2D激光SLAM中特征角点的提取方法

自主机器人定位中,从激光雷达扫描数据提取出精确的环境特征将能大幅提高即时定位与构图(Simultaneous localization and mapping,SLAM)技术中匹配的速度。目前,特征提取算法大多采用迭代计算的方法,计算复杂度高,计算量较大。针对此问题,提出了一种角点特征的提取方法。该方法避免了迭代计算,通过角点定位对分割结果进行修正,在保证精度的前提下,使用两点拟合直线代替了最小二乘法。首先,使用激光雷达获得的扫描点对应矢径长度和角度,计算相邻点的斜率差,对点集进行初始分割。然后,计算分割后每部分点集对应线段的斜率,对过分割的点集进行合并。最后,通过计算相邻两直线的交点对角点特征进行定位和提取。通过实验验证,该算法能够准确地提取出数据帧中的角点特征,并且具有较好的位置精度和计算效率。

基于特征地图的移动机器人EKF-SLAM和FastSLAM算法自主导航研究

对移动机器人未知环境中自主导航和SLAM(即时定位与构图)问题进行讨论。设计了一种构建2D可视化路标特征地图的方案,该方案结合单目视觉传感器和里程计的鲁棒感知模型,建立包含世界坐标系下三维信息的路标数据库,并获得全局环境下特征地图;提出了一种基于Python平台分析移动机器人自主导航鲁棒性的方法,通过在Python平台下引入扩展模块NumPy、PyLab构建仿真平台,对不同噪声环境下EKF-SLAM(扩展卡尔曼滤波器)和FastSLAM算法的导航过程进行了研究。实验显示了构图方案和仿真平台的可行性。