复杂环境下多机器人协作构建地图的方法

针对复杂环境以及无法获知机器人位置信息的情况,提出一种多移动机器人协作构建地图的新方法。该方法采用独立探索、集中建图的探索策略,对环境建立局部栅格地图并予以融合。在地图融合过程中,无需已知机器人的相对位置信息,而是以栅格地图相似度为度量标准,利用距离变换和改进的遗传算法高效、快速地搜索各局部地图之间的最大重叠部分,进而予以融合。此外,考虑到局部地图无重叠部分的情况,引入判断函数对融合结果予以度量。实验结果验证了该方法在复杂环境下的可行性和有效性。

受限移动机器人构建地图的最优探测法

对复杂未知环境构建地图是移动机器人面临的一大问题。通常忽略未知环境的几何特征,将其抽象成未知无向连通图,机器人只沿着图的边进行搜索,并将走过每条边的成本看成是1。机器人构建地图的成本用走过的总边数来表示。对于一个完全未知的环境,从一点出发,限制移动机器人最远能走(如燃料问题及安全线或通信线等)步(边数)的范围内,基于深度受限剪枝生成子树的方法,结合广度优先搜索和受限的深度优先搜索染色策略,给出了对未知环境构建完整地图的有效算法,该算法的成本为||+||,这是目前最优结果。

一种非结构环境下多机器人构建地图的方法

提出了一种多移动机器人在非结构环境下构建地图的新方法。该方法让各机器人独立探索环境并对不同的局部栅格地图予以融合。在地图融合过程中,无需考虑机器人相对位置的先验信息,而是以栅格地图相似度为度量标准,利用距离变换和改进的遗传算法高效、快速地搜索各局部地图之间的最大重叠部分,进而予以融合。实验结果表明,与常规方法相比,该方法能够较为精确地实现非结构环境下多机器人地图构建,且限制条件少,更适合于实际应用中的各种复杂情况。

移动机器人构建地图的研究与发展

系统地综述了移动机器人探测环境构建地图的研究现状,总结了探测环境研究中机器人的自定位、传感技术及其不确定性的补偿和不同性质数据的融合算法,在此基础上分析了该研究领域中存在的问题,并对该研究方向未来的发展趋势进行了展望。

基于视觉同时定位与地图构建的水下图像增强式视觉三维重建方法

针对仿生机器鱼水下作业时面临的水下图像质量偏低、水下自主定位难的问题,提出一种颜色均衡与G-B通道先验融合的水下图像增强式算法。将该算法和视觉同时定位与地图构建(SLAM)方法结合,实现了水下图像增强式的视觉三维重建。在不同水域环境下进行了水下图像处理实验、水下环境视觉三维重建实验和运动轨迹跟踪实验,结果表明该方法有效提高了水下图像综合质量,特征匹配效率提高了16.03%,真实轨迹与估计轨迹的误差平均约为7.99 mm。

一种融合激光与视觉的轻量级地貌地图构建方法

机器人在复杂环境中的工作性能与环境的交互作用息息相关,但传统的几何映射无法充分捕捉环境的细节信息。然而,现有的移动机器人的环境模型通常为二分类激光地图或小范围的低实时性语义地图,缺乏可承载多样化地貌信息的轻量级环境模型。针对该问题,文中提出了一种融合激光与视觉的轻量级地貌地图构建方法。该方法在时间和空间同步的基础上,利用改进CSPResnet的轻量级网络提取地貌的语义信息,并与点云相融合生成包含地貌信息的语义点云,以构建具有地形描述的地貌地图。同时为通过并行策略提高构图实时性,采用改进的ICP算法对点云配准进行优化,基于局部子图拼接方法构建大范围场景下的地貌地图。在实际场景中进行实验,结果表明所提方法可有效识别多种典型地貌,并在有限机载算力下构建轻量级地貌地图。

融合逆密度梯度和双线性插值的深海地图构建

为提高深海探测机器人水下作业的效率和安全性,提出一种融合逆密度梯度聚类和双线性插值的地图构建方法。将机器人所采集的海底环境图像进行灰度化、分割和去噪预处理;对障碍物区域的图像像素进行聚类;根据探测机器人结构尺寸对聚类后二值图像进行改进双线性插值的局部膨胀处理,获得最终环境地图。2种不同环境的地图构建结果表明:传统Meanshift算法和双线性插值算法相比,融合逆密度梯度聚类和双线性插值的图像处理能够实现地图中非可行区域的确定,检出率平均提升26.1%,漏检率平均降低31.4%,该方法有效。

基于点线特征的视觉同时定位与地图构建综述

同时定位与地图构建(simultaneous localization and mapping,SLAM)作为计算机视觉中的热门方向,在无人驾驶、移动机器人等领域中发挥着重要的作用。由于线特征在低纹理环境下的优势,越来越多的研究人员利用点线特征融合的方法提高SLAM系统的精度和鲁棒性。文中首先简要阐述了传统的点特征SLAM系统在低纹理环境下的局限性,并对现有的视觉SLAM综述文献进行了总结;随后,对经典的点线SLAM方案进行了介绍,并总结了点线特征融合在前端、后端、闭环检测中的研究进展;最后,对点线SLAM未来的发展方向进行了展望。

基于点云强度特征建图算法的轨道交通场景地图构建

载体定位是实现自动驾驶的关键技术之一,其中基于地图的定位技术具有精度高和鲁棒性强的优点。同步定位与建图(simultaneous localization and mapping,SLAM)技术是针对未知环境地图构建的典型方法,在地铁隧道场景中,传统SLAM算法易因几何结构的严重退化而导致建图失败。针对此问题,文章提出一种基于点云强度特征的建图算法。其首先进行基于点云强度的特征点云提取,并根据广义迭代最近点算法完成高强度特征点云残差构建,以增加运动约束;其次,基于位姿图优化融合激光雷达数据与惯性测量单元数据,完成位姿优化与地图构建;最后,使用地铁隧道离线数据进行算法验证,结果显示,采用该方法成功构建了地铁全线的点云地图,地图无明显漂移,并采用隧道壁上固定安装距离的标识物体进行地图精度评估,所建地图平均偏差小于0.2m,验证了所提算法的有效性与鲁棒性。

多波束声呐数据处理与三维地图构建的应用

阐述通过多波束声呐数据处理与三维地图构建的应用,构建出精确且详细的海底地形模型。基于案例分析,探讨信号处理、数据处理速度、自动化智能识别在提升测绘精度和效率方面的应用。

基于无人机航空摄影测量的数据处理与精准地图构建技术研究

无人机航拍是一种新的数据获取技术,具有广阔的应用前景。为此,文章在对无人机航拍测量理论与方法进行深入分析的基础上,开展大量实地飞行试验,对获取的数据进行深度处理与分析,提出一种基于无人机数据处理和高精度地图构建的新方法。该方法不仅能显著地提高地图精度,而且能显著地提高数据处理的效率和质量。实验结果表明,该方法不仅可以有效地提取地理信息,而且具有建图精度高、操作简便、效率高等优点。实验结果表明,该算法能够较好地满足不同规模、复杂度的测绘任务,其精度可满足1:500~1:2000比例尺制图的要求。研究对促进国内外无人机测绘技术的发展与应用,提升高精度地图构建的效率与质量具有重要的理论意义与应用价值,可为国土资源开发利用、精准农业、环境监测、城市规划等多个领域提供高精度、高效率的 GIS支撑。

基于改进ORB-SLAM2算法的RGB-D稠密地图构建

针对传统ORB-SLAM2系统无法稠密建图以及缺少可应用于移动机器人在特定场景下导航与路径规划的八叉树地图等问题,提出了一种改进RGB-D ORB-SLAM2算法.该算法利用深度信息,通过针孔成像模型计算出关键帧点云的三维空间位置,采用离群点滤波去除多余杂点,体素滤波保留具有特征信息的点云进行拼接,降低地图冗余度,并经过稠密回环处理进一步优化更新关键帧的点云位姿,构建出精确的稠密点云地图并转换为八叉树地图.试验数据表明,相比于RGB-D SLAMV2系统,RGB-D ORB-SLAM2系统的全局轨迹误差和相对位姿误差提升有50%以上,均方根误差为0.89%,均值误差为0.76%;在建图性能方面,相比于同类型算法,点云数量平均降低约30%.此外,八叉树地图相比于点云地图,仅占其内存的0.6%,更加满足了高精度、快速性的导航需求.

基于激光雷达的煤矿井底车场地图融合构建方法研究

煤矿智能化是煤炭行业高质量发展的技术支撑,关键岗位的机器人替代是实现煤炭少人化、无人化的高效开采的发展趋势。即时定位与地图构建(Simultaneous Localization and Mapping,SLAM)是煤矿机器人自主移动与导航的关键技术之一。煤矿井下为典型非结构化环境,空间狭长局促,结构复杂多变,照明情况不均匀,对煤矿井下SLAM提出了严峻挑战。总结了煤矿井下地图构建研究现状,针对LeGO-LOAM算法的回环检测仍存在的不足,利用SegMatch算法改进LeGO-LOAM的回环检测模块,且使用ICP算法进行全局图优化,提出了一种融合LeGO-LOAM和SegMatch的改进算法,阐述了该算法的原理和实现步骤;开展了煤矿井下模拟场景试验,对比分析改进前后SLAM算法的建图效果以及精度,试验结果表明改进算法构建的地图回环效果更好,估计轨迹更平滑、精确;结合导航需求研究了二维占据栅格地图的构建方法,试验验证了该方法所构建的栅格地图精度,结果表明有效滤除动态障碍物等离群噪点后的栅格地图具有0.01 m的建图精度,且所需存储空间较点云地图降低了3个数量级。研究成果有助于煤矿井下非结构环境下SLAM和煤矿机器人实时定位和自主移动。

动态场景下基于视觉同时定位与地图构建技术的多层次语义地图构建方法

为提高视觉同时定位与地图构建(SLAM)技术的环境适应性和语义信息理解能力,该文提出一种可以在动态场景下实现多层次语义地图构建的视觉SLAM方案。首先利用被迫移动物体与动态目标间的空间位置关系,并结合目标检测网络和光流约束判断真正的动态目标,从而剔除动态特征点;其次提出一种基于超体素的快速点云分割方案,将基于静态区域构建的3维地图进行优化,构建了物体级的点云语义地图;同时构建的语义地图可以提供更高精度的训练数据样本,进一步用来提升目标检测网络性能。在TUM和ICL-NUIM数据集上的实验结果表明,该方法在定位精度上远优于目前主流的动态场景下的视觉SLAM方案,证明了该方法在高动态场景中具有较好的稳定性和鲁棒性;在建图精度和质量上,经过将重建的不同种类地图与各个现有方法进行比较,验证了提出的多层次语义地图构建的方法在静态和高动态场景中的有效性与适用性。

基于GMapping算法的激光雷达室内地图构建

针对传统粒子滤波SLAM算法计算量大和定位精度有限等问题,提出一种改进GMapping算法的室内环境地图构建方法。利用低成本的360°激光雷达,搭载在智能小车之上,使用树莓派作为处理器,实现精度较高的室内建图。首先,利用激光雷达获取点云数据,使用Gmapping算法进行处理;其次,利用智能小车中的传感器获取里程以及角度信息完成里程计,并依据里程计对智能小车所处的位置进行定位;最后,利用Gmapping算法将激光点云数据转换为平面格栅地图子图,并根据里程计信息,Gmapping算法将局部子图进行增量式叠加,完成环境地图的构建。结果显示,建图误差在3%以内。

激光雷达支持下的无人机自主环境探索及地图构建完整性判别方法研究

本文利用激光雷达技术实现无人机的自主探索和地图构建,激光雷达用于全局概率配准,采用SLAM技术结合扩展卡尔曼滤波算法,提高导航状态输出频率,解决无人机自主导航问题。通过数字图像处理的边缘检测方法,将栅格地图转化为灰度图像,提取有效边界,建立地图完整性评估模型。与传统算法不同,本文提出方法不会因为搜索不到边界点而提前终止任务,有效减少了地图构建不完整的风险,实现了无人机的自主探索和环境地图构建。

基于ROS的机器人自主探索导航与地图构建研究

为提高四轮机器人在未知环境下自主导航与地图构建的能力。主要采用多种传感器的协调配合,并灵活运用多种传感器之间的优势。借助于信号滤波技术,对滤波后的传感器信息进行数据融合。在此数据基础上,基于ROS内部功能包Navigation的gmapping算法,利用A^(*)算法实现全局规划,同时采用TEB局部规划控制器实现局部规划。最终成功实现地图构建,并实时反馈位置信息使机器人能够不断调整位姿。说明该方法能够实时提高自主导航与地图构建的精准性,高效实现环境地图的构建以及辅助导航。

基于先验地图的视觉重定位方法综述

在自动驾驶、增强现实和智能移动机器人领域,视觉重定位是非常重要的基础问题.视觉重定位是指根据视觉传感器实时拍摄的数据,在已有先验地图中确定位置和姿态的问题.过去数十年间,该问题受到广泛关注,涌现出种类繁多的先验地图构建方法和视觉重定位方法.这些工作差异大,涉及范围广,技术概括和总结尚缺乏.因此,对视觉重定位领域进行综述具有重要的理论和应用价值.尝试为视觉重定位相关方法建立一个统一的蓝图,从图像数据在大规模地图数据库中查询的角度对相关工作进行分析和总结.综述不同类型地图数据库构建方法、不同特征匹配、重定位和位姿计算方法,总结目前视觉重定位的主流数据集,最后分析视觉重定位存在的挑战和潜在发展方向.

农业场景下移动机器人的双目视觉定位与地图构建方法

视觉定位与地图构建是实现移动机器人自主导航的关键技术。针对农业场景下特征跟踪困难、场景规模大、运动不稳定引起系统精度和鲁棒性下降的问题,提出了一种适用于农业场景的双目视觉定位与地图构建方法。该方法首先利用静态立体匹配点来增加跟踪阶段地图点的数量和覆盖范围,从而增加了深度计算的准确率,同时提出一种点选择算法对密集地图点进行采样并移除离群点,进一步提高了系统的准确率和运行效率;然后通过显式尺度估计来减小大规模场景下定位与地图构建的尺度误差,并结合场景特点改进关键帧判别策略,避免了远处大目标导致关键帧稀疏的问题;最后提出新的运动假设构建位姿估计失败时的恢复策略,提高了系统在颠簸运动时的鲁棒性。在农业场景数据集上的评估结果表明,相比于当前先进的视觉定位与地图构建系统,提出的方法在困难序列上的轨迹误差降低幅度超过50%,其中3个序列上的尺度误差下降了一个数量级,取得了更高的精度和鲁棒性,能有效地应对农业场景下视觉定位与地图构建的挑战。

基于激光雷达局部地图构建的机器人避障路径规划

机器人周围环境的光照、阴影及物体遮挡等条件易导致环境信息采集出现误差,影响机器人建图精度。为优化障碍物的探测准确度和机器人的避障速度,提出基于激光雷达及模糊比例积分微分(PID)的机器人避障路径规划方法。利用Kinect传感器采集机器人环境深度信息,并将其转化为3D信息,构建全局地图。利用激光雷达,通过坐标转换、线段分割,构建局部地图,补充全局地图的不足。结合Cartographer算法优化机器人控制参数,利用模糊PID控制器完成机器人避障路径的规划。实验结果表明:该方法在普通避障环境和复杂避障环境下,均能够成功躲避障碍物,且避障路径均较短。