巡检机器人对室内场景进行自主导航监测时,采用视觉同时定位与地图构建(simultaneous localization and mapping,SLAM)方法构建的三维深度地图存在实时性不高、定位精度下降的问题。对此,提出了一种基于RGB-D相机和优化RTAB-Map(real ti...巡检机器人对室内场景进行自主导航监测时,采用视觉同时定位与地图构建(simultaneous localization and mapping,SLAM)方法构建的三维深度地图存在实时性不高、定位精度下降的问题。对此,提出了一种基于RGB-D相机和优化RTAB-Map(real time appearance based mapping)算法的巡检机器人视觉导航方法。首先,通过重新配置RTAB-Map点云更新频率,实现算法优化,构建稠密的点云地图后;采用启发式A*算法、动态窗口法(dynamic window approach,DWA)分别制定全局与局部巡检路径,通过自适应蒙特卡罗定位(adaptive Monte Carlo localization,AMCL)方法更新机器人的实时位姿信息,再将搭建好的实体巡检机器人在软件、硬件平台上完成视觉导航测试实验。结果表明:优化后的RTAB-Map算法运行时的内存占比稍有增加,但获得与真实环境一致性更高的三维深度地图,在一定程度上提高视觉导航的准确性与实用性。展开更多
针对室内复杂场景下移动式机器人在构建优质地图及定位方面存在较大误差问题,基于Gazebo仿真平台,构建搭载Delta3A激光雷达的室内移动机器人虚拟仿真系统,引入Cartographer、Gmapping及Hector SLAM三种主流算法的建图机理,通过优化Delt...针对室内复杂场景下移动式机器人在构建优质地图及定位方面存在较大误差问题,基于Gazebo仿真平台,构建搭载Delta3A激光雷达的室内移动机器人虚拟仿真系统,引入Cartographer、Gmapping及Hector SLAM三种主流算法的建图机理,通过优化Delta3A激光传感器的参数配置,降低三种建图算法所获二值优质地图与原图的匹配偏差。以Cartographer算法构建的优质地图为基础,利用A-star及Dynamic Windows Approach算法进行路径规划,有效地提高了导航精度,同时,大大降低了计算功耗。将本文研究成果在Spark-T实体机器人上进行实物验证,实验结果证明了本文方法的有效性。展开更多
文摘巡检机器人对室内场景进行自主导航监测时,采用视觉同时定位与地图构建(simultaneous localization and mapping,SLAM)方法构建的三维深度地图存在实时性不高、定位精度下降的问题。对此,提出了一种基于RGB-D相机和优化RTAB-Map(real time appearance based mapping)算法的巡检机器人视觉导航方法。首先,通过重新配置RTAB-Map点云更新频率,实现算法优化,构建稠密的点云地图后;采用启发式A*算法、动态窗口法(dynamic window approach,DWA)分别制定全局与局部巡检路径,通过自适应蒙特卡罗定位(adaptive Monte Carlo localization,AMCL)方法更新机器人的实时位姿信息,再将搭建好的实体巡检机器人在软件、硬件平台上完成视觉导航测试实验。结果表明:优化后的RTAB-Map算法运行时的内存占比稍有增加,但获得与真实环境一致性更高的三维深度地图,在一定程度上提高视觉导航的准确性与实用性。
文摘针对室内复杂场景下移动式机器人在构建优质地图及定位方面存在较大误差问题,基于Gazebo仿真平台,构建搭载Delta3A激光雷达的室内移动机器人虚拟仿真系统,引入Cartographer、Gmapping及Hector SLAM三种主流算法的建图机理,通过优化Delta3A激光传感器的参数配置,降低三种建图算法所获二值优质地图与原图的匹配偏差。以Cartographer算法构建的优质地图为基础,利用A-star及Dynamic Windows Approach算法进行路径规划,有效地提高了导航精度,同时,大大降低了计算功耗。将本文研究成果在Spark-T实体机器人上进行实物验证,实验结果证明了本文方法的有效性。