基于ICP匹配和贝叶斯逆传感器模型的地图构建

针对传统算法中存在栅格地图的熵值较高和误差较大的问题,提出了一种基于逆传感器栅格地图的改进算法。该算法利用网格单元被占用时,被该网格单元遮挡的其他网格单元的占用概率与前向传感器模型无关的原理,可获得激光雷达传感器所覆盖区域内所有占用网格的后验概率。在贝叶斯框架下,将先验的占用概率和激光雷达测量信息相结合,以此降低栅格地图的熵值;同时,通过ICP激光雷达数据匹配算法来获得匹配结果,以此来代替在栅格地图构建的过程中误差较大的里程计度数,从而提高栅格地图的精度。经仿真实验表明,所提出的改进算法相对于传统对数框架的栅格地图算法而言,地图的熵值更低且熵值的平均峰值收敛速度提高了39.70%。

基于立体视觉的2D占据网格地图构建

目前大多数视觉SLAM系统只能输出相机轨迹与稀疏点云地图,无法适用于机器人进行导航、避障任务。通过单目相机虽然可以构建网格地图,但没有尺度信息,RGBD相机虽然具有尺度信息,但是在室外受环境光影响比较大。该文在ORB-SLAM2算法的基础上,采用双目视觉计算相机位姿,DepthToScan通过立体视觉的深度图像得到深度信息,在此基础上采用逆传感器模型计算占据概率,并在ROS通用平台下结合占据网格地图,重新构建了一种可用于机器人路径规划、导航的2D占据网格地图算法。实验表明,该方案能清晰标识出环境中障碍物的位置,建图精度相比于RTAB-map提高了3%。

基于ORB-SLAM2的实时网格地图构建

针对目前视觉SLAM(同时定位与地图构建)系统只能输出相机的运动轨迹图而不能生成用于路径规划和导航地图的缺点,提出了一种基于ORB-SLAM2的网格地图实时构建算法。首先,建立了一个适用于视觉SLAM的逆传感器模型(inverse sensor model,ISM);针对ISM模型重新编排了网格地图算法的构建机制,并对其进行详细推导;最后,介绍了ORB-SLAM2网格地图构建的具体实施方案。通过实验,对ISM模型和网格地图模型进行分析,确保了算法的可行性;用单目相机和RGB-D深度相机进行实时实验,实现了网格地图的实时构建,且能够清晰地显现出障碍物位置,验证了所提算法的有效性。

基于轮式机器人的实时3D栅格地图构建

移动机器人在各种任务中需要进行建图、定位和路径规划,但是目前的视觉SLAM只能输出相机的运动轨迹图,而不能生成用于路径规划和导航的地图。因此,在ORB_SLAM2的基础上,与RGB-D相机相结合,提出了一种实时3D栅格地图构建算法。建立了一个逆传感器模型(Inverse Sensor Model,ISM);针对ISM模型,重新构建了3D栅格地图的算法;联合ORB_SLAM2进行数据集实验、仿真环境实验和实时构建实验。经实验验证,该算法能够利用ORB_SLAM2实时构建出具有尺度的3D栅格地图,且能够清晰地显示障碍物位置,验证了该算法的有效性。

Genetic Algorithm-Based Estimation of Nonlinear Transducer

This paper describes an innovative, genetic algorithm based inverse model of nonlinear transducer. In the inverse modeling, using a genetic algorithm, the unknown coefficients of the model are estimated accurately. The simulation results indicate that this technique provides greater flexibility and suitability than the existing methods. It is very easy to modify the nonlinear transducer on line. Thus the method improves the transducer's accuracy. With the help of genetic algorithm (GA), the model coefficients' training are less likely to be trapped in local minima than traditional gradient based search algorithms.