雾计算赋能机器人同步定位与地图构建

机器人探索预先未知的环境时通常需要同步定位和地图构建(SLAM),例如,在救援场景中,可以利用雾计算这种新兴的计算模式来实现更快、更精确、更节能的机器人SLAM。基于此,提出了雾计算赋能机器人SLAM的框架设计,并分析了其面临的挑战,最后通过真实试验床演示了该框架设计。

基于迭代卡尔曼滤波器的GPS-激光-IMU融合建图算法

在当前机器人导航和环境感知领域,室外大尺度场景下的三维激光SLAM一直是一个挑战性问题。由于GPS信号在某些环境下的不稳定性和激光SLAM的误差累积特性,传统算法在大尺度场景下表现不佳。针对室外大尺度场景下三维激光SLAM(同步定位和地图构建)存在的误差累积严重问题,本文提出了一种基于迭代卡尔曼滤波器的GPS-激光-IMU融合建图算法。该算法通过利用惯性测量单元(IMU)数据对机器人状态进行预测,同时以激光和全球定位系统(GPS)数据作为观测,更新机器人状态,推导出观测方程和雅可比矩阵,显著提高了建图的精度和鲁棒性。里程计中融合GPS数据的绝对位置信息以解决长时间运行中的误差累积问题。在特征稀疏的环境中,由于约束不足可能导致算法崩溃,GPS数据的引入可以提高系统的鲁棒性。此外,重力对于IMU数据预测机器人状态起到关键的作用。虽然重力是三维向量,但在不发生区域变化的情况下,其模长是不变的,因此被视为二自由度向量。通过将重力的优化转化为旋转矩阵群上的优化,成功避免了重力过参数化的问题,提高了算法的精度。在室外场景下与其他算法进行了性能测试对比并且验证了在大尺度场景下的鲁棒性和精度,结果表明:本文算法的均方根误差为0.089 m,与其他算法相比降低了54%。

鼠类脑细胞导航机理的移动机器人仿生SLAM综述

针对同步定位与地图构建(SLAM)问题中传统概率算法存在计算量大、复杂度高、易陷于局部最优解等问题,本文提出一种未来深入研究的方法建议,将鼠类脑细胞中边界细胞(border cells)、局部场景细胞(view cells)、网格细胞(grid cells)、速度细胞(speed cells)、位姿细胞(pose cells)等具有定位导航功能的细胞应用于SLAM研究中,构建一种基于多细胞导航机制的BVGSP-SLAM模型。结合具有实时关键帧匹配的闭环检测算法以避免光线变化对SLAM的影响,融入速度细胞和边界细胞以避免移动障碍物对SLAM的影响,利用鼠类混合细胞衍生出的数学模型分析该系统的鲁棒性和实时性。将生物细胞模型引入SLAM,并形成了建模、仿真与实验验证一体化的研究体系,为移动机器人SLAM研究领域多样化提供重要的理论参考。

基于thLSH的快速闭环检测方法

同步定位与地图构建(SLAM)问题是实现移动机器人在未知环境中自我定位和导航的关键技术,具有重大的理论意义和研究价值。闭环检测是SLAM中的一个关键模块,对机器人实时更新地图和避免引入错误的地图节点起着关键作用。本文将视觉闭环检测问题看作是图像检索问题,基于深度学习的思想,将Rand Net神经网络应用到闭环检测,并利用基于阈值的局部敏感哈希算法对其提取的图像特征匹配过程进行加速。实验结果表明:本文所提出的基于th LSH的快速闭环检测方法,在保证高准确率的前提下,特征匹配速度提升了10倍,能够更好满足闭环检测的实时性需求。

一种多层次数据融合的SLAM定位算法

针对2D激光SLAM(同步定位和地图构建)机器人导航中激光点云匹配计算量大、轨迹闭合效果差、位姿累积误差大、以及各环节传感器观测数据利用不充分等问题,提出一种基于多层次传感器数据融合的实时定位与建图方法——Multilevel-SLAM.首先,在数据预处理方面,利用IMU(惯性测量单元)数据预积分结果为激光点云配准提供坐标转换依据.对激光点云进行特征采样,降低点云匹配计算量.其次,通过无迹卡尔曼滤波算法融合IMU、LiDAR(激光雷达)观测量得到机器人位姿,来提高闭环检测效果.最后,将激光点云配准约束、闭环约束、IMU预积分约束加入到SLAM算法的后端优化中,对全局地图位姿节点估计提供约束配准,实现多层次的数据融合.在实验中利用LiDAR-IMU公开数据集对Karto-SLAM、Cartographer和Multilevel-SLAM算法进行性能测试对比.Multilevel-SLAM算法的定位精度始终保持在5 cm以内,而对比方法则存在不同程度的定位偏移.实验结果表明,在没有显著增加计算量的前提下,Multilevel-SLAM算法有效提高了闭环处的轨迹闭合效果,具有更低的定位误差.

基于SURF特征匹配的优化RatSLAM类脑导航方法

RatSLAM是模拟鼠类感知环境机制提出的一种定位与构图的导航算法。针对复杂环境如光线影响导致RatSLAM产生误差的问题,提出了基于SURF特征匹配与位置细胞校正算法的优化RatSLAM类脑导航模型。本方法通过一套移动视觉系统采集环境信息,构建的局部场景细胞通过SURF特征匹配算法获取到载体在环境中的方向与位置信息,头朝向细胞与位置细胞通过连续吸引子神经网络共同表示载体当前的位姿,利用上述细胞所获取的位姿与时间信息,通过路径积分计算当前载体在坐标系中所处的位置,最后构建基于认知点的拓扑经验地图。此外,在局部场景细胞获取环境信息的同时,通过SURF特征匹配算法来进行闭环检测与检测预先设置好的位置细胞节点,对当前运动轨迹进行修正。实验结果表明,在有光线影响的情况下,本文所提出的方法将绝对定位误差大大降低。

基于SLAM技术的地下空间三维实景建设关键技术研究

利用室内移动扫描、多源遥感数据融合、实景三维建模、视觉识别等新兴的测绘地理信息技术完成了地下空间普查、地下空间数据建库、应用系统开发和应用接口开发4个层面内容的研究,旨在构建地下空间基础数据体系和应用服务体系,实现宏观环境中的微观信息集成与应用,促进智慧城市的精细化管理。