基于全局特征地图的由粗到细点云配准算法

针对现有点云配准算法在非重复扫描式激光雷达上存在精度低、鲁棒性差、通用性差等问题,提出一种基于全局特征地图的由粗到细点云配准算法(CTF-ICP),并实现非重复扫描式激光雷达里程计。该算法利用高斯分布表征局部点云分布,构建全局特征地图。配准阶段包含粗配准和精配准。首先,采用正态分布变换在连续点云帧之间实现帧到帧的粗配准;然后,根据粗配准的结果将当前点云映射到全局特征地图,并将对应位置的全局特征协方差矩阵的特征值进行归一化,实现帧到地图的精配准;最后,将该文算法与其他常用的配准算法进行对比实验。实验结果表明:该文算法能够较好地适应非重复扫描式激光雷达,配准精度和速度比常用的配准算法都有明显提升;同时,消融实验证明了由粗到细的点云配准算法以及全局特征地图的有效性。

特征地图的室内机器人路径规划融合算法

为利用特征地图计算效率高的优点,同时解决传统动态窗口法对全局参数敏感的问题,提出一种基于特征地图的路径规划融合算法。通过给出适用于路径规划的特征地图表达方式,改进机器人与障碍物间距离的计算方法,实现了特征地图中障碍物的检测;结合爬虫(Bug)算法的基本原理和线段特征的属性,使用搜索优化算法,先搜索全局可行路径,再进行节点优化得到全局最优路径的关键节点,并对内外角点处搜索方向选择、障碍物端点绕行等问题提出了解决方法;针对传统动态窗口法对全局参数敏感性高的问题,分析了目标函数中各参数在路径不同位置对规划路径的影响程度,使用动态参数的方法对原目标函数进行改进;算法融合时,改进方向函数的计算方法,解决了机器人在路径中间节点出现明显减速的问题。经仿真实验验证,搜索优化算法有效,改进后的动态窗口算法降低了参数的敏感性,融合算法在计算效率方面有较大的优势,计算耗时最多减小79.27%,最少减小43.16%,而且机器人移动更平滑。

基于激光雷达和特征地图的车辆智能定位研究

针对激光雷达采集行驶车辆的三维点云数据中包含过多畸变数据,影响车辆定位效果的问题,本文研究一种基于激光雷达和特征地图的车辆智能定位方法。激光雷达利用基于飞行时间的激光测距法,采集车辆及其行驶环境的三维激光点云数据,去除激光点云数据中的畸变数据。利用正态分布变换方法,优化删除畸变数据的点云集的正态分布概率值,配准三维激光点云数据。从完成配准后的三维激光点云数据中,提取柱状物体的圆形特征,构建车辆行驶的自然柱状特征地图。利用卡尔曼滤波算法,结合自然柱状特征地图信息,实现高精度的车辆智能定位。实验结果证明:该方法可以精准定位车辆目标,车辆智能定位精度较高,最高可达到97%,定位效率较好,最短可在5 s时间内完成定位,具有一定应用价值。

基于特征地图的移动机器人EKF-SLAM和FastSLAM算法自主导航研究

对移动机器人未知环境中自主导航和SLAM(即时定位与构图)问题进行讨论。设计了一种构建2D可视化路标特征地图的方案,该方案结合单目视觉传感器和里程计的鲁棒感知模型,建立包含世界坐标系下三维信息的路标数据库,并获得全局环境下特征地图;提出了一种基于Python平台分析移动机器人自主导航鲁棒性的方法,通过在Python平台下引入扩展模块NumPy、PyLab构建仿真平台,对不同噪声环境下EKF-SLAM(扩展卡尔曼滤波器)和FastSLAM算法的导航过程进行了研究。实验显示了构图方案和仿真平台的可行性。

特征地图中基于高斯核函数的自动导引车Markov定位算法

针对特征地图中应用Markov定位算法在对自动导引车全局定位时出现传感器观测与地图之间的特征数据关联不唯一而导致定位失败的问题,提出一种不通过数据关联的Markov定位计算新方法。利用高斯核函数将环境中的稀疏特征拟合成平滑致密曲线,通过对比传感器观测和算法预测得到的两个致密曲线相似度来计算Markov定位中的观测模型。建立了模型及算法,设计了两种环境对该方法进行仿真分析,相似环境下的仿真验证了位姿估计的准确性,非相似环境下的仿真验证了全局定位的高效性。通过在半封闭环境的自动导引车对比定位实验,验证了该方法在实际环境中对位姿估计的有效性和优越性。

基于特征地图的煤矿辅助运输车辆定位方法

针对煤矿辅助运输车辆无人驾驶技术所包含的车辆自主实时定位问题,考虑井下巷道的环境特点和车辆作业行驶要求,提出了一种基于特征地图的车辆定位方法,建立了车辆在井下巷道行驶的运动方程及测量方程。采用扩展卡尔曼滤波讨论了定位算法,由一个高斯分布描述车辆位置状态的置信度。仿真结果表明:以车辆位置状态置信度的均值作为真实状态的一个估计,由状态置信度的均方根值描述的不确定性与实际估计误差的统计分析结果相一致,在同一时刻车辆观测到的特征数量和采样周期数值对状态置信度不确定性产生影响。基于特征地图的定位方法给出了煤矿辅助运输车辆在井下巷道实时位置状态的置信度表示,同时得出了车辆位置的实时估计和定位的不确定性。

基于激光提取特征地图的移动机器人快速鲁棒定位

基于地图的定位方法在移动机器人领域得到了广泛的应用,但由于全局地图中存在大量的噪声和冗余信息,定位的精度和效率仍然面临挑战。为此,提出了一种改进的移动机器人定位方法,该方法首先从结构化环境中提取直线的特征,然后,利用高斯函数在先验全局地图中提取其最近点,构建特征地图,最后,采用基于k-d树搜索的ICP算法对移动机器人的位姿进行估计。通过分析在真实环境中得到的实验结果,可知该方法在平移方向和旋转方向的定位精度分别提高到11mm和0.23°。同时,与传统匹配定位方法相比,提出的方法在真实环境中的运行时间减少了近20%。

基于特征地图的改进回环检测算法

为提高移动机器人回环检测模块的准确率和实时性,提出一种基于特征地图的改进回环检测算法。在传统模型的基础上,对关键帧的特征点进行筛选,选取高效特征点构建特征地图,利用视觉字典树对特征地图和关键帧进行场景描述;对词袋模型进行改进,将场景分割用在图像信息的提取和特征聚类上;建立基于分层K++均值的视觉字典树,得到改进的基于分层金字塔TF-IDF(term frequency inverse document frequency)的匹配方法。实验结果证明:相比FAB-MAP(fast appearance-based mapping)和RGB-D SLAM v2,改进算法在特征点规模、实时性、召回率方面性能更优。

一种对地图特征定向采样的改进A*算法

在移动机器人全局最优路径规划中,提出了一种对地图特征定向采样的改进A*算法,指在确保安全的前提下兼顾算法的效率和最优性。此算法分为三个部分,第一部分地图前处理,为确保路径安全无碰撞先进行障碍物膨胀处理,再借鉴基于采样的方法思想,但对地图特征进行定向采样,避免了基于采样的算法的随机性带来的路径成本过高问题。第二部分邻接矩阵构建,将采样所得特征点与始末点连接,将各点坐标及通断信息以邻接矩阵存储。第三部分路径搜索,用邻接矩阵替代原地图,并使用基于搜索的算法找出最优解,此时邻接矩阵信息量远低于原地图,避免了基于搜索的算法在处理大量节点时效率低下的问题。将改进的A*算法与传统A*路径规划算法在栅格地图中进行仿真对比。结果表明,虑移动机器人外围尺寸的障碍物膨胀处理能够确保规划出的路径是安全无碰撞的。改进A*算法的路径更短,冗余拐点更少,规划效率更高,特别是路径总转角降低达到60%,同地图再次规划时的规划效率可提升40%。

定向运动员空间距离感知特征研究:来自行为学和fNIRS的证据

目的:探究不同空间场景下不同水平定向运动员空间距离感知的特征。方法:采用2(运动水平:专家、新手)×2(场景类型:地图场景、实景场景)的混合实验设计,通过功能性近红外光谱成像技术测量在空间距离感知任务下定向运动员背外侧前额叶(DLPFC)和腹外侧前额叶(VLPFC)中含氧血红蛋白(Oxy-Hb)浓度变化。结果:1)在地图场景条件下,专家组正确率显著高于新手组,反应时显著短于新手组;在实景场景条件下,专家组正确率显著高于新手组;专家组和新手组在实景场景下正确率显著高于地图场景,反应时显著低于地图场景。2)新手组在L-VLPFC、R-VLPFC和L-DLPFC脑区Oxy-Hb激活显著,且实景场景激活程度大于地图场景;专家组在L-DLPFC脑区Oxy-Hb激活显著,且地图场景激活程度大于实景场景;实景场景条件下,L-VLPFC、L-DLPFC和R-DLPFC脑区Oxy-Hb激活显著,新手组的血氧浓度高于专家组。3)专家组在地图场景下行为绩效与L-DLPFC脑区的激活水平显著相关;新手组在实景场景下行为绩效与L-DLPFC和R-DLPFC脑区的Oxy-Hb激活水平显著相关;专家组和新手组的Oxy-Hb激活程度与正确率呈正相关,与反应时呈负相关。结论:1)专家组在空间距离感知任务中表现出高任务绩效和专项认知优势,具体表现为Oxy-Hb激活程度低;2)不同空间场景类型对定向运动员空间距离感知加工产生了不同的行为绩效和脑加工特征,Oxy-Hb激活变化与认知行为表现存在相关性,受运动水平及场景类型制约,体现在不同的脑区。

地图的基本特征及其应用

地图与人们日常生活日趋贴近的态势，就地图的基本特征及应用作一初步探讨。

基于全局观测地图模型的SLAM研究

在SLAM领域中,为了克服稀疏特征地图不能提供详尽环境信息的缺点,从观测信息的物理意义出发,提出了全局观测地图模型.其基本思想是在稀疏特征地图中嵌入全局密集地图信息,采用位移准则、特征准则和传感器量程准则提取必要的观测信息,然后对观测信息进行去噪、转换,接着根据观测信息的物理意义和机器人位姿估计的不确定性获取环境的全局密集地图,可视化后得到环境的二值地图、灰度地图或颜色地图.将全局观测地图模型与EKF-SLAM算法相结合,提出了GOE-SLAM算法,采用Car Park Dataset对GOE-SLAM进行了实验验证,结果表明GOE-SLAM生成了可信的密集地图,并且GOE-SLAM的计算复杂度与EKF-SLAM相当.

北斗导航辅助移动机器人同时定位和地图构建研究

针对未知环境下移动机器人实时构图和导航问题,将基于激光的环境特征提取和地图构建技术与北斗卫星导航相结合,设计了一种基于特征地图的移动机器人自主导航系统。利用激光提取环境信息,采用点和直线段进行环境表示,结合里程计进行定位,同时进行地图构建。然后在地图上关联北斗坐标,丰富地图信息,根据路径规划方法实现移动机器人自主导航。在Poineer3-AT机器人上实验表明:该方法能够快速提取直观的表示环境信息,并实现自主导航功能,有效提高了移动机器人导航能力。

图形相似性匹配在多机器人地图中的应用

在多机器人同时定位与地图创建(Simultaneous Localization and Mapping,SLAM)协同工作下,要求融合各机器人的特征子地图形成单一的公共地图,利用三角形相似性原理,实现SLAM定位中各机器人子地图的相互匹配。在机器人创建的地图中,依据路标位置相关的特征组成最小三角形,并通过三角形相似性原理对各机器人创建子地图进行相似性匹配,并记录相似三角形对应点匹配次数,最后彼此匹配次数最多的对应路标即为相关联的路标对。实验结果表明该方法是有效的,且鲁棒性强。

西北地区汉语方言地图集的绘制

本文简要阐述《西北地区汉语方言地图集》的绘制理念及相关思考与实践,包括如下要点:地图集调查点的选择;调查表及确定调查条目的原则;调查系统与地图绘制。

彩色公路交通地图图像道路提取

根据彩色公路交通地图的图像特征,提出一种新颖的道路识别与提取方法。这种方法包括三个关键步骤。首先,根据区域的特征,提取出区域的灰度值;其次,根据道路的颜色和形状特征以及数字图像处理的一些方法(如对象的连通成分等),识别并提取出道路的颜色;最后,为了获得完整的道路网络,一些道路连接方法被提出。这种算法已经被应用于许多彩色公路地图图像中去提取道路网络。大量成功的实例表明这个算法是非常有效的。

面向知识服务的多媒体地图集设计

面向知识服务的多媒体地图集关注地理空间领域人员如何利用专业知识去组织和分析图集中地理特征间潜在的、深层次的关联关系。此处提出了基于知识网络的网状信息组织模型、本体驱动的基于特征和事件的数据模型。根据上述模型设计的多媒体地图集具有基于特征的地图分析功能、基于事件的自主制图功能以及全面性知识导航搜索功能等。该图集具有知识性强、直观、易于使用和便于导航等显著特点。

导览机器人地图探测研究

以几何特征地图以及拓扑地图作为环境地图表示方法,提出以特征线段为基础的直达可通域的概念,设计和构建直达可通域网络图和路径规划,并引入评价函数综合考虑探测收益和代价制定探测策略。

基于车道目标引导的车辆轨迹预测

有效融入车道线信息对准确预测车辆未来行驶轨迹具有重要意义。针对预测模型在融合车道线信息时存在效率低的问题,提出一种基于车道目标引导的车辆轨迹预测方法(GSA),在通过图网络融合车道段的几何及位置信息的基础上,从注意力模型出发,构建一种直接的车道目标点预测模块,由此监督模型将与车辆运动相关联的车道目标特征有效地融合到车辆的运动特征中,并考虑到周围车道拓扑结构随时间的变化。通过两个改进残差结构的Transformer网络依次提取低层运动特征以及融合车道目标点在时间尺度下的前后关联信息,逐步更新车辆运动特征。构建基于图网络的交互融合模块,使车辆运动特征在全局范围内聚合与传播。通过在Argoverse以及长安汽车轨迹预测数据集下的实验,验证了本文所提出的GSA方法能够有效提高复杂交通场景下车辆轨迹预测的精度和质量。

论地图识记

地图的识记是一难题。通过丰富普通和专题地图知识并按识记目的要求对识记地图进行主动匹配,并在存储系统中进行再描绘和加工处理将能较好地完成识记过程。