组合导航辅助的激光雷达-相机实时语义建图

针对64线和128线激光雷达价格过于昂贵,而16线激光雷达点云过于稀疏无法直接进行语义信息提取的问题,本文提出了一种组合导航辅助的激光雷达-相机实时语义建图方法,并通过算法结构设计保障了语义建图的实时性。首先,在组合导航定位结果辅助下,完成了不同采集时刻的点云-图像配准;其次,从图像目标检测框中准确提取了语义物体类别的点云。基于移动机器人平台测试评估了语义建图性能,结果表明该方法能够有效的提高语义点云提取的准确率并在嵌入式处理器Xavier上实时构建语义地图,为移动机器人利用语义信息进行导航和实时执行任务奠定了基础。

融合激光反射与CSM组合导航方法

针对室内环境下基于多边定位的激光反射器导航算法受限于人工地标几何关系、鲁棒性差以及在动态遮挡情况下定位失败等问题,提出一种基于改进的相关性扫描帧间匹配算法(CSM)的激光反射导航定位方法:通过筛选地标反射点云,分层搜索其与多分辨率全局栅格地图的最优匹配映射,提高机器人实时定位的速度与精度。实验结果表明,改进CSM算法在正常工况下的平均定位误差为2.571 mm,在部分人工地标被遮挡时也可维持在5.015 mm以下,在障碍物复杂且动态的工作条件下可完成同步定位与地图构建。

煤矿井下移动机器人多传感器自适应融合SLAM方法

基于同时定位与建图(SLAM)技术的移动机器人能够快速、准确、自动化地采集空间数据,进行空间智能感知和环境地图构建,是实现煤矿智能化和无人化的关键。针对目前煤矿井下多传感器融合SLAM方法存在机器人前端位姿估计退化失效和后端融合精度不足的问题,提出了一种煤矿井下移动机器人激光雷达(LiDAR)−视觉−惯性(IMU)自适应融合SLAM方法。对LiDAR点云数据进行聚类分割,提取线面特征,利用IMU预积分状态进行畸变校正,采用基于自适应Gamma校正和对比度受限的自适应直方图均衡化(CLAHE)的图像增强算法处理低照度图像,再提取视觉点线特征。用IMU预积分状态为LiDAR特征匹配与视觉特征跟踪提供位姿初始值。根据LiDAR相邻帧的线面特征匹配得到移动机器人位姿,之后进行视觉点线特征跟踪,分别计算LiDAR、视觉、IMU位姿变化值,通过设定动态阈值来检测前端里程计的稳定性,自适应选取最优位姿。对不同传感器构建残差项,包括点云匹配残差、IMU预积分残差、视觉点线残差、边缘化残差。为了兼顾精度与实时性,基于滑动窗口实现激光点云特征、视觉特征、IMU测量的多源数据联合非线性优化,实现煤矿井下连续可用、精确可靠的SLAM。对图像增强前后效果进行试验验证,结果表明,基于自适应Gamma校正和CLAHE的图像增强算法能显著提升背光区和光照区的亮度和对比度,增加图像中的特征信息,大幅提升特征点提取数量和匹配质量,匹配成功率达90.7%。为验证所提方法的性能,在狭长走廊和煤矿巷道场景下进行试验验证,结果表明,所提方法在狭长走廊场景的定位均方根误差为0.15 m,构建的点云地图一致性较高;在煤矿巷道场景中的定位均方根误差为0.19 m,构建的点云地图可真实地反映煤矿井下环境。

基于ROS系统和SLAM技术的智能小车的研究

文章研究了一种具有同时定位与地图构建功能的智能小车。该小车的构建是基于ROS操作系统和Ubuntu操作系统,并采用C++设计语言完成的;主要由激光雷达、麦克纳姆车轮、深度相机等器件组成,可以实现三维建图、室内自主定位导航、动态避障、视觉巡线等功能。重点分析了智能小车的物理构造,并对小车的部分结构件以及SLAM技术的硬件和软件实现做了重点介绍。最终通过多次实验,实现了小车的位姿估计和地图构建功能。

高炉风口巡检机器人控制系统设计与实现

针对钢铁行业中高炉风口设备人工巡检存在的效率低下、图像数据采集质量差等问题,设计并实现了一种基于机器人的自动化巡检控制系统,旨在提升检测效率并保障设备安全稳定运行。系统采用HollySys嵌入式平台作为核心控制器,并基于机器人操作系统SCADA构建软件平台。通过集成红外热成像、视觉采集、煤气检测和声音监测等传感器,实现了对高炉风口区域的实时监控和数据采集。利用ModBus TCP协议,实现了机器人与远程管理平台的高效通信。通过图像算法处理,图像清晰度和亮度显著提升,导航定位精度达到10 mm级别,且巡检周期缩短至10 min,时间效率较人工巡检提升3倍。

铁路中继站室内巡检机器人的设计

随着人工智能技术的快速发展,巡检机器人的应用已经非常普遍,它能稳定可靠地代替一些人工巡检,直接降低工人的工作量,也能实现全天不定时巡检,间接提升巡检的质量。针对那些地处偏僻,无人值守的高铁中继站机房的巡检问题,设计了一种基于SLAM激光导航的室内轮式巡检机器人,首先,基于中继站现场运行环境需求,对机器人各个硬件模块进行选型与独立设计;然后利用不同的软件平台,编写机器人底层驱动代码和上位界面代码,实现机器人各个硬件模块互相通信,以及实现机器人上下位机通过无线局域网进行数据通信;最后,基于OpenCV图像处理库处理摄像机采集到的图像,识别出图片中仪表指针的显示状态,并将结果传输到监控中心。实验结果表明,所设计的机器人定位精度高,自动运行最大偏差±10cm,图像处理算法识别准确率可达85%,后续随着训练库的扩大,正确率还会提升,最为突出的优势是设计成本低,可靠性高,在铁路行业有一定的推广价值。

基于ROS和PX4飞控的四轮驱动移动机器人研究

随着经济的飞速发展,越来越多的企业进驻工业园,为了满足工业园区巡逻和安防的需求,文中设计一款具有室外建图、航点跟随及自主导航的四轮驱动移动机器人。该机器人基于ROS和PX4飞控,搭载X86板载计算机、STM32F4、S1激光雷达、D435i深度相机、T265双目相机和WiFi数传,以X86板载计算机为上位机,将底盘中的STM32F4作为下位机。在室外环境下利用激光雷达进行激光SLAM,利用GPS和PX4飞控让机器人进行航点跟随及避障,同时利用GPS与Navigation功能包进行导航。实验结果表明:四轮驱动移动机器人在室外进行激光SLAM,可以有效地建立好周围环境地图;在进行航点跟随时,能够在误差允许的范围内沿着航线运动,并快速避开实时的障碍物;在室外导航过程中,可以有效地到达设定好的目标点。