基于Voronoi地图表示方法的同步定位与地图创建

针对基于混合米制地图机器人同步定位与地图创建(Simultaneous localization and mapping,SLAM)中地图划分方法不完善的问题,提出了基于Voronoi地图表示方法的同步定位与地图创建算法VorSLAM.该算法在全局坐标系下创建特征地图,并根据此特征地图使用Voronoi图唯一地划分地图空间,在每一个划分内部创建一个相对于特征的局部稠密地图.特征地图与各个局部地图最终一起连续稠密地描述了环境.Voronoi地图表示方法解决了地图划分的唯一性问题,理论证明局部地图可以完整描述该划分所对应的环境轮廓.该地图表示方法一个基本特点是特征与局部地图一一对应,每个特征都关联一个定义在该特征上的局部地图.基于该特点,提出了一个基于形状匹配的数据关联算法,用以解决传统数据关联算法出现的多重关联问题.一个公寓弧形走廊的实验验证了VorSLAM算法和基于形状匹配的数据关联方法的有效性.

基于全景视觉的移动机器人同步定位与地图创建研究

提出了一种基于全景视觉的移动机器人同步定位与地图创建(Omni-vSLAM)方法.该方法提取颜色区域作为视觉路标;在分析全景视觉成像原理和定位不确定性的基础上建立起系统的观测模型,定位出路标位置,进而通过扩展卡尔曼滤波算法(EKF)同步更新机器人位置和地图信息.实验结果证明了该方法在建立环境地图的同时可以有效地修正由里程计造成的累积定位误差.

基于粒子滤波的无线传感器网络辅助同步定位与地图创建方法研究

提出了一种新颖的无线传感器网络(WSN)辅助的移动机器人同步定位与地图创建(SLAM)方法,解决了传统SLAM方法难以解决的求解问题空间维数高和多数据关联困难两大问题.为该WSN辅助的SLAM方法建立了模型,并进行了噪声分析;在此基础上,提出一种适用本方法的分布式粒子滤波数据融合算法.着重分析了粒子初始化、预测、序贯重要性采样和重采样等关键步骤,并通过仿真实验分析验证了该方法的正确性和高效率.实验结果表明,采用粒子滤波算法,并综合无线传感器网络进行辅助导航,可以极大地降低求解问题空间维数,解决多数据关联错误问题,可以完全不依赖锚节点完成盲节点高精度定位;同时,还能够有效地提高移动机器人定位与地图创建精度,特别是在不要求机器人路径闭合的情况下可以有效抑制惯性导航的误差累计.

基于子地图的智能车辆同步定位与地图创建

为使智能车辆能在无法预先确定环境范围的条件下创建环境栅格地图并实时定位,提出了一种基于子地图框架的同步定位与地图创建方法。在子地图中设置重合区域与切换区域,以避免相邻子地图间的连续切换。实验结果表明,该方法可保证车辆在同步定位与地图创建过程中地图范围的动态增长和子地图间的稳定切换,具有较高的实时性和定位精度。

单目视觉同步定位与地图创建方法综述

随着计算机视觉技术的发展,基于单目视觉的同步定位与地图创建(monocular SLAM)逐渐成为计算机视觉领域的热点问题之一。介绍了单目视觉SLAM方法的分类,从视觉特征检测与匹配、数据关联的优化、特征点深度的获取、地图的尺度控制几个方面阐述了单目视觉SLAM研究的发展现状。最后,介绍了常见的单目视觉与其他传感器结合的SLAM方法,并探讨了单目视觉SLAM未来的研究方向。

基于部分惯性传感器信息的单目视觉同步定位与地图创建方法

传统的单目视觉同步定位与地图创建(MonoSLAM)方法很难处理累积误差问题,如何有效地利用惯性传感器输出的运动信息辅助SLAM系统抑制累积误差是MonoSLAM研究中的一项重要内容.由于惯性传感器输出的三轴方向角中横滚角和俯仰角的精度较高,而偏航角的精度相对较低,如果在SLAM系统中直接使用惯性传感器输出的偏航角信息不但无法有效地抑制该系统中的累积误差,反而会进一步增大系统误差、降低SLAM系统的稳定性.针对这种情况,提出一种基于惯性传感器横滚角和俯仰角的MonoSLAM方法.首先利用惯性传感器输出的横滚角和俯仰角进行系统标定;然后将惯性传感器自身的偏航角作为系统状态向量的一个分量,利用扩展卡尔曼滤波器实时地估计状态向量,进而实现实时鲁棒的同步定位和地图创建.实验结果表明,该方法可以有效地抑制SLAM系统运行过程中产生的累积误差,并降低惯性传感器测量误差对SLAM系统稳定性的影响.

可变形机器人在线同步定位与地图创建系统的设计与实现

本文针对室内复杂环境或废墟环境的特点,根据变形机器人的结构特点和运动特性,设计并实现在线同步定位与地图创建系统。同步定位与地图创建系统由环境信息获取子系统、机器人状态信息获取子系统、定位和地图在线更新子系统三部分组成。基于扩展卡尔曼滤波原理进行环境数据信息的估算处理,实现环境地图的在线创建和更新。最后通过室内环境实验验证了同步定位与地图创建系统的有效性。

用概率假设密度滤波实现同步定位与地图创建

针对杂波环境中传统同步定位与地图创建(SLAM)算法无法有效表达传感器多种信息以及容易发生错误数据关联的问题,提出一种基于概率假设密度滤波的SLAM算法。该算法将每一时刻传感器的观测信息和环境地图表示为随机有限集,建立联合目标状态变量;通过概率假设密度(PHD)滤波对机器人位姿和环境地图状态进行同时估计,并利用粒子滤波实现PHD滤波。在进行目标状态提取时,为避免聚类算法引入的误差,对粒子集进行时滞输出。提出的SLAM算法能准确表达观测的不确定性、漏检以及杂波引起的虚警等多种传感器信息,且避免了数据关联过程,使系统状态估计更接近真实值。仿真实验结果表明:与传统SLAM算法相比,新算法的机器人定位及环境构图精度提高了50%以上,为杂波环境下SLAM问题的研究提供了新的途径。

无人作战平台的同步定位与地图创建研究

针对无人作战平台存在着对通信链路高度依赖的问题,重点研究无人作战平台导航控制中的同步定位与地图创建技术。论文针对无人作战平台的同步定位与地图创建问题,采用扩展卡尔曼滤波来对无人作战平台位置和地图特征位置进行联合估计,完成了基于扩展卡尔曼滤波的同步定位与地图创建的预测。最后通过仿真验证了该预测模型的准确性。

混合新生地图信息的随机有限集同步定位与地图创建方法

在密集杂波和地图特征数目多的水下环境中,针对水下机器人同步定位与地图创建(SLAM)方法存在地图特征点位置和数目以及机器人自身位置估计精度较低的问题,提出一种改进的随机有限集SLAM方法,即混合新生地图信息的随机有限集SLAM方法,该方法在概率假设密度滤波(PHD)的预测阶段,将上一时刻之前已探测到的地图信息中靠近机器人位置的地图特征加入到观测信息中,作为预测阶段的新生地图信息集合,通过增加先验信息以提高地图特征位置和数目估计精度,改善预测阶段先验信息不足的问题.仿真实验将所提方法与传统RB-PHD-SLAM方法进行比较,当机器人回到已探测过的区域时,所提方法明显改善了地图特征位置和数目的估计精度.

基于分治法的同步定位与环境采样地图创建

在不使用几何参数描述大规模环境的前提下,提出了基于分治法的同步定位与环境采样地图创建(Simultaneous localization and sampled environment mapping,SLASEM)算法来同时进行定位与地图创建.该算法采用环境采样地图(Sampled environment map,SEM)描述环境,使算法不局限于用几何参数描述的规则环境.同时该算法实时地创建局部地图,并基于分治法合并局部地图,保证了算法的实时性.在合并两个子地图时,算法首先从环境采样地图中提取出角点,利用角点约束初步更新子地图;然后利用符号正交距离函数作为虚拟测量函数,再次细微地更新子地图;最后将两个子地图合并到一个大地图,约简冗余的环境采样粒子,以提高地图的紧凑性.两个实验的结果验证了所提算法的有效性和实时性.

基于拓扑米制混合地图的废墟环境同步定位与地图创建

针对废墟内部环境震害形态特点,提出面向废墟环境的地图表示方法构建机制.采用基于拓扑米制混合地图的表达方法在不同层次描述废墟环境.算法利用全局拓扑地图组织整体结构确保系统计算能力、环境适用性和交互性,并在各拓扑节点区域创建局部米制地图,描述破坏形态形成的不规则障碍.通过废墟模拟环境进行实验,验证了该算法在复杂环境中的同步定位及地图创建能力,证明该算法在实际救援等领域具有可行性及有效性.

面向废墟内部震害形态的同步定位与地图创建

根据废墟内部环境震害特点,采用层次分析法建立同步定位与地图创建系统地图表示方法构建机制,并提出基于拓扑米制混合地图的SLAM算法.根据局部破坏结构特点,提出角点特征聚集度作为拓扑节点识别方法,创建全局拓扑地图,完成节点识别、逻辑定位和闭环检测,以确保系统计算能力与交互性.局部米制地图通过栅格描述震害形态详细信息,确保算法环境适用性.通过实验对比,验证了算法环境细节描述和闭环检测能力以及在人工模拟废墟环境的有效性,证明了其在实际搜救和灾情评估等任务中的可行性.

改进粒子滤波器的移动机器人同步定位与地图构建方法

传统的基于粒子滤波器的移动机器人同步定位与地图构建(SLAM)方法往往随着迭代次数的增加会产生粒子退化的问题,提出了一种基于人工鱼群算法与定向重采样思想的改进的粒子滤波器用于移动机器人SLAM问题。方法首先将人工鱼群算法引入到粒子滤波器中,从而使得粒子分布在重采样之前就更加接近真实情况,然后利用定向重采样的方法,使得新产生的粒子更加接近于真实的运动情况,从而提高了机器人的位置估计精度与地图创建精度。仿真实验结果证明了该方法能够得到更多的有效粒子,而且能够提高粒子的多样性,并且提高SLAM性能。

基于RGB-D传感器的3D室内环境地图实时创建

对基于RGB-D传感器的室内环境3D地图的建立方法进行研究,针对最流行的RGBD-SLAM算法在建立完整3D地图时遇到的问题,提出了两个方面改进。一是改进子地图划分标准,使得多层图抽象可以更好的反映环境的拓扑结构,并具有更高的效率;二是在地图输出模块中添加冗余点去除模块,使得最后得到的地图数据量减少,为后续操作提供更准确的数据。实验中,将改进的方法和原始方法进行比较,比较结果表明,两个改进在建立室内3D地图时是完全有效的。

RFID技术在移动机器人同步定位中的应用

提出了一种用于室内移动机器人的同步定位算法.该算法利用射频识别(RFID)系统,将RFID标签实现的无线传感器网络与SLAM算法结合,依据RFID阅读器获得的标签数据对机器人定位.实验证明:基于RFID系统的定位算法在2维环境中能有效地对机器人进行定位和跟踪.

震后建筑内部层次化SLAM的地图模型转换方法

由于震后建筑内部环境受损程度和震害形态分布的无法预见性,层次化SLAM地图模型转换难以直接预设划分参数.本文提出一种基于图形分割的区域划分方法,实现层次化SLAM地图模型转换.通过对机器人里程和观测信息进行图形映射,基于信息熵生成节点集,将环境相似度作为边的权重,构建无向加权图及相似度矩阵;并采用归一化割策略对图形进行划分,得到以机器人观测视角的环境空间划分结果;方法在解决SLAM计算量递增问题的基础上,最小化相关信息损失,确保全局一致性.最后,通过仿真及模拟废墟实验,验证算法的有效性和可行性.

移动机器人在未知环境下的同步定位与地图重建方法

在标准FastSLAM中,随着重采样次数的增加会出现十分严重的粒子退化现象,从而导致机器人位姿估计的一致性很差.针对FastSLAM算法的这一缺陷,提出一种改进的FastSLAM算法.此算法在标准FastSLAM的重采样条件判断中,额外考虑了粒子权重协方差和每个粒子的测量残余一致性,并且使用指数等级选择算法进行新粒子的生成.通过仿真实验可以看出,改进的FastSLAM算法不但可以明显地提高机器人位姿估计的一致性,而且能够很好地保持粒子多样性.

VorSLAM算法中基于多规则的数据关联方法

针对单独依据马氏距离(Mahalanobis distance)的数据关联(Data association,DA)算法不能保证输出正确结果的问题,结合VorSLAM(Voronoi partition based SLAM)算法所采用的混合地图表示方法的特点,本文提出了一个基于多规则的数据关联方法.该数据关联方法依据的规则包括局部搜索规则、传感器观测特征的单向性规则、马氏距离规则和轮廓匹配规则,诸个规则在每个数据关联周期依次执行.局部搜索规则和传感器观测特征的单向性规则可以有效地降低数据关联的搜索空间,同时可避免一类潜在的数据关联错误;马氏距离利用了特征参数表示的特征位置信息寻找多个可能的数据关联假设;根据VorSLAM算法中局部地图描述了产生对应特征的局部环境轮廓信息,轮廓匹配规则从多个可能的数据关联假设中识别出正确的数据关联假设.基于多规则的数据关联方法系统可靠地解决了VorSLAM算法中的数据关联问题,方法的有效性通过两个室内环境的实验得到了验证.

基于粒子滤波的移动机器人SLAM算法

针对FastSLAM算法对传感器精度要求较高,不适用于方向性差的超声传感器问题,提出了一种基于超声概率栅格地图环境特征点提取匹配的移动机器人粒子滤波同时定位与地图创建(SLAM)算法.该算法可分解为机器人位姿估计和环境路标估计2个部分.基于蒙特卡罗定位原理利用粒子滤波算法对机器人运动轨迹进行估计;在建立全局超声概率栅格地图的基础上,利用概率栅格地图环境特征提取算法对环境路标坐标进行估计.实验证明,该算法较好地解决了超声测距传感器由于散射角大带来的特征点估计不准的问题,对环境路标和机器人轨迹的估计都比较准确.并对移动机器人累计误差进行了有效的补偿,减少了由于累积误差造成的移动机器人轨迹扭曲失真.