视觉SLAM系统分析

SLAM（Simultaneous Localization and Mapping）同时定位与地图构建,是指在未知环境下,搭建在机器人上的传感器,不断的感知周围信息,从而创建周边环境地图,同时利用创建的地图实现自主定位。＂视觉SLAM＂是指相机作为主要传感器。该文首先介绍了视觉SLAM的总体框架和应用,然后对一些经典的视觉SLAM系统进行分类并介绍,同时总结了视觉SLAM中出现的关键性问题。最后,针对视觉SLAM的未来发展方向进行了阐述。

基于地面特征的单目视觉机器人室内定位方法

针对高精度的机器人室内定位方法中成本过高的问题,提出一种基于地面特征的单目视觉机器人室内定位方法。该方法通过安装在机器人底盘的单目鱼眼摄像头采集地面图片,并经过一系列图像处理,将得到的地面方格直线和相机的位姿关系作为观测量,通过推导出观测方程并根据扩展卡尔曼滤波算法得到机器人的位置信息。基于机器人当前时刻位置数据和地面的固定方格大小提出线预测算法,有效地排除干扰线段的影响。实验结果表明,该机器人室内定位方法定位精度可以达到2 cm,具有较好的鲁棒性,能够为低成本的机器人室内定位提供较好的技术参考。

高精度差分定位大坝监测系统设计

针对大坝监测布线困难大,实施困难问题,该文提出一种采用GPS卫星导航定位系统的实时差分定位（RTK）技术,利用Lo Ra无线传输技术构成星型局域网把基站到卫星的距离修正数实时地广播到移动站,然后用GPRS把各个节点解算的定位结果传输到远程的监控中心。通过综合分析,该系统可以有效预测监测大坝形变情况。

基于PID控制的机器人自行车自平衡系统研究

为了实现单轨车辆的自平衡控制,设计了一种基于PID控制的单轨自平衡小车控制系统,该系统将STM32作为主控制器,通过加速度计和陀螺仪采集到的加速度和角速度信号进行数据融合得到小车倾角,然后经过PID控制算法来调整PWM的占空比来控制直流减速电机的转速和舵机的转向,进而实现单轨车辆的自平衡控制。该控制算法使用STM32微处理器,控制模型自行车,实现机器人自行车的自动平衡。

基于视觉的车载组合导航系统

本文对基于视觉的车载组合导航系统进行了综述。首先阐述了融合视觉之前的车载组合导航系统的研究背景以及该研究方向,然后分析了融合视觉的三种组合导航的发展过程及研究现状。最后总结全文,并展望了随着计算机技术的飞速发展基于视觉的车载组合导航系统的研究方向。