基于特征点改进的视觉SLAM定位研究

为改善视觉SLAM系统在低纹理环境下定位精度较低的现象,提出一种改进的ORB特征点提取策略和一种关键帧选择机制;首先采用多尺度分析和基于局部灰度的特征检测方法克服一般ORB算法缺乏尺度和旋转描述的缺点;其次提出一种基于高斯模糊的图像信息增强方法解决传统ORB特征点提取方法在纹理信息不被突出环境下容易失效的问题,并对图像进行象限分割使特征点均匀分布;最后为剔除劣质关键帧,设计了一种综合时间因素与特征点数量因素的关键帧选择机制;将提出的方法移植到ORB_SLAM2上,并在TUM数据集上测试,实验结果表明,视觉SLAM系统的定位误差平均降低14.688%,证实了该方法的有效性。

多ROS移动小车同步定位构图与自主避障方法研究与实现

单个ROS移动小车已无法完成多类型场景的快速同步定位与构图,为此需要多个ROS机器人的协同定位、构图与自主避障。选择了麦克纳姆轮的全向移动机器人作为单个ROS小车,开展了Gmapping、Hector、Karto和Cartographer四类同步定位与建图方法研究和效果对比分析,完成了多个ROS小车的同步定位与构图实验,实验结果表明基于Gmapping方法精度最高,选择该方法实现定位与构图,在获得环境地图基础上设计了基于领航—跟随方法的多个ROS小车协同避障,并分别进行了有障碍物和无障碍物的自主避障实验,结果表明了自主避障策略的有效性。

基于目标识别的视觉SLAM室内定位增强方法

针对室内动态场景中的空间定位精度低、鲁棒性不足等问题,提出一种适用于室内动态场景下的定位增强方法。首先,该方法按照物体的运动属性将室内常见物体进行分类,并使用YOLOv5s神经网络进行目标识别,获取目标检测框的位置以便后续筛选动态特征点;然后,设计一种特征点选取策略,通过边缘检测和深度信息过滤,确定目标检测框中哪些特征点具备动态运动的可能性;最后,提出一种融合时间步长和特征点数量的关键帧选择算法,用于剔除冗余关键帧,减少多帧之间的特征信息重叠。将所提出的定位增强方法移植到ORB-SLAM2中,并基于德国慕尼黑工业大学(TUM)公开的RGB-D数据集进行测试。实验结果表明,本文的定位增强方法相较于ORB-SLAM2的平均定位误差有了明显降低,可以验证本文方法的有效性。

基于3D LiDAR SLAM的定位与制图方法研究

针对GNSS在室内环境中无法准确定位的问题,本文采用3D LiDAR SLAM算法实现在上述环境中的高精度定位,同时构建高质量三维点云地图。本文主要针对传感器数据预处理、LiDAR SLAM前端匹配、LiDAR SLAM后端优化、三维点云地图构建4个部分进行系统的研究。通过搭建实验平台并设计真实场景下的定位与建图实验,验证3D LiDAR SLAM算法的有效性。实验结果表明,在复杂的室内场景中,3D LiDAR SLAM的定位精度可到达分米级,建图精度可达到厘米级。

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。

浅谈SLAM同步定位构图及多普勒3D扫描技术与视觉智能产品的有效结合

现代智能化产品不断涌现,SALM同步定位构图、DOPPLER多普勒3D扫描技术广泛应用于视觉产品的结合,成为新一代人工智能产品,本文着重介绍了相关原理,以及实际产品的发展、研发和生产过程,并展望了该技术未来的发展情况。一、概述1、SLAM(Simultaneous localization and mapping)同步定位构图技术起源该技术来源于美军的潜水艇的深水定位测试技术,在目前产品应用中,是同步定位按装在智能机器人上视觉相机系统,实时记录视觉相机系统的行走轨迹及周边场景,构建相应场景地图。

水下石油管道漏油检测定位的粒子滤波SLAM算法

针对海底石油管道漏油位置检测定位这一问题,提出了捷联惯性导航系统与同时构图定位算法相组合的水下导航定位方法。利用声纳传感器采集石油管道的特征位置信息,在同时构图定位算法的作用下构建管道地图并获得高精度定位信息。然后利用粒子滤波算法将上述获得的定位信息与捷联惯性导航系统相结合,以补偿其位置误差积累。仿真实验结果显示所述组合方法的定位精度较高,达到总航程的0.1%。

基于SLAM算法的机器人智能激光定位技术的研究

为了提高机器人行走的自主地图规划能力,需要进行机器人智能定位设计,提出一种基于同时定位与地图创建技术(SLAM)的机器人智能激光定位技术。采用激光传感器量化跟踪融合方法构建机器人同时定位地图创建模型,根据机器人的环境适应度建立机器人运动空间环境,在存在障碍物的环境下采用最短路径寻优算法进行机器人信息素规划,在运动方向一致性条件下设计SLAM算法构建避障规则,结合激光传感技术实现机器人的移动路径定位。仿真结果表明,采用该方法进行机器人智能激光定位精度较高,机器人的路径规划准确性较好,避障能力较强。

基于SLAM的地磁导航定位

目前的地磁匹配制导算法多数需要基于高精度的地磁基准图,但实际中多种因素的影响,使得事先获取载体工作环境的精确地磁图很困难。为了实现载体不依赖于基准图的地磁导航定位,通过深入研究机器人和水下潜艇中所应用的导航定位方法,提出采用适用于地磁特点的同时定位与构图(SLAM)算法进行导航定位,并对基于SLAM的地磁导航定位关键技术进行了分析。

基于SLAM定位的多位姿点云拼接与分割方法研究

该文提出一种基于SLAM定位的多位置和姿态点云的拼接与分割方法,可提供信息量大且准确的点云样本数据。首先,利用RTAB-MAP框架构建SLAM算法,由KinectV2传感器采集获得带有位姿信息的多角度RGBD图像样本,并转化为三维点云场景数据;其次,改进ICP算法并基于SVD算法设计多位姿点云的拼接算法;再次,根据原始点云的RGB信息与凹凸性特征,设计三维点云分割算法,以此形成一系列点云目标;最后,开展点云拼接和点云分割实验,实验结果验证了该文所提算法的正确性和有效性。

一种融合单目视觉SLAM与GPS的无人机视频目标定位方法

提出一种融合单目视觉SLAM与机载GPS信息的无人机视频目标定位方法。首先利用单目视觉SLAM实时估计相机相对位姿,融合机载GPS数据,得到WGS84坐标系下的相机位姿估计;其次利用融合后的相机位姿将已知GPS路标投影到像平面,实现GPS路标与无人机监控视频的叠加显示;最后通过关键帧间的极线搜索匹配确定目标像素点的匹配点,并将其反投影到三维空间得其对应的GPS坐标,实现无人机监控视频中的GPS位置查询。实验验证了该方法的有效性、精确性与实时性。

SLAM问题中机器人定位误差分析与控制

移动机器人同步定位与建图问题(Simultaneous localization and mapping,SLAM)是机器人能否在未知环境中实现完全自主的关键问题之一.其中,机器人定位估计对于保持地图的一致性非常重要.本文分析了SLAM问题中机器人定位误差的收敛特性.分析表明随着机器人的运动,机器人定位误差总体上逐渐增大;在完全未知环境中无法预测机器人定位误差的上限.根据理论分析,本文提出了一种控制机器人定位误差在单位距离上增长速度的算法.该算法通过搜索获得满足定位误差限制的最佳的机器人运动速度,从而控制机器人定位误差的增长.

SLAM问题中的模糊几何地图与顶点自定位法

在模糊几何地图的基础上提出了顶点定位法来解决机器人的室内SLAM中的实时自定位问题．顶点定位法是从传感信息中抽取多边形顶点作为路标进行定位．顶点定位法与传统的边匹配定位法比较有计算量小,定位精度高等优点．此外本文提出了基于空间距离的传感数据两次分类方法构建模糊几何地图,提高了数字地图精确度．实验结果表明其性能优于传统的方法．

基于迭代扩展Kalman滤波建议分布和线性优化重采样的快速同步定位与构图

针对标准快速同步定位与构图(FastSLAM)方法中由于样本退化及贫化导致自主水下航行器(Autonomous Underwater Vehicle,AUV)及路标位置估计精度严重下降的问题,该文提出一种基于迭代扩展Kalman滤波(Iterative Extended Kalman Filter,IEKF)建议分布和线性优化重采样的FastSLAM方法,通过IEKF融入最新观测值从而降低样本退化,为了降低样本的贫化,将重采样过程中复制的样本与部分被抛弃的样本通过线性组合产生新样本。建立AUV的运动学模型、特征模型及传感器的测量模型,通过Hough变换提取特征构建全局地图,采用改进的FastSLAM方法基于海试数据进行了AUV同步定位与构图试验,结果表明该文所设计的方法能够有效避免样本的退化及贫化,提高了AUV及路标的位置估计精度;此外,一致性分析结果表明所设计算法具有长期一致性。

一种基于网格结构图象的目标匹配定位方法

为了在不降低图象目标配准精度的前提下 ,加快匹配速度 ,提出了一种基于网格结构图象的从粗到细的目标匹配混合算法 .该算法首先基于网格结构图象来抽取图象和模板的主要结构信息 ,以构成图象和模板在粗尺度上的一种表示 ,进而在这种粗尺度表示的图象上进行相似度粗匹配 ;然后基于引导的搜索策略 ,将粗匹配的目标位置对应到原图象的一些小区域 ,再采用部分Hausdorff距离匹配方法在这些小区域进行二次匹配和精确定位 ,经上述两个步骤的混合使用 ,不仅极大减少了计算开销 ,且没有降低匹配的准确度 ,将该混合算法与无粗匹配的部分Hausdorff距离全图匹配算法相比较 ,速度提高非常显著 ,该算法在集成电路显微图象上进行测试 ,取得了很好的效果 .

水下无人航行器结构环境SFEKF同步构图定位方法

针对传统同步构图定位(SLAM)传感器具有数据量大、处理速度慢、实时性差的不足和基于扩展卡尔曼滤波的同步构图定位(EKF-SLAM)具有对水下无人航行器(UUV)位置估计精度低、甚至发散的缺陷,把带次优渐消因子的扩展卡尔曼滤波器应用到了导航系统中,提出了基于多元测距声呐(MRS)的UUV结构环境SFEKF-SLAM(suboptimal fadingextended Kalman filter-SLAM)方法.首先建立基于霍夫变换的水下MRS特征提取模型,设计了基于SFEKF-SLAM的UUV导航系统,利用该系统可以对UUV的状态进行预测,结合MRS信息可以对UUV周围结构环境进行状态更新.海试结果验证了基于霍夫变换的水下MRS模型能够有效提取环境特征,基于SFEKF-SLAM的UUV导航系统相对于常用的基于EKF-SLAM的UUV导航系统具有更高的定位精度,能够构建更加精确的港口堤岸地图.

基于异质传感器信息融合的移动机器人同步定位与构图

针对采用单一传感器在移动机器人同步定位与构图(SLAM)中存在定位精度低、构图不完整等问题,提出一种基于Kinect视觉传感器和激光传感器信息融合的SLAM算法。首先将Kinect传感器获取的深度图像,经过坐标系转换得到三维点云、通过限制垂直方向滤波器过滤三维点云的高度信息;再将剩余三维点云投影到水平面并提取边界点云信息转化为激光扫描数据;然后与激光传感器的扫描数据进行数据级的信息融合;最后输出统一数据实现移动机器人的构图及自主导航。实验结果表明,该方法能够准确地检测小的,及特征复杂的障碍物,能够构建更精确、更完整的环境地图;且更好地完成移动机器人自主导航任务。

改进EKF-SLAM自动落布车定位算法

为提高自动落布车定位精度,解决扩展卡尔曼滤波(extended Kalman filter, EKF)同步建图与定位(simultaneous localization and mapping, SLAM)算法在强非线性系统中误差增大、系统定位精度降低等问题。结合多新息(muti-innovation)理论,提出迭代多新息扩展卡尔曼滤波同步建图与定位(IMI-EKF-SLAM)算法,使自动落布车定位系统在状态更新过程中,从对当前时刻的一次更新到对多个时刻的多次迭代更新,并对迭代值n、新息维度p进行了探讨。仿真和实验结果表明:改进算法减少了状态估计误差,并且当迭代值n为2,新息维度p为3时,IMI-EKF-SLAM算法定位效果最佳。

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。

图像语义信息在视觉SLAM中的应用研究进展

视觉同步定位与建图(visual simultaneous localization and mapping,VSLAM)技术以相机为主要传感器采集图像数据,基于多视几何、状态估计等算法原理获取载体的位置和姿态,同时构建一张用于导航定位的地图。视觉SLAM是自动驾驶、AR(augmented reality)、VR(virtual reality)、MR(mix reality)、智能机器人、无人机飞控中的关键技术。近年来,随着各个产业对智能导航定位的需求日渐增多,原本以几何测量为主的视觉SLAM逐渐融入对环境的语义理解。语义信息是指能够被人类直观感受和理解的概念,而图像语义信息是指图像中物体的轮廓、类别、显著性等信息。相比于图像中的几何特征,语义信息更具时空一致性,且更贴近人类感知的结果。将图像语义信息引入视觉SLAM,既能促进系统各个模块的性能,还能够提升视觉SLAM的智能感知能力,形成集几何测量、定位定姿、环境理解等多种功能的视觉语义SLAM。本文根据图像语义信息的应用方式,对视觉语义SLAM经典方案和最新研究进展进行归纳梳理。在此基础上,本文总结了视觉语义SLAM的现存问题与挑战,指出该领域未来的研究方向,以推动其面向智能导航定位进一步发展。