室内烟雾场景下基于激光雷达的三维建图方法研究

室内火灾发生时,可利用激光雷达传感器构建事故现场地图,辅助消防救援。由于室内的封闭性,环境中积累大量烟雾颗粒,使激光雷达传感器产生噪点,导致地图失真。为解决此问题,改进了传统点云滤波算法,使用动态阈值和强度信息辅助的半径滤波器去除激光雷达点云中的烟雾噪点。之后对点云进行特征提取和近邻点匹配,用于位姿计算和地图构建。通过搭建室内烟雾场景用于数据采集和算法测试实验,结果表明,所提方法能够有效消除烟雾对激光雷达三维建图的影响,且对非噪点有较好的保留作用。

面向环形管道的电力巡检机器人设计与环境建图

在大型水电站中,离相封闭母线(isolated phase enclosed bus,IPB)只能通过预防性试验对设备状态进行检查,难以目视外观检查。为解决这种密闭狭小空间的环形管道的巡检困难问题,提出一种可在水平、竖直段上行走的轮式攀爬机器人。首先,对攀爬机器人移动和附着方式进行对比分析,根据实际工况,选用轮式推力附着方式并基于该方式对机器人整体结构进行力学分析;通过搭建的模拟IPB管道内的运动实验。结果表明:巡检机器人满足水电站内IPB管道的检修需求且具有良好的适应性;设计基于柱坐标的点云配准方法,解决了管道内无法正确建图的问题,且计算时间优于激光雷达里程计建图(lidar odometry and mapping,LOAM)及迭代最近点(iterative closest point,ICP)算法,拓展了激光雷达点云建图的应用范围。

基于激光雷达的同时定位与地图构建方法综述

首先分解激光SLAM的基本框架,分别对前端扫描匹配、后端优化、闭环检测与验证、地图构建四个模块近年来的主流算法进行总结;然后对基于滤波器和基于图优化两种激光SLAM框架下的代表性方案进行深入分析和比较;最后对激光SLAM的发展趋势进行展望。

园区智能配送机器人的研究与设计

随着社会不断发展,对配送的需求不断上升,虽然现有园区配送机器人已经能有效改善园区配送效率低、成本高、服务差等问题,但其还存在难以适应复杂的配送环境、无法保证物品安全等问题。为了解决上述问题,设计了一种园区智能配送机器人,一是其具有自主研发的自动驾驶系统,即通过Gmapping算法进行雷达建图,导航算法进行路径规划,GNSS信号辅助定位减少路径规划误差,从而增强环境适应能力;二是具有配送安全系统,即通过计算机视觉的人脸识别和射频卡进行身份认证,并通过物联网模块连接至物联网云端,物联网云端将人员身份卡号信息和人脸认证信息下发给PyQt5的显示界面进行可视化展示,通过可视化展示实现了取物的回溯,从而保障了配送的安全。通过系统调试和实验发现设计的园区智能配送机器人可以很好实现自动驾驶和保障配送物品安全,并且配送的准确性达到了95%以上,从而提高了园区智能配送的准确性和安全性。

多分辨率去动点的IMU激光雷达定位方法

在激光雷达(LiDAR)同步定位与建图(SLAM)中,提取通用、稳定和高效的特征实现高精度匹配是定位的关键问题。针对LiDAR SLAM空间动态环境中移动物体特征点匹配导致定位精度不高以及鲁棒性差的问题,运用地面平面拟合算法处理陡坡的地面分割;利用多分辨率的区域图像去除移动物体,提高匹配精度;利用因子图联合优化共同提高位姿估计精度。试验结果表明:该方法对比LeGO-LOAM等传统定位算法绝对轨迹误差降低79.8%,有效地提升了系统定位精度和鲁棒性能。

基于激光雷达的SLAM方法综述

工业技术革新使得机器人对自主导航和路径规划的要求日趋严格,基于激光雷达的同步定位和地图构建作为一种高效、成熟的自主导航方案,已成功在多种场景中实现智能作业。本文针对激光同步定位与建图SLAM的发展现状,系统分析基于滤波器和基于图优化的两种激光SLAM的经典方案,并围绕激光SLAM的基本框架分别对近年来较高效的SLAM算法进行详细介绍,最后对激光SLAM的发展趋势进行了展望。

一种改进的LiDAR点云滤波方法

针对移动机器人激光雷达点云数据滤波过程中存在对噪声敏感和准确性差等问题,提出一种加权的高斯滤波方法。该方法使用高斯滤波与角度余弦作为加权值对雷达点云数据进行滤波处理,减小了激光雷达扫描到的物体轮廓波动。最后将该方法应用到实际的机器人操作系统的移动机器人底盘中,实验结果表明,相比传统的高斯滤波方法,该方法能更好地解决雷达点云滤波过程中的问题,扫描到的物体轮廓更加光滑,且具有较好的稳定性和准确性,有利于激光雷达建图效果。

移动机器人三维激光SLAM算法研究

鉴于移动机器人三维激光SLAM技术的先进性,探讨激光雷达测距与建图算法,以及其两种改进算法:轻量级及地面优化激光雷达测距与建图(LeGO_LOAM)和LOAM的高级实现算法(A_LOAM),尤其对其低漂移、强实时的特性展开深入研究。通过设计对比实验,对不同SLAM算法的优劣进行分析。搭建移动平台,在实际大尺度室外场景和公开数据集KITTI下,从相对位姿估计误差入手完成对比实验。实验结果证明改进算法相比于LOAM可以达到更小的相对位姿估计误差。

基于FastDTW地磁匹配的快速闭环检测方法研究

为了有效地解决大尺度建图时闭环检测匹配速度慢和闭环误报的问题,提出了一种FastDTW地磁匹配和激光雷达(LiDAR)点云匹配相结合的快速闭环检测方法。通过地磁匹配算法对地图中的位姿节点进行了过滤,极大地减小了闭环检测时的搜索空间,并且对搜索空间的约束有助于减少激光雷达即时定位与建图(SLAM)中由于高局部相似性引起的误检。通过在真实环境中收集激光雷达点云数据和IMU的三轴地磁数据进行实验,验证对比了逐帧法、分支定界法、动态时间规整(DTW)融合算法、FastDTW融合算法的闭环检测速度、误检次数和建图平均绝对误差。实验结果表明:与DTW融合算法相比,本文算法提高了17%的闭环检测速度,降低了16%的平移平均绝对误差,降低了10%的旋转平均绝对误差,并在四种算法中保持较低的误检次数。