利用凸角点改进A*算法的路径规划方法

针对传统A*算法在大地图场景中搜索效率低以及路径避障性能不高的问题,提出了一种改进的A*算法。定义了凸角点和邻居关系的概念,利用凸角点作为节点并根据邻居关系来扩展节点到目标点。将凸角点作为节点的扩展方式可以减少对不必要节点的访问,有效地提高算法搜索效率。在不同大小的栅格地图中验证改进算法的性能,并与传统A*算法和JPS算法进行比较。实验结果表明在凸角点数小于阈值的地图中,改进算法的搜索时间较A*算法和JPS算法分别减少了约95%和90%。并且改进算法的路径避障性能比传统A*算法更高,更有利于机器人安全行走。

点线特征融合的激光雷达单目惯导SLAM系统

多传感器融合的SLAM系统定位精度相比单一传感器的SLAM系统更高,但在低纹理场景或退化场景下的定位精度有待提高。提出一种点线特征融合的激光雷达视觉单目惯导紧耦合SLAM系统(PL2VI-SLAM),其由点线特征融合的视觉惯导系统(PLVIS)和激光雷达惯导系统(LIS)两个子系统组成。通过PLVIS系统实现点线特征的提取与匹配,使用滑动窗口选择性地引入关键帧,并将惯性导航器件与相机紧耦合以解算位姿。LIS系统将多个约束集成到因子图中进行联合优化,其初始化状态可以作为PLVIS的初始猜测,通过扫描匹配实现激光雷达里程计,并将点云深度分别与PLVIS系统的特征点以及特征线进行关联,为视觉特征提供精确的深度值,提升定位精度。此外,两个子系统将联合进行回环检测,并对位姿进行矫正。在jackal、handled以及自制的长走廊数据集上的实验结果表明,与LVI-SAM、VINS-MDNO及LIO-SAM系统相比,该系统的定位精度更高,适用于低纹理场景及退化场景,并能满足实时性要求。

基于虚拟现实的移动机器人真实环境三维建模系统

传统的虚拟现实(VR)技术通过人为建模的方式生成室内三维地图模型,存在速度慢、模型与现实物体尺度之间存在偏差的问题。鉴于此,提出基于VR的移动机器人的真实环境三维建模系统。首先通过视觉同时定位与建图(SLAM)技术快速地获取室内的高精度稠密三维点云地图;其次将三维点云通过曲面重建算法重建为室内三维模型并导入到unity 3D中;然后借助VR设备将室内三维模型置于三维立体的虚拟环境中;最后通过视觉SLAM技术实现移动机器人在室内环境的重定位,实时映射机器人在模型中的位姿,完成交互。利用视觉SLAM技术构建三维地图模型不仅快速,解决了场景尺度偏差的问题,且实现地图的重复使用。同时VR技术也使操作人员可以获得强烈的沉浸感,从而更好地理解机器人的工作环境。