移动机器人同步定位与建图技术综述

同步定位与建图技术(SLAM)一直是移动机器人领域比较热门的研究方向,它可以给机器人提供强大的环境感知能力;传统的依靠外部位置参考来定位的方法如果无法获得时,移动机器人需要即时定位自身位置来构建增量式地图,因此SLAM技术也就应运而生;对激光SLAM和视觉SLAM的研究现状及最新标志性成果进行了介绍,重点对以相机与激光雷达融合、相机与IMU融合、激光雷达与IMU融合为代表的多传感器融合SLAM技术展开讨论、系统地梳理了几种融合方式的优势与不足,同时介绍了该领域的研究热点语义SLAM,最后讨论了SLAM技术在该领域未来的发展方向以及存在的挑战。     

一种基于多传感器的红外图像正则化超分辨率算法

提出一种红外图像多传感器超分辨率重建算法。 算法存在两个关键点:一是有效利用两类图像的相关性;二是针对红外图像的特点利用其自 身信息 构造正则化模型。采用相位一致性算法提取可见光图像边缘,利用此边缘信息对正则化模型 加权,以 充分利用可见光和红外图像的相关性;将一阶梯度锐化算子引入总广义变分模型,构成针对 红外 图像特点的正则化模型;最后采用一阶主-对偶优化算法求得加权后模型的最优解。实验表 明,本文算法可获得边缘清晰的重建结果,并且有效抑制噪声,在主观视觉效果和客观评价 指标方面均优于其他算法。     

基于D-S证据理论的多传感器气体泄漏源判定

介绍D-S证据理论各函数的定义,并利用D-S证据理论的信息融合优势,将类概率函数应用于气体泄漏源判定中。利用Matlab编制一个仿真系统,校验算法的合理性,结果表明:基于类概率函数的D-S证据理论比Bayes推理融合规则和加权平均融合规则具有更高的确定度,可以准确地找到泄漏源的位置。     

用于多传感器坐标测量机探测误差评价的薄环规标准器

设计了一种薄环规标准器,用于配有光学影像测头和接触式测头的多传感器坐标测量机的探测误差评价。该标准器兼有环规和二维平面标准圆的特征,孔的有效部分厚度为0.1 mm,圆度为0.5μm,可以满足大多数坐标测量机的校准需求,避免了普通标准器如标准球、环规对影像测头测量成像的影响。该标准器同时适用于接触式测头测量,锥孔结构保证了标准器的稳定性,用于接触式测量时,不会引起变形。利用设计的薄环规标准器实现了配有光学影像测头和接触式测头组合测量系统的探测误差评价,结果表明该标准器有效解决了上述组合系统探测误差的校准问题。参照ISO10360-9标准,给出了多传感器组合测量系统的探测误差、尺寸测量误差以及位置误差,并利用坐标变换方法修正了位置误差,优化了系统参数。     

视觉里程计研究综述

视觉里程计(Visual Odometry)作为视觉同步定位与地图构建技术(Visual Simultaneous Localization and Mapping)的一部分,主要通过相机传感器获取一系列拥有时间序列图像的信息,从而预估机器人的姿态信息,建立局部地图,也被称为前端,已经被广泛应用在了多个领域,并取得了丰...     

不同维状态的多传感器MAP航迹融合方法

在分布式多传感器数据融合结构中,各传感器通过处理各自的观测数据把形成的航迹在融合中心进行处理.在实际中各传感器的观测信息维数不一致,也即各传感器可能采用不同的模型观测同一目标;为解决上述问题,通过建立状态映射,提出了输出目标估计状态之间维数不同情况下的带反馈极大验后(MAP)估计融合方法,并通过计算机仿真验证了该算法的有效性.     

一种多传感器信息融合中的分布模型

介绍了分布式数据融合和多传感器信息处理节点的网络分布问题,阐述了一个分布式的Kalman滤波器.这个滤波器不需中央处理单元,每个节点对全局的最佳估计是通过状态空间中心获得而不是集中拓扑.它能直接对不同结构的节点和状态空间进行通信和同化问题的相关估计,解决了内部节点的转换.这种分布式结构能从个别节点得到融合信息,任何节点都可作出对全局的估计.     

移动机器人红外避障和单目视觉跟踪的研究

介绍了移动机器人的避障规则和单目视觉的运动人体跟踪。通过对红外传感器的信息进行采集,根据多传感器信息设计避障规则,通过人体建模,利用很简单且实用的方法实现单目摄像头对人体识别和跟踪。该系统在实验中取得较好的效果。     

广义系统多传感器信息融合Kalman状态预报器

研究了广义离散随机线性系统的多传感器信息融合状态估计问题。依据Kalman滤波理论,在线性最小方差信息融合准则下,推导出广义系统分别按矩阵、对角阵和标量加权的三种多传感器信息融合Kalman预报器,并给出了两个广义子系统之间的预报误差互协方差阵的计算公式。仿真说明,融合后的Kalman预报器的精确度高于每一个子系统;按标量加权信息融合Kalman预报器与按矩阵加权和对角阵加权信息融合Kalman预报器相比,虽然精确度有所降低,但损失不明显,并可减少计算负担,便于实时应用。