基于局部子地图方法的多机器人主动同时定位与地图创建

研究了多机器人在未知环境下以主动的方式协作完成同时定位与地图创建(SLAM)的问题.引入局部子地图方法,由每个机器人建立自身周围局部区域的子地图,使多个机器人之间的地图创建相互独立,从而对全局环境的SLAM问题进行分解.而每个机器人在建立局部子地图时将主动SLAM问题转化为多目标优化问题;机器人选取最优的控制输入,使定位与地图创建的准确性、信息增益以及多机器人之间的协调关系得到综合优化.最后,通过扩展的卡尔曼滤波器(EKF)对子地图进行融合得到全局地图.仿真结果验证了该方法的有效性.

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。

基于签名向量与路标定位的子地图匹配算法

在移动机器人的分层同时定位和地图构建SLAM算法中,通过签名元素实现局部子地图的匹配存在计算复杂性的问题,提出了通过构建签名元素向量的方法来解决子地图匹配的问题;由于机器人在重复访问某一个区域的时候,两次的运动轨迹不可能完全重合,因此在该方法中结合了基于路标进行定位的技术,从而实现可靠的回路闭合确认计算。另外,讨论了在获得全局地图的后处理过程中存在两个或者多于两个的闭合回路共享部分路径时,实现全局优化的算法中限制条件的修改问题。最后,通过一个算例说明子地图匹配过程的具体操作。

一种适用于激光SLAM大尺度地图的闭环检测方法

针对2D激光SLAM在大尺度地图的闭环检测中,存在匹配候选集数量庞大和容易发生误检的问题,提出了基于子地图匹配的闭环检测方法。该方法首先使用连续几帧的激光数据构建子地图,并用构建的子地图生成压缩表;然后结合机器人的位姿估计,利用压缩表进行粗扫描匹配,筛选出闭环检测的匹配候选集,提升匹配速度;最后用经筛选的匹配候选集进行细扫描匹配来检测闭环,以满足SLAM在大尺度地图下闭环检测的速度和准确率要求。实验结果表明,该算法可有效提高闭环检测的可靠性并显著减少匹配候选集数量。

基于改进GICP配准的激光-惯性SLAM算法

激光点云配准性能是影响激光-惯性SLAM系统精度和实时性的重要因素,对于多线激光雷达,大量的待配准点虽然能提高配准精度,但是也会降低系统运行效率。针对该问题,提出了一种基于改进广义迭代最近点(GICP)配准的激光-惯性SLAM算法。首先,用改进的GICP算法进行点云配准,通过减少待配准点数量提高配对点的质量,增加迭代目标,提高了定位精度。其次,针对改进的GICP算法提出了一个高效的子地图模型,提高了系统运行效率。在KITTI数据集上的实验结果表明,与改进前的算法相比,所提算法的定位误差降低了69.98%;与Le GO-LOAM、LIO-SAM算法相比,所提算法的平均定位误差分别降低了88.44%和62.42%。同时进行了实测实验验证,与LeGO-LOAM、LIOSAM算法相比,所提算法的平均定位误差分别降低了21.02%和24.77%,且具有更高的系统运行效率。

通讯范围受限条件下的多机器人主动SLAM

针对机器人通讯范围受限的问题,提出一种新的多机器人协作同时定位与建图(simultaneous locali-zation and mapping,SLAM)方法。多个机器人采用基于最优控制的主动探索策略,创建自身周围区域的子地图,在每个建图周期内使用扩展的卡尔曼滤波器(extended Kalman filter,EKF)估计和维护子地图状态,并在一个周期结束后联络其通讯范围内的其他机器人,进行子地图的传递与融合。同时,为避免由通讯范围受限带来的地图过度融合问题,每个机器人保存每个建图周期内的局部子地图,待与其他机器人相遇时只传递并融合子地图的增量部分。仿真实验验证了该方法的有效性。

最短路径搜索算法的几种优化改进

介绍了GIS领域最短路径搜索的一种优化模式。在Dijkstra’s算法的基础上,从三个方面改进了最短路径的计算。首先引入了多级路线图,在读取线路数据时,根据路线的级别有所选择;其次,在计算最短距离时考虑速度的影响;最后,在道路的转弯处,引入虚拟路径来估算转弯对汽车行驶的影响。应用以上三种方法的实验,取得了很好的效果。