基于Web的室内实时定位地图系统的研究与实现

针对在一些大型室内场馆内的定位和导航信息检索问题,提出了一种应用在Web环境下的室内实时定位地图系统的设计方案。按照地图的分层设计模型,将定位地图图层分成动态图层和静态图层分别进行处理。其中,引用canvas技术根据从服务端获取的坐标将定位结果绘制在客户端实现动态图层的设计;结合SharpMap的图层处理接口和自定义图层类的方法实现静态图层的设计,在完成地图图层设计的基础上引入Java Script,实现了地图的交互功能。通过实验证明该地图系统已经可以运行在室内无线定位系统当中,进行移动、缩放以及定位信息查询等操作。

基于AMC算法的变电站巡检机器人地图创建与定位

变电站的设备巡检工作对于保证供电可靠性起着至关重要的作用,传统的人工巡检方式效率低,工作量大,难以取得理想的结果。机器人巡检已成为智能电网未来发展的趋势。文中研究变电站巡检机器人实时定位和地图创建(SLAM),根据巡检业务特征实现SLAM建模,提出一种基于自适应蒙特卡洛(AMC)算法的巡检机器人SLAM方法,考虑变电站实际环境动态和巡检机器人特征的复杂性,实现机器人二维地图的创建和实时定位。仿真结果表明,基于AMC的巡检机器人SLAM定位精度更高,针对不同过程噪声的抗干扰性更强,更适用于变电站巡检机器人的SLAM问题解决和实践应用。

基于点线特征匹配的实时定位及地图重建方法

目前实时定位及地图重建(SLAM)算法中的实时定位技术已趋于稳定,研究视野转向基于点线特征的半稠密SLAM算法。针对此研究方向,提出了一种基于点线特征的SLAM算法。首先,在视觉前端使用基于三斑块与局部灰度差分的oriented fast and rotated brief(ORB)算法提取特征点并匹配。同时使用multiscale line segment detector(MLSD)算法提取线段特征并匹配,使系统在点特征几何变换的基础上加入了线特征的约束条件来计算位姿变换。然后使用点和线约束通过局部bundle adjustment(BA)方法优化位姿。最后进行回环检测来重定位。对所提算法在Euroc数据集上进行了测试,并与同类算法进行了比较。实验结果表明:所建地图相对较为稠密且轮廓清晰、准确度高;同时在V1-02-mdeium、V2-02-mdeium、MH-02-easy、MH-03-medium、MH-04-difficult数据集中均方根误差(RMSE)分别是0.045、0.0561、0.0539、0.0491、0.0623,相对最低。研究结果表明所提算法在同类算法中具有相对较好的建图效果和较高的精度。

一种偏振光/双目视觉仿生组合导航方法

针对复杂干扰环境下智能移动机器人自主导航问题,为了实现低成本、高精度、强鲁棒性、完全自主的导航,提出了一种偏振光/双目视觉仿生组合导航方法。首先,设计了图优化紧耦合的组合算法,推导优化函数并将偏振定向传感器/双目视觉传感器的数据融合,然后,搭建仿生偏振定向传感器/双目视觉传感器仿生组合导航实验平台,最后,通过室外汽车搭载实验对该仿生组合导航系统的性能进行了测试,并与传统视觉算法进行了比较。结果显示:航向角精度较传统视觉算法提高了38.9%,位置精度提高了8.9%。该组合导航系统可以减小传统视觉算法航向角误差、提高鲁棒性,而且使用仿生偏振定向传感器实时性好、抗干扰能力强,可以满足室外地面载体导航时的精度和可靠性要求,同时该组合导航系统使用两种仿生导航方式,更加接近生物导航机理。

未知环境下的机载自主导航

文中研究自主导航问题,在未知先验知识情况下,实时定位与地图创建算法能够提供飞行器状态信息,是可以在线创建地图并实时利用产生的地图来抑制导航误差的地形辅助导航系统。

基于偏振光传感器的仿鼠脑导航方法

面对长距离复杂场景下的自主移动机器人导航问题,仿生鼠脑的RatSLAM相较传统SLAM更加高效。但完全依赖视觉信息,导致其精度不高、可靠性不足。通过引入天空偏振光定向,高效地提供精准的绝对航向角,可以弥补RatSLAM的不足。设计并搭建了一种偏振光仿鼠脑导航系统及导航实验平台,经过室外道路实验验证了系统的性能,并与RatSLAM进行了比较。实验结果表明,偏振光仿鼠脑导航系统和RatSLAM的平均位置误差分别为3.65 m和26.29 m,平均角度误差分别为0.36°和2.39°。该系统减少了累积误差,实现了高效、强鲁棒性、轻量化的自主导航。

基于SLAM的无接触式服务医疗车设计

在一些流行性传染病突发时,如何将药品以及其他生活必需品做到无接触配送、减少医护人员以及志愿者的工作风险是至关重要的问题。本项目设计的基于实时定位与地图构建算法(Simultaneous Localization And Mapping,SLAM)和机器人操作系统算法(Robot Operating System,ROS)的无接触式服务医疗车旨在解决上述存在的难题,推进疫情防控工作的进行。文章重点阐述了此医疗车的方案设计以及一些安全技术支持,涉及到人工智能、信息感知、自动控制、路径规划等多个领域的相关知识,最后,对医疗车的发展进行了总结和未来展望。

基于点云深度信息的有效点云阈值自适应方法

复杂环境中实时定位与地图构建(SLAM)是机器人自动导航研究领域的难点之一。机器人所处周边空间环境的剧烈变化易使SLAM构图出现漂移和重影,降低构图的精度。为此本文提出了一种有效点云阈值的自适应优化方法,以提高SLAM算法在复杂环境的适用性。该算法通过实时计算激光点云的三维数据得到点云的深度信息,并依据深度信息的波动性和点云分布的离散系数自适应优化有效点云阈值,从而实现闭环控制。试验表明,本文阈值自适应优化方法明显改善了快速且直接的激光雷达与惯性里程计算法在复杂环境中的构图效果,矫正了该算法在狭窄环境中的里程计坐标误差,并将回环定位误差降低了7.5%。

基于图优化理论和GNSS激光SLAM位姿优化算法

提出一种激光雷达SLAM(simultaneous localization and mapping)位姿优化算法。该算法基于图优化算法理论并融合GNSS(global navigation satellite system)数据,在位姿图中加入卫星定位节点,可以有效将无回环时轨迹误差控制在GNSS定位误差范围内,有长时性回环时可以准确定位回环检测点,从而达到提高激光雷达SLAM位姿全局一致性的效果。在室外刚性特性较好的城市环境和刚性特性较差的非城市环境下进行测试,从结果可以看出:所提算法将在无回环300m距离直线建图情况以及在360m以上距离一次、二次回环情况下的轨迹偏差分别控制在1m左右、0.2m以内以及0.1m左右,这充分证明了所提算法的有效性。