仿真结果表明：该算法有效、可行,且优于随机SLAM 算法。     

一种基于多波束测深仪的水下同步定位与地图构建方法

数据库辅助导航系统（DBRNS）可以校正惯性导航系统（INS）的累积误差,是自主水下潜航器的重要辅助导航手段,但DBRNS的有效运行依赖于高分辨率的基准图。为解决这一问题,提出一种基于多波束测深仪的图优化同步定位与地图构建（SLAM）方法。该方法在通用图优化SLAM方法的前端部分增加误匹配检测模块,减少了错误闭环对结果造成的不良影响。此外,新方法将局部灰度值编码算法用于闭环检测模块以提高闭环检测的精度。基于真实海底地形图的仿真实验结果表明,相对于通用图优化SLAM方法,采用新方法对INS轨迹进行校正可以取得更高的定位精度。     

尺度Unscented变换在同时定位与地图创建算法中的应用研究

同时定位与地图创建( SLAM)问题中运动及观测模型都是非线性的,当采用常用的扩展卡尔曼滤波(EKF)处理时需要通过Jacobian矩阵来线性化,由此带来的线性化误差影响了算法的一致性。本文将scaled unscented变换(scaled unscented transformation,SUT)以两种不同的方式运用到SLAM算法中,一是将整个状态方程进行SUT变换,用UKF完全代替EKF进行状态估计;二是只对状态向量中的机器人位姿进行SUT变换,地图特征昀预测及整个状态的更新还是用EKF处理,以一种混合的方式进行状态估计。最后通过大量的Monte- Carlo仿真实验表明,两种方法都能有效地降低EKF的线性化误差,且第二种方法计算效率更高。     

一种基于ROS 的分布式安防巡逻机器人系统

针对目前安防巡逻机器人系统中对机器人主控机负载能力要求较高的问题,设计一种基于机器人操作系 统(robot operating system,ROS)的分布式安防巡逻机器人系统。将同时定位与建图(simultaneous localization and mapping,SLAM)节点以及视觉识别节点分布于局部ROS 网络中的机器人主控机和远程监控端,SLAM 方面采用 gmapping 算法实现动态环境中的地图构建以及机器人的定位;视觉识别方面采用TensorFlow 深度学习框架,利用 TensorFlow Object Detection API 实现场景里多个物体的识别。结果表明,该系统为基于ROS 的分布式安防巡逻机器 人系统的设计提供了参考。     

室内巡检机器人的定位方法

针对巡检机器人在室内环境进行巡检任务时无法准确到达指定位置的问题,提出一种基于激光雷达和里 程计的分区域定位方法。当机器人工作在定位精度要求不高的非目标区域时,采用激光雷达加里程计的定位算法进 行导航;而当机器人进入包含指定位置的目标区域时,则利用搭载在机器人上的激光测距传感器和已知位置的地标 来推算机器人的当前位姿,并根据机器人的当前误差进行位姿矫正,实现机器人在目标位置的精确定位。实验结果 表明：该定位方法的位置误差＜2 cm,偏转角误差＜1°,满足巡检机器人的定位精度要求,具备可行性和实际价值。     

面向动态物体场景的视觉SLAM方法

针对动态场景移动物体的运动估计问题,对视觉同步定位与地图构建(simultaneous localization and mapping,SLAM)方法进行分析。现有动态SLAM算法可分为基于几何的方法和基于深度学习的方法2类,重点介绍一种基于几何方法——基于点云相关性的动态SLAM方法;总结目前SLAM技术面临的挑战,展望动态SLAM针对未来战争的发展潜力与发展方向。结果表明,该研究可促进SLAM技术在机器人导航中的应用。     

移动机器人SLAM 改进算法的分析与实现

为解决移动机器人扩展卡尔曼滤波(EKF-SLAM)算法计算复杂、精确度不高及易受干扰的缺点,提出一 种基于最优平滑滤波理论的改进同步定位与地图构建(simultaneous localization and mapping,SLAM)算法。详细介绍 算法的改进过程,通过Matlab 软件对其位置轨迹跟踪误差及标准差进行仿真分析,基于机器人操作系统(robot operating system,ROS)系统的实验平台,在室内走廊进行SLAM 实验以测试改进算法的效果。结果表明,改进的 SLAM 算法精度高、抗干扰能力强,能实现移动机器人的即时定位与地图构建。基于ROS 系统的软件平台能简化开 发难度,提升移动机器人的智能化。     

并联式自动加注机器人运动学标定

为解决并联式自动加注机器人在高精度运动学逆解建模的问题,以并联式自动加注机器人为对象,对其 运动学标定进行研究。采用矢量微分法建立位姿误差模型,对各误差源对动平台末端位姿的影响规律进行分析,寻 找合适的标定位置,并以位姿均方根误差最小为目标函数,使用粒子群算法对神经网络结构进行优化,最后通过仿 真试验对其进行验证。仿真结果表明：该方法能有效提高并联式自动加注机器人的精度,为后续实验应用提供了理 论依据。     

基于滑动窗迭代最大后验估计的多源组合导航因子图融合算法

在应用因子图算法完成多源组合导航数据融合的过程中,子系统观测噪声的时变特性将对导航状态估计的准确性产生极大影响。为解决这一问题,提出一种基于高斯模型下的子系统观测量均值向量和协方差矩阵的估计算法。该算法利用因子图最优化过程中每个迭代周期下的观测量残差,实时地更新各个子系统观测量的均值向量和协方差矩阵的最大后验估计值,从而得到更加准确的导航状态估计值,在提出新算法的同时也验证了新算法对最优化过程收敛性的影响。仿真测试与实验测试结果表明,与已有的标准因子图算法、基于最大似然估计的因子图算法和基于最大后验估计的因子图算法相比,所提出的基于迭代最大后验估计的因子图算法能够有效提高子系统观测状态变化时的多源组合导航估计精度。     

机器人楼层内组合定位系统

为实现移动机器人楼层内的自主定位,研究了基于编码器和陀螺仪的相对定位,基于超声波传感器结合地图信息的走廊路口的绝对定位和基于机器视觉的目标房间位置绝对定位相组合的定位方法.设计和实现了该组合定位系统,根据需求完成定位总体方案设计、走廊相对定位设计、走廊路口和目标门牌位置绝对定位设计,并选用合适的传感器,以实验室轮式移动机器人为对象对组合定位系统进行实验验证.实验结果表明:该组合定位系统在楼层内定位误差不超过30 cm,在目标位置处的定位误差不超过15 cm,能实现在整个楼层内的精确定位.