激光即时定位与建图算法综述

激光即时定位与建图(SLAM)算法是一种在机器人导航和自主驾驶领域被广泛应用的技术;该技术可以利用激光雷达扫描环境并提取特征点,实现机器人的自主定位和地图构建;针对机器人激光SLAM技术进行研究,分析了各个激光SLAM算法的基本原理,并且对主流SLAM算法进行了现状总结;根据激光SLAM算法的特点以及原理不同,将激光SLAM算法分为:基于滤波器的算法、基于图优化的算法、基于配准的算法、基于学习的算法等;基于上述分类,详细介绍了每个算法的优缺点,并且分述了近两年的主要研究成果;针对移动机器人激光SLAM算法研究现状,对激光SLAM算法的未来发展进行了展望。

基于目标检测和动静点分离的视觉即时定位与地图构建技术

针对视觉即时定位与地图构建在动态环境中鲁棒性失效的问题,提出一种基于目标检测和动静点分离的视觉即时定位与地图构建技术。使用目标检测算法YOLO v5对图像预处理,获取动态目标物的图像区域。在图像区域划分的基础上,对框外区域使用随机抽样一致性算法剔除外点。根据点的运动规律分离框内区域的动点和静点,在光束法平差优化中对可用静点赋以权重。为了在建图中滤除动态信息,仅保留框外区域的点云显示。通过性能测试确认,所提出的方法在数据集中表现出较高的精度和鲁棒性,整体上优于同类算法。

基于ROS的机器人即时定位及地图构建创新实验平台研制

针对单一传感器在不确定复杂环境下即时定位及地图构建精度低、可靠性差的问题,研制了一种基于机器人操作系统的即时定位及地图构建创新实验平台。实验平台由移动机器人、上位机控制软件两部分组成。移动机器人配置有Xtion pro深度摄像头、激光测距仪、里程计等,通过采集环境的深度信息及距离信息实现即时定位及地图构建功能;采用ARM Cortex A17RK3288作为主控芯片,将整个控制系统构建在基于ROS系统的嵌入式平台上,具有体积小、重量轻、可移植性强的优点,极大增强了机器人的续航能力。

基于Wi-Fi即时定位与映射像素模板匹配的室内运动地图构建与定位

传统指纹定位方法由于建库人力时间开销大、系统通用性不强约束着指纹定位系统的推广,为了解决该问题同时结合即时定位与映射(SLAM)技术的优势,该文提出一种新的Wi-Fi/微机电系统(MEMS)融合室内运动地图构建与定位方法。首先利用行人航迹推算(PDR)、最小描述长度(MDL)原则和基于密度的空间聚类算法(DBSCAN)对众包运动轨迹进行预处理,提出基于轨迹主路径的运动地图构建方法。之后提出基于像素模板的地图匹配方法获取地图的绝对位置,并采用抗差扩展卡尔曼滤波(EKF)对目标位置进行最优估计。实验结果表明,所提聚类方法可以准确构建各区域运动地图,在少量的人力时间开销下实现较高的定位精度。

基于扫描匹配预处理的即时定位与地图创建

研究了室内自主移动机器人的即时定位与地图创建问题。分析了目前解决SLAM问题的方法,提出了基于扫描匹配预处理的即时定位与地图创建,用扫描匹配为SLAM提供机器人先验位姿信息。对实验结果和数据的分析,得出了所提出方法可进一步提高SLAM的精度和鲁棒性。

鲁棒的机器人粒子滤波即时定位与地图构建的实现

为了实现未知环境下的移动机器人同时定位与地图构建,提出一种改进的粒子滤波器算法。针对传统粒子滤波器粒子数量大的问题,通过在粒子滤波重要性采样阶段融入激光传感器观测信息,以减少所需粒子数。重采样之后出现粒子严重枯竭时,进行马尔可夫蒙特卡洛移动处理以降低粒子的匮乏效应。该方法在装有机器人操作系统的Pioneer3-DX机器人上进行测试,实验结果表明,它能够在线创建高精度的栅格地图。

非结构化环境下月球车快速即时定位与制图方法

激光雷达的实时环境扫描与已构建环境模型之间的匹配是月球车即时定位与制图(SLAM)过程中的关键步骤,其收敛速度和准确性直接决定了SLAM的成败。月球表面是一种典型非结构化环境,其环境场景特征复杂。若通过三维激光匹配方式则传感器数据量大,特征匹配的难度高,实时性差。针对于此,本文提出了一种基于ICP算法的激光点扫描匹配方法-类等高线匹配方法,将二维激光雷达的实时扫描数据与已构建的三维环境高程图相匹配,利用RBPF粒子滤波实现位姿与地图状态的估计,采用自行研制的小型激光雷达硬件平台,较好地实现了月球车原理样机的快速SLAM过程。实验表明,基于该方法的即时定位与制图过程对于月球车位姿估计的鲁棒性强,实时性好。

即时定位与制图辅助的INS/GPS组合导航系统

即时定位与制图可以在线构建环境特征地图同时利用所建地图辅助定位,可以建立基于特征地图的的地形辅助全自主式导航系统。当GPS信号有效时,导航系统利用INS/GPS组合方式进行精确导航,同时在线建立特征地图,并不断更新修正地图。当GPS信号无效的时候,之前建立的地图用来修正惯导误差,约束惯导误差在一定的范围内,达到精确导航的目的。将及时定位与制图在线制图的功能引入组合导航系统使得该系统具有在线跟踪路标制图和限制系统误差扩延的能力,此性能通过计算机仿真得到验证。

一种改进的地下车库弱纹理下智能汽车即时定位与建图算法

地下车库中纯视觉的即时定位与建图(simultaneous localization and mapping,SLAM)方法无法克服光线不足和弱特征纹理两大不利因素,为此,提出一种基于VINS-Mono框架下改进的视觉惯导融合算法,把原算法中提取Harris角点的方法改进为提取灰度值陡变的像素点,并使用非线性优化方法在初始化阶段进行视觉位姿估计。后端采用滑动窗口的形式建立先验估计残差、惯性测量单元(inertial measurement unit,IMU)残差以及基于灰度值不变原理构建的视觉残差的联合残差模型,进一步提升了系统底层变量的优化效果,从而提高算法的定位准确度。通过基于EuRoc数据集的仿真实验和地下车库实际场景的实车实验,验证了所提算法的鲁棒性和精确性。

月面巡视器基于深度学习的即时定位与建图

针对载人登月对月面大范围行走探测以及月面巡视器导航定位的要求,提出了一种基于深度学习的视觉即时定位与建图(SLAM)方法。该方法设计了一个全监督的卷积神经网络对单目SLAM建模,减少了传统方法中人工设计特征和根据场景设置各种参数阈值的局限性;同时,利用深度学习模型良好的迁移学习能力,从大量地面数据训练并在少量仿月表面数据微调中得到网络的参数,从图像序列中直接估计平移量和旋转量;此外,引入了三维点云构成的稀疏深度图作为监督,采用光度误差构造的损失函数将深度信息和位姿信息结合,得到位姿估计的精度比肩传统SLAM算法,同时增加了算法对环境的适应性和鲁棒性。实验证明该算法在城市道路环境和仿月表面环境均有较优的性能。

一种混合视觉的车载激光雷达即时定位与地图构建方法

为提高地图的构建精度,提出一种混合视觉即时定位与地图构建方法。利用相机和激光雷达标定获得具有颜色信息的点云,并对点云数据进行预处理,选取相邻帧点云之间的特征点,制定匹配策略,对匹配点采取未解耦的位姿求解算法,获取两帧间的变换矩阵作为后续帧间匹配的初值。分别利用KITTI数据集和实车试验数据进行验证,结果表明,所提出的方法轨迹点均方根误差分别优化了6.84%和4.53%,验证了所提出方法的有效性。

地下车库的雷达与相机融合即时定位与建图

为解决智能车在未知地下车库环境,由于单独使用二维激光雷达点云信息的数量有限,当存在动态障碍物时位姿匹配容易产生误匹配导致定位与建图精度降低的问题,提出了一种根据光照加权的扩展卡尔曼滤波算法将RGB-D相机的视觉信息和二维激光雷达的点云信息进行融合。首先,采用改进的IMLS-ICP(implicit moving least square-iterative closest point)算法对激光点云数据进行处理以得到更高的匹配精度;然后,针对视觉匹配算法较慢的问题,采用ORB(oriented FAST and rotated bRIEF)算法对直方图均衡化滤波优化后的图像进行处理来加快图像处理的速度与特征匹配的精度;采用视觉词袋模型进行回环检测来重定位以减少累计误差的影响;最后,通过搭建的汽车实验平台进行车库实验,验证了采用该方法能够得到更高的定位精度和更加准确的建图效果,提高了系统的鲁棒性。

自主移动机器人即时定位与地图构建方法研究

自主移动机器人的即时定位与地图构建是机器人领域中的关键问题。文中对自主移动机器人即时定位与地图构建研究的两个主要问题进行了分析,研究了不确定信息的描述和处理方法,以及数据关联的方法。综述了现阶段即时定位与地图构建的实现方法,其中包括两种卡尔曼滤波算法和粒子滤波算法,以及基于视觉的SLAM算法。通过分析现有算法的特点,提出了自主移动机器人即时定位与地图构建未来研究的发展方向。

一种鲁棒的多目视觉惯性即时定位与建图方法

针对深空环境下机器人精确自定位的大视野和防抖性要求,提出了一种基于多图像匹配和惯性约束的即时定位与建图(SLAM)方法。基于对多目情况下SLAM系统的像素投影与位姿跟踪过程的分析,引入紧耦合视觉惯性约束,以降低轨迹估计的累计漂移误差,增强系统的鲁棒性,使其在快速运动时定位不易丢失;针对鲁棒初始化的需求,提出了一种稳定的自动静止初始化方法。搭建了多目相机视觉惯性定位的仿真试验平台,在V-REP中搭建仿真试验场景,仿真结果验证了本方法的定位准确性和鲁棒性。

即时定位与建图过程中位姿估计算法优化与设计研究

障碍物的检测和避免可以被视为设计移动机器人的中心问题,这项技术为机器人提供了可以在不熟悉的环境中穿越而不导致自身损坏。避障机器人可以检测路径上的障碍物并在不发生任何碰撞的情况下进行机动的设计。点集配准算法是移动机器人位姿估计和地图构建中的一个非常重要的算法,广泛应用于模型重建、多视角配准、即时定位与建图(SLAM)等领域,ICP算法已得到国内外研究学者的高度评价。本文比较了迭代最近点(ICP)和基于群集的双向迭代最近点(IDCPBoC)算法。基于以上两种算法,对机器人进行姿态估计,并对移动机器人避障实验过程进行了分析。密集传感器方法(DSM)可构建环境图,IDCPBoC算法可以更好地避免障碍,IDCPBoC算法的准确性和收敛性优于ICP算法,且IDCPBoC算法运行时间较少,因此实时性能也大大提高了。

基于LIO-SAM建图和激光视觉融合定位的温室自主行走系统

为解决传统导航方案在温室内无法应对光照变化大、作物行间距窄、接收GPS信号差等问题,该研究提出了基于即时定位与地图构建技术的激光视觉融合式自主导航算法。该系统利用三维激光雷达VLP-16(Velodyne LiDAR,VLP-16)和惯性测量单元获取温室环境信息,采用基于紧耦合的雷达惯导定位建图(tightly-coupled lidar inertial odometry via smoothing and mapping,LIO-SAM)算法构建导航地图,基于轮式里程计和视觉里程计采用扩展卡尔曼滤波器算法实现局部定位,融合激光点云配准算法和自适应蒙特卡洛定位算法实现全局定位。同时,在自主行走系统应用A*算法规划全局路径和动态窗口算法规划局部路径,从而实现自主导航。试验结果表明,LIO-SAM算法构建的温室导航地图最大相对误差、最大绝对误差和均方根误差分别为9.9%、0.081和0.063 m,在温室内改进后的定位算法横向偏差小于0.020 m,纵向偏差小于0.090 m;当自主行走系统以0.15、0.30和0.50 m/s的速度运行时,横向偏差、纵向偏差和航向偏角的平均值分别小于0.120 m、0.10 m和8.5°,标准差分别小于0.070 m、0.140 m和6.6°。该导航方案满足自主行走系统在温室内高精度建图、定位和导航的需求,可为自主移动平台提供理论与技术支撑。

基于自适应特征及闭环优化的激光即时定位与建图算法

即时定位与建图(SLAM)应用的场景多样但受限于计算成本。基于此,提出了一种基于自适应特征及闭环优化的激光SLAM算法(FAST-SAM)。采用自适应特征提取方法Better Feature在不同的距离下保证特征提取的准确性,再通过基于随机一致性采样优化的地面特征滤除方法去除不可靠的特征并使特征数量保持稳定,在帧间匹配和闭环检测模块分别采用正态分布变换粗配准与最近点迭代精配准结合的匹配算法及所提两段式闭环检测算法,最终输出激光惯性里程计并建立全局点云地图。在LIO-SAM、KITTI开源数据集及广西大学实测数据集上的实验结果表明,与主流的SLAM算法相比,所提算法在提升精度的同时,将各环节的计算效率提升25.6%以上。

激光雷达SLAM下移动机器人双目视觉全局定位

移动机器人在未知环境中执行任务时,需精准感知地图环境和其他物体位置,确定其自身位置。为了提高移动机器人的全局定位精度,提出激光雷达SLAM下移动机器人双目视觉全局定位方法。依据双目视觉系统测距原理,选取双目摄像机中的任意一个相机建立主坐标系,构建双目摄像机模型,结合棋盘图与张正友标定法,标定双目摄像机中参数。在此基础上,计算单帧图像特征点的尺度,完成双目视觉初始化,利用权重函数计算任意一个特征点与线、与面之间的加权值和距离值,估计移动机器人的位置,引入非迭代畸变补偿方法,完成对移动机器人的全局定位。测试结果表明,所提方法的定位结果与实际运动位置之间的最小误差为0.1 m,该方法可以精准定位到移动机器人位置,指导移动机器人更好地执行作业任务。

消防侦检机器人的定位建图与路径规划

通过针对搭载气体检测、视频采集、激光雷达等多传感器的消防侦检机器人的即时定位、地图构建与路径规划问题进行研究。同时,还研究了激光雷达与深度相机数据融合、环境信息与地图信息的可视化、动态路径规划等关键技术,提升机器人的建图、定位与规划效率,实现机器人自动控制、自主定位、路径规划和信息采集,提高国内消防侦检机器人的智能化水平。

基于点云匹配的智能工厂室内定位算法研究

针对智能工厂中的无人叉车系统需要精准的室内定位来满足装卸货工序的需求,研究了基于SLAM的定位算法以及基于反光柱的两种激光点云数据匹配定位算法,分析了这两种方法的优势和问题,并提出了一种新的融合定位算法。算法以高精度的反光柱定位算法为核心,通过SLAM定位来弥补反光柱数量不足时的系统延迟和精度损失问题,从而实现了一套连续、稳定、可靠的室内定位系统,其定位精度可以满足无人叉车日常工作的需求,也可以直接用于具体的工业生产流程中。