排序方式: 共有5条查询结果,搜索用时 31 毫秒
1
1.
精准的三维(three-dimensional,3D) 目标识别对于机器人自主抓取至关重要,针对目前基于原始点对特征(point-pair feature,PPF) 的三维目标识别算法中存在识别速度慢、严重遮挡场景下识别率低的问题,提出了一种基于曲率关键点的点对特征三维目标识别算法。该算法根据点云法向量邻域夹角均值,快速估算点云曲率,以此提取关键点,通过对关键点计算点对特征,剔除了模型点对特征哈希表中存在的大量冗余点对。使用结合位姿聚类和假设检验的位姿优化算法,首先通过位姿聚类对候选假设位姿进行优化,其次位姿聚类后采用ICP (iterative closest point)算法对候选位姿进行细化,最后利用基于重合度计算匹配分数的假设检验算法滤除错误假设并得出最佳假设位姿。实验结果表明,在公开数据集上,所提方法能够获得95.2%的平均识别率,减少模型点对特征哈希表构建时间并且提高在严重遮挡场景下的识别率。 相似文献
2.
精准的相对定位是实现多机器人协作与编队控制的关键。在弱全球定位系统(GPS)的室内环境中,视觉或激光雷达(LiDAR)通过特征匹配的方式确定机器人间相对位置,但在非视距环境下难以工作。针对这一问题,该文提出一种基于多超宽带(UWB)节点的移动机器人相对定位方法。首先,利用每个机器人携带的多个UWB节点构成UWB阵列,通过非线性优化实现移动机器人间相对姿态估计。为进一步提升估计精度,利用里程计对非线性优化结果进行约束,通过图优化算法对滑动窗口内的相对位姿与里程计进行优化,保证了算法的实时性。然而,图优化过程中难以确定相对位姿估计的误差,对定位结果影响较大。因此,利用粒子滤波融合里程计和滑动窗口优化后的相对位姿,进一步提升相对姿态估计的精度。实验结果表明,该方法在12×6 m的室内环境中,能够达到0.312 m的平均定位误差以及4.903°平均角度误差,且具有良好的实时性。 相似文献
3.
同步定位与地图构建(SLAM)是当前机器人定位导航的研究热点,可靠的闭环检测是图优化SLAM的关键。而在大范围的复杂环境下,通过视觉或激光雷达进行闭环检测的可靠性低且计算开销大。针对这一问题,提出了一种基于WiFi指纹序列匹配的图优化SLAM算法。所提算法采用指纹序列进行闭环检测,由于指纹序列中包含多个指纹数据,信息量比单个指纹点对的数据丰富,因此将传统的基于指纹点对的匹配扩展到指纹序列的匹配可以大幅减小闭环误判的几率,从而确保了闭环检测的准确性,满足了SLAM在大范围复杂环境下的算法高精度要求。采用两组实验数据(机器人从不同的起点开始)对所提算法进行验证的结果表明:与高斯相似度的方法相比,所提算法的精度在第一组数据上提高了22.94%;在第二组数据上提高了39.18%。实验结果充分验证了所提算法在提高定位精度、确保闭环检测可靠性方面的优越性。 相似文献
4.
目标跟踪是实现人机交互的重要一环,二维激光雷达探测范围广、精度高,广泛应用于目标跟踪,但是由于缺失语义信息,难以区分外观近似的物体.针对这一问题,提出一种基于激光与UWB序列匹配的目标跟踪方法,使用最近邻算法关联激光聚类,构建物体轨迹,并基于改进的高斯相似度计算物体的激光轨迹与UWB测距序列的相似度,根据相似度大小实现目标的匹配定位.此外,针对目标被遮挡的情况设计重跟踪算法,利用UWB测距信息、目标丢失位置和目标特征模型在环境中搜索被遮挡的目标.利用TurtleBot2机器人平台,在10mtimes10m的室内环境中进行实验验证.实验结果表明,所提出方法能够以8cm的精度稳定地跟踪携带UWB节点的目标. 相似文献
5.
可靠定位是机器人完成导航和路径规划的前提,机器人通过多个超宽带(ultra-wideband, UWB)基站的测距信息实现定
位,但基站数量不足时定位精度受限。 针对这一问题,提出融合超宽带距离和方位的移动机器人定位方法。 根据方位标准差区
分信号来自基站前方(视场)或背后(非视场),消除方位的前后奇异性。 在此基础上,利用 UWB 距离和方位测量值构建约束函
数,通过图优化算法融合里程计和 UWB 测量数据实现全局位姿优化。 实验结果表明,该方法在 13 m×6 m 的室内环境中,移动
机器人无规则运动能够达到 0. 093 m 的定位精度,比传统的基于测距 UWB 和里程计融合方法定位性能提升了 46%,且具有较
强的鲁棒性。 相似文献
1