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LIO-SAM建图和激光视觉融合定位的温室自主行走系统

为解决传统导航方案在温室内无法应对光照变化大、作物行间距窄、接收GPS信号差等问题,该研究提出了基于即时定位与地图构建技术的激光视觉融合式自主导航算法。该系统利用三维激光雷达VLP-16(Velodyne LiDAR,VLP-16)和惯性测量单元获取温室环境信息,采用基于紧耦合的雷达惯导定位建图(tightly-coupled lidar inertial odometry via smoothing and mapping,LIO-SAM)算法构建导航地图,基于轮式里程计和视觉里程计采用扩展卡尔曼滤波器算法实现局部定位,融合激光点云配准算法和自适应蒙特卡洛定位算法实现全局定位。同时,在自主行走系统应用A*算法规划全局路径和动态窗口算法规划局部路径,从而实现自主导航。试验结果表明,LIO-SAM算法构建的温室导航地图最大相对误差、最大绝对误差和均方根误差分别为9.9%、0.081和0.063 m,在温室内改进后的定位算法横向偏差小于0.020 m,纵向偏差小于0.090 m;当自主行走系统以0.15、0.30和0.50 m/s的速度运行时,横向偏差、纵向偏差和航向偏角的平均值分别小于0.120 m、0.10 m和8.5°,标准差分别小于0.070 m、0.140 m和6.6°。该导航方案满足自主行走系统在温室内高精度建图、定位和导航的需求,可为自主移动平台提供理论与技术支撑。

激光雷达SLAM下移动机器人双目视觉全局定位

移动机器人在未知环境中执行任务时,需精准感知地图环境和其他物体位置,确定其自身位置。为了提高移动机器人的全局定位精度,提出激光雷达SLAM下移动机器人双目视觉全局定位方法。依据双目视觉系统测距原理,选取双目摄像机中的任意一个相机建立主坐标系,构建双目摄像机模型,结合棋盘图与张正友标定法,标定双目摄像机中参数。在此基础上,计算单帧图像特征点的尺度,完成双目视觉初始化,利用权重函数计算任意一个特征点与线、与面之间的加权值和距离值,估计移动机器人的位置,引入非迭代畸变补偿方法,完成对移动机器人的全局定位。测试结果表明,所提方法的定位结果与实际运动位置之间的最小误差为0.1 m,该方法可以精准定位到移动机器人位置,指导移动机器人更好地执行作业任务。

基于视频图像分析及单目视觉技术的地铁施工人员定位技术研究

针对传统地铁工程人员定位系统建设、维护、管理成本高,应用效果不佳等问题,基于施工现场视频监控设备,提出施工区域人员识别及位置计算的人员定位方法,并研发了一套工地人员定位软件。通过视频监控画面和AI智能算法自动识别人体,基于单目视觉原理建立单张数码相片中人体与视频监控摄像头的相对位置关系,借助监控摄像头的GIS坐标,解算方位参数后推算目标人体坐标。工程案例应用表明,通过对照无人机航拍正射影像地图和特征点交会测量坐标可知,定位系统精度能控制在2 m以内,满足施工现场管理要求。

一种混合视觉的车载激光雷达即时定位与地图构建方法

为提高地图的构建精度,提出一种混合视觉即时定位与地图构建方法。利用相机和激光雷达标定获得具有颜色信息的点云,并对点云数据进行预处理,选取相邻帧点云之间的特征点,制定匹配策略,对匹配点采取未解耦的位姿求解算法,获取两帧间的变换矩阵作为后续帧间匹配的初值。分别利用KITTI数据集和实车试验数据进行验证,结果表明,所提出的方法轨迹点均方根误差分别优化了6.84%和4.53%,验证了所提出方法的有效性。

一种基于粒子滤波的双目视觉惯导SLAM技术

针对智能无人系统的定位与地图构建问题,提出一种基于粒子滤波的双目视觉惯导SLAM(即时定位与地图构建)方法。算法基于传统粒子滤波思想设计实现,后端处理时仅对位姿状态量进行滤波,有效解决了传统算法的维度爆炸问题,减少计算量的同时保证一定的精确度,兼顾SLAM算法精确性和即时性的要求。实验结果表明,方法整体定位精度相对误差低于5%,在光照条件适宜的小型场景效果更佳,误差低于3%,能够达到分米级精度,证明了SLAM方法能够完成SLAM系统的要求,实现即时定位与地图构建功能,具有一定的准确性、稳定性和鲁棒性。粒子滤波能够应用于视觉惯导SLAM领域并达到较高的精度要求。

基于多源定位的机器人导航地图融合研究

针对激光雷达(LiDAR)的传统建图方式在精度和地图完整性上存在不足的问题,提出一种以多源定位数据实现创建融合栅格地图的方法。利用误差状态卡尔曼滤波(ESKF)算法将惯性测量单元(IMU)与轮式编码器(WE)的融合数据中添加视觉里程计(VO)的位姿信息进行校正,并作为里程计输出。根据贝叶斯估计,将深度相机与激光雷达各自生成的局部栅格地图逐帧进行融合,生成全局地图。研究结果表明:融合地图与实际环境中的对应参考点在x与y方向的RMSE比传统方法分别下降了58.88%,56.19%,有效提高了地图的精度和丰富性。

基于多传感器信息融合的机器人导航与定位技术研究

移动机器人已经服务于各个领域,作为室内移动机器人服务的前提是实现机器人精准定位。文章介绍了一种射频识别(Radio Frequency IDentification,RFID)和即时定位与地图构建(Simultaneous Localization and Mapping,SLAM)多传感器融合库存盘点机器人精准导航与定位的方法。通过读取布置在环境中的RFID标签,获取机器人的大概位置信息和准确运动状态,然后结合SLAM技术实现精准定位。实验结果表明,该方法可以使库存盘点机器人精准定位,且系统搭建简单、成本低,对室内机器人定位具有参考价值。

信息时代地图技术美的研究与实践

通过分析现代地图表现形式及存在的问题,探讨了信息时代地图制图技术美的含义和地图技术美的表现形式。并在技术美创新理念指导下,对利用计算机技术和图形图像处理技术来改进地图符号设计,提高地图表现力进行了一些理论探讨和技术尝试,同时也得到了一些有益的启示。

用改进的Rao-Blackwellized粒子滤波器实现移动机器人同时定位和地图创建

将进化策略应用于Rao-Blackwellized粒子滤波器,并结合自适应重新采样方案实现了室内移动机器人同时定位和地图创建。在仅有单目视觉和里程计的基础上,建立了鲁棒的感知模型,通过有效的尺度不变特征变换方法提取环境特征,并采用Unscented卡尔曼滤波更新特征,特征点的匹配采用基于KD-Tree的高维特征点快速匹配算法。在实际Pioneer 3移动机器人上进行的实验结果表明,本文提出的方法是可行的。

非结构化环境下巡检机器人环境感知技术研究综述

环境感知技术是巡检机器人实现环境建模、定位、自主导航等一系列任务的重要前提和基础。从环境信息的处理、环境感知的关键技术与环境地图的构建3个典型方向,针对当前国内外视觉感知技术、多传感器信息融合技术与即时定位与地图构建(SLAM),详细介绍了巡检机器人在非结构化环境下的感知技术与方法,探讨了此类技术未来的趋势,为应用于高危环境的智能巡检机器人开发提供理论支持。

基于PROSAC的视觉SLAM特征匹配方法

当前视觉即时定位与地图重构技术(SLAM)的过程中,通常采用随机采样一致性(RANSAC)的图像特征匹配算法,随机估计图像模型容易造成算法时间复杂度不确定,进而导致图像匹配时耗过大,难以满足视觉SLAM实时性的要求。为了改善这一问题,使用渐进采样一致性(PROSAC)的算法对图像特征进行筛选,剔除误匹配特征点,有效改善了图像特征匹配的效率与鲁棒性,进一步增强了视觉SLAM的稳定性与实时性。试验验证表明,相比于当前视觉SLAM特征匹配算法,计算效率明显提升。

用于停车场视觉建图的语义回环检测算法

针对停车场视觉建图的回环检测方法对目标级别的语义信息关注较少、在长时间大范围的建图过程中地图一致性与持久性较差的问题,设计了一种语义回环检测算法。该算法基于语义实例,使用图匹配方法找到回环帧并进行帧间位姿估计,生成回环约束。在同准确率下,该回环检测算法的召回率均高于基于ORB(oriented fast and rotate brief)描述子和词袋法的回环检测方案。在停车场建图与定位试验中,建图轨迹与轨迹真值的绝对误差均小于1 m,定位误差均小于0.3 m,满足对应的技术要求。试验结果表明,本文提出的语义回环检测算法的回环检测性能优于传统回环检测算法,适用于停车场视觉建图任务。

基于环境语义信息的同步定位与地图构建方法综述

同步定位与地图构建技术(SLAM)是当前机器人领域的重要研究热点,传统的SLAM技术虽然在实时性方面已经达到较高的水平,但在定位精度和鲁棒性等方面还存在较大缺陷,所构建的环境地图虽然一定程度上满足了机器人的定位需要,但不足以支撑机器人自主完成导航、避障等任务,交互性能不足.随着深度学习技术的发展,利用深度学习方法提取环境语义信息,并与SLAM技术结合,越来越受到学者的关注.本文综述了环境语义信息应用到同步定位与地图构建领域的最新研究进展,重点介绍和总结了语义信息与传统视觉SLAM在系统定位和地图构建方面结合的突出研究成果,并对传统视觉SLAM算法与语义SLAM算法做了深入的对比研究.最后,展望了语义SLAM研究的发展方向.

特征法视觉SLAM逆深度滤波的三维重建

针对现有特征法视觉SLAM只能重建稀疏点云、非关键帧对地图点深度估计无贡献等问题,本文提出一种特征法视觉SLAM逆深度滤波的三维重建方法,可利用视频序列影像实时、增量式地构建相对稠密的场景结构.具体来说,设计了一种基于运动模型的关键帧追踪流程,能够提供精确的相对位姿关系;采用一种基于概率分布的逆深度滤波器,地图点通过多帧信息累积、更新得到,而不再由两帧三角化直接获取;提出一种基于特征法与直接法的后端混合优化框架,以及基于平差约束的地图点筛选策略,可以准确、高效解算相机位姿与场景结构.试验结果表明,与现有方法相比,本文方法具有更高的计算效率和位姿估计精度,而且能够重建出全局一致的较稠密点云地图.

基于贪心策略的视觉SLAM闭环检测算法

动态环境与视觉混淆严重影响视觉闭环检测性能.基于贪心策略,提出了一种在线构建视觉词典的闭环检测算法.算法优先处理Surf描述与已有单词Surf描述欧式距离最大的特征点,改进特征点与单词Surf描述最近邻的约束条件,生成了表征性能强、量化误差小的视觉词典,算法具备实时性,并在动态环境图像集与视觉混淆多发生的图像集上,在确保100%,准确率的条件下,最大召回率分别提升了5%,与4%,.

高精度自主导航系统重构方案研究与实现

提出了卫星信号丢失情况下在已知环境中高精度自主导航系统的重构方案与具体实现方法。在通常情况下自主导航系统采取INS/GPS基本组合方法,在GPS信号无效时,采用基于模糊规则的系统自主切换方法实施备用导航方案。设计了源于即时定位与制图在线制图思想的地图匹配辅助高精度自主导航实现方案,详细论述了自主导航系统重构方法和算法设计。通过实测数据,针对此方案在GPS信号不同覆盖情况下进行了计算机仿真,给出改进方案与传统方法的实际路试对比结果,具有实际工程意义。

采用反向构成迭代的视觉SLAM直接法位姿估计

为了提高视觉SLAM相机位姿估计的计算效率,提出一种直接位姿估计方法。该方法无需逐帧进行特征提取和影像匹配,直接根据像点辐射信息构建非线性优化问题求解相机位姿。推导了基于灰度变换系数的直接法位姿估计平差模型及相应的反向构成迭代解法,利用常速运动模型构建合理初值假设,设计相应的关键帧判断与创建准则,并基于ORB-SLAM系统框架进行实现,使其在保留间接法优点的同时,运算速度得以显著提升。实验结果表明:该方法估计每帧位姿仅需5.7ms,可以在保证同等精度的情况下,达到ORB-SLAM系统2倍以上的整体计算效率,基本满足视频影像实时稳健三维重建的要求。

神经形态视觉传感器及其应用研究

神经形态视觉传感器是一种模拟生物视觉系统工作机理的传感器,具有高时间分辨率、低时延、低功耗以及高动态范围等特点。首先,介绍了神经形态工程的研究背景、神经形态芯片以及神经形态视觉传感器的工作机理和主要优点。然后,详细介绍了神经形态视觉的主要计算方法,包括概率统计方法、脉冲神经网络方法以及深度神经网络方法等。最后,综述了神经形态视觉传感器在同步定位与地图构建、图像重建以及特征检测与跟踪等方面的应用研究。对神经形态视觉传感器从硬件、计算方法和应用等方面作了系统概述,为相关研究者提供了全面的参考。

视觉回环检测的多约束深度距离学习方法

在强场景变换下的视觉回环检测问题中,已有深度学习方法提取的特征描述子区分度不佳.针对此问题,文中深入分析多约束距离关系,提出视觉回环检测的多约束深度距离学习方法.首先,利用任意的卷积神经网络将原始图像映射为低维空间的特征描述子.然后,提出多约束损失函数,约束特征描述子之间的距离关系,并在线自动构造多约束训练样本集,提取更有区分度的低维特征.在New College、TUM数据集上的实验表明,文中方法提升强场景变化下回环检测的性能.