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。

动态场景下基于实例分割与光流的语义SLAM建图

视觉同步定位与建图技术常用于室内智能机器人的导航,但是其位姿是以静态环境为前提进行估计的。为了提升视觉即时定位与建图(Simultaneous Localization And Mapping,SLAM)在动态场景中的定位与建图的鲁棒性和实时性,在原ORB-SLAM2基础上新增动态区域检测线程和语义点云线程。动态区域检测线程由实例分割网络和光流估计网络组成,实例分割赋予动态场景语义信息的同时生成先验性动态物体的掩膜。为了解决实例分割网络的欠分割问题,采用轻量级光流估计网络辅助检测动态区域,生成准确性更高的动态区域掩膜。将生成的动态区域掩膜传入到跟踪线程中进行实时剔除动态区域特征点,然后使用地图中剩余的静态特征点进行相机的位姿估计并建立语义点云地图。在公开TUM数据集上的实验结果表明,改进后的SLAM系统在保证实时性的前提下,提升了其在动态场景中的定位与建图的鲁棒性。

动态场景下基于视觉同时定位与地图构建技术的多层次语义地图构建方法

为提高视觉同时定位与地图构建(SLAM)技术的环境适应性和语义信息理解能力,该文提出一种可以在动态场景下实现多层次语义地图构建的视觉SLAM方案。首先利用被迫移动物体与动态目标间的空间位置关系,并结合目标检测网络和光流约束判断真正的动态目标,从而剔除动态特征点;其次提出一种基于超体素的快速点云分割方案,将基于静态区域构建的3维地图进行优化,构建了物体级的点云语义地图;同时构建的语义地图可以提供更高精度的训练数据样本,进一步用来提升目标检测网络性能。在TUM和ICL-NUIM数据集上的实验结果表明,该方法在定位精度上远优于目前主流的动态场景下的视觉SLAM方案,证明了该方法在高动态场景中具有较好的稳定性和鲁棒性;在建图精度和质量上,经过将重建的不同种类地图与各个现有方法进行比较,验证了提出的多层次语义地图构建的方法在静态和高动态场景中的有效性与适用性。

基于视觉SLAM的矿井救援无人机建图研究

针对在矿井事故发生后,为了弥补视野不足,高效地开展灾后勘测和搜救任务,使用开源ORB-SLAM3算法和深度相机,结合使用无人机开发平台,对井下无人机定位以及矿井环境的建图进行研究。分别在有照明和昏暗条件下进行模拟试验,结论得到无人机的飞行轨迹,为实际的矿井救援过程提供了误差精确的运动轨迹与位姿地图。

基于激光雷达的牧场巡检机器人定位与建图算法设计

针对牧场巡检机器人定位精度和鲁棒性低、建图精度和稳定性差的问题,提出一种基于激光雷达测距和测绘技术与改进LOAM-SLAM算法的LOM-SLAM算法。LOM-SLAM算法在LOAM-SLAM算法的基础上将SLAM分解为运动估计和地图构建两个过程,利用激光雷达的高精度测距和测绘技术,实现同时进行机器人的定位和地图构建,从而提高定位与建图的精度,提高鲁棒性和稳定性。将LOM-SLAM搭载在麦轮结构的巡检机器人上进行试验验证。结果表明:在位姿估计试验中,LOM-SLAM算法的绝对轨迹误差(ATE)和相对位姿误差(RPE)的RMSE值分别仅为7.28 m和2.23 m,均低于对比算法。在定位与建图试验中,当巡检机器人分别以0.2 m/s、0.5 m/s、1 m/s的速度运动时,LOM-SLAM的定位误差分别为0.12 m、1 m、1.2 m,具有更好的定位精度和稳健性。

融合测深/测距信息的水下同步定位与建图技术

针对测深信息同步定位与建图技术(SLAM)应用于AUV中由于使用的多波束测深声呐相邻测量条带无信息冗余导致的帧间运动估计缺失和回访历史位置前无法准确定位问题,提出了一种融合测深/测距信息的水下SLAM技术。此方法在测深数据关联基础上,通过AUV和信标之间的声学通信增加测距信息约束,实现对AUV位置的实时估计。针对距离量测中的异常值易导致SLAM算法失效这一困难,提出了一种概率图形分割算法,同时,提出一种应用信息论节点约简算法,解决了测深/测距SLAM中位姿图中节点过多导致的算法实时性差难题。结合海上实测数据开展回放式仿真试验,结果表明:概率图形分割算法能够准确地识别出距离量测异常值,应用信息论节点约简算法能够剔除位姿图中的多余节点,缩短约60%程序运行时间;所提出的融合测深/测距信息的水下SLAM技术的绝对轨迹误差平均值为9.55 m,定位效果相较于测深信息SLAM(11.58 m)和仅测距SLAM(21.40 m)有明显提升。

SLAM技术在矿井智能化的研究现状与应用进展

智能采矿是矿井生产发展过程中的重要阶段,直接影响矿产企业的安全生产、矿产产量、经济效益和社会效益,随着矿井智能化水平的提高和相应政策的颁布,特别是我国智慧矿山和智能感知设备的快速发展和普及,矿井智能化地图构建和定位导航技术已成为重要的研究课题。回顾传统矿井地图绘制和定位技术的发展历程,结合矿井环境特点分析传统技术面临的挑战。介绍同步定位与建图(SLAM)技术在矿井智能化应用方面的优势,综述SLAM技术在非结构化复杂矿井工作环境下数字地图构建及无网络井下人、机/车定位导航的研究现状与应用进展。最后,对未来SLAM技术在矿井智能化领域中的发展趋势进行展望,即融合深度学习、三维重建与可视化、5G与云计算等。

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。

面向环形管道的电力巡检机器人设计与环境建图

在大型水电站中,离相封闭母线(isolated phase enclosed bus,IPB)只能通过预防性试验对设备状态进行检查,难以目视外观检查。为解决这种密闭狭小空间的环形管道的巡检困难问题,提出一种可在水平、竖直段上行走的轮式攀爬机器人。首先,对攀爬机器人移动和附着方式进行对比分析,根据实际工况,选用轮式推力附着方式并基于该方式对机器人整体结构进行力学分析;通过搭建的模拟IPB管道内的运动实验。结果表明:巡检机器人满足水电站内IPB管道的检修需求且具有良好的适应性;设计基于柱坐标的点云配准方法,解决了管道内无法正确建图的问题,且计算时间优于激光雷达里程计建图(lidar odometry and mapping,LOAM)及迭代最近点(iterative closest point,ICP)算法,拓展了激光雷达点云建图的应用范围。

基于2D-SLAM算法的机器人建图定位分析

当前社会生产要求机器人智能化水平不断提升,机器人自主运动能力被越发重视,而传统机器人运动控制方式较为落后。文章将现行的SLAM算法融入机器人运动控制技术,通过仿真以及实物测试的方式对比了2D-SLAM算法在具体场景下的建图定位效果。实际测试比较得到里程计信息的真实性对Gmapping方法建图定位的影响,并测试了Hector SLAM方法在模拟及真实场景中建图定位的性能,最终得出了Hector SLAM方法更适用于高特征值的现实场景建图定位策略的结论。

基于视觉SLAM和光流法的无人施药船定位精度研究

随着农业自动化技术的不断发展,无人施药船作为先进的水生养殖设备,逐渐得到广泛应用。文章采用视觉同步定位与建图(Simultaneous Localization and Mapping,SLAM)和光流法相结合的方法,提出一种提高无人施药船定位精度的方法。该方法能够有效提高无人施药船的定位精度和自主导航能力,具有广阔的应用前景,有助于提升农业生产的效率。

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。

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。

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。

基于视觉SLAM的煤矿救援机器人建图研究

当煤矿事故发生之后,为了能够快速进行灾后勘探和救援任务,利用开源的ORB-SLAM2算法和深度相机,结合已有的移动机器人平台,对位于井下的移动机器人的定位以及巷道环境的建图进行研究。分别在光线充足和有辅助光源的黑暗条件下进行模拟试验,得出了移动机器人的运动轨迹,为实际井下救援过程中煤矿救援机器人的自主导航系统提供尺度准确的2D栅格地图。

基于ROS的激光SLAM室内建图定位导航智能机器人设计

文章基于Linux系统上的ROS平台实现基本的SLAM算法,机器人可以实现构建室内地图、室内自动避障导航及室内定位等功能。底层主要以STM32和树莓派为核心,通过陀螺仪和码盘电机得到机器人方位和行走里程,使用激光雷达获取室内地图信息。在ROS上执行相应脚本,调用Gmapping,ACML算法实现室内地图构建和定位。

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。

基于扩展卡尔曼滤波的同步定位与地图构建(SLAM)算法研究进展

介绍了同步定位与建图(Simultaneous Localizaton And Mapping,SLAM)问题的数学模型,对基于扩展卡尔曼滤波的SLAM算法进行了详细的介绍给出了非线性优化SLAM方法的代价函数。最后,对利用神经网络拟合扩展卡尔曼滤波器与非线性系统误差的方法进行了介绍并对SLAM领域与深度学习的结合做出了展望。

面向工业园区无人车的激光建图与定位技术研究

针对工业园区中由于激光SLAM的累计误差造成的建图偏差问题,文章提出了一种基于RTK/全站仪的建图优化技术,利用因子图优化融合多源信息消除前端里程计漂移以获取更精确的位姿信息。另外,文章介绍了一种基于RTK/激光雷达/IMU/里程计的多传感器融合定位技术,以解决工业园区复杂环境下激光点云匹配定位不稳定的问题。论文对所述建图与定位技术进行了工程化实现与验证,试验结果证明了上述技术的有效性。

一种基于ROS的多传感器融合地图构建方法

为研究移动机器人室内传统单激光雷达建图方法对环境中镂空物体存在的漏扫问题,采用一种多传感器数据融合的方法,在轮式移动机器人上集成激光雷达、深度相机、轮式里程计和IMU等传感器,使用机器人操作系统开源的深度图像转激光数据功能包对摄像头采集的深度图像数据进行二维转换,将转换后的数据与激光数据融合;由于轮式里程计实际使用时轮子会打滑漂移,影响建图效果,需要将轮式里程计和IMU数据融合进行位姿估计,搭配融合后的激光数据,共同传给建图算法完成建图。结果表明:优化后的融合算法使得室内移动机器人对镂空物体建图更加清楚,障碍物识别更加准确,机器人的绝对位姿误差约0.15 m。多传感器融合的建图方法有效提高了移动机器人在室内环境中识别镂空障碍物的能力和机器人运动精度,为后续移动机器人地图构建提供一定参考。