移动机器人2D激光SLAM算法仿真与实现

随着无人驾驶技术的迅速发展,同步定位与建图技术因其精度高、稳定性好的优点备受人们关注。基于激光雷达传感器,选择主流的Gmapping和Cartographer算法,搭建实验环境,对两种算法进行对比仿真与实验建图,并对两种算法的建图效果进行深度的分析。基于滤波器的Gmapping算法计算量小,依赖于里程计信息,适用于小尺度、低特征环境中;基于图优化的Cartographer算法累计误差低,精度高,适用于精度和稳定性要求较高的场合。

基于ROS的低速无人车2D激光SLAM建图方法研究

SLAM(同步定位与建图)技术是无人车能够精确定位、路径规划、自主导航的关键。利用2D激光SLAM建图,基于ROS(机器人操作系统)的无人小车可实现在较小室内区域构建较为理想的环境地图。本文验证了Cartographer室内建图的可用性和优异性,受益于回环检测能力,建图时可随意移动无人车,建图效果较好。

融合反光柱的2D激光SLAM和高精度定位系统

提出一个新的融合反光柱的2D激光SLAM和纯定位系统,当前,2D激光SLAM在几何特征丰富的场景中可以稳定地工作,但是,当场景中的几何特征较少时,或者当系统工作在玻璃等特殊环境内,系统的建图和定位模块都容易失败。提出一个融合反光柱的激光SLAM实时建图和定位系统,该系统建立在现有的激光SLAM系统Cartographer基础上。在建图时,提出将反光柱作为位姿图优化的一个节点,放到后端和激光帧以及地图中的子图节点一起优化;在融合反光柱的纯系统中,提出对于当前帧中的反光柱,采用最近邻匹配的方式寻找地图中匹配的反光柱节点,在找到匹配的反光柱后,采用联合优化激光点误差和反光柱匹配误差的方式,定位激光帧的位姿。实验表明,当系统工作在几何特征少,或者玻璃等环境下时,融合反光柱的激光SLAM系统的定位精度和鲁棒性都有大幅提升。

基于2D激光雷达的SLAM算法研究综述

移动机器人导航功能的实现需要同时定位与建图(simultaneous localization and mapping,SLAM)和路径规划这两方面的技术,其中由SLAM技术生成的栅格地图是移动机器人运用路径规划算法的前提。2D激光SLAM由于其建图精度较高、性能稳定且价格便宜,在室内移动机器人中应用十分广泛。2D激光SLAM是指移动机器人在自身所处环境及位置先验信息未知的情况下,以2D激光雷达为主要传感器,感知周围环境信息,从而实现自身位姿的估计和地图的构建。将2D激光SLAM分为两部分,第一部分从激光测距原理入手,对三角法和飞行时间法进行了详细介绍和优缺点比较。第二部分从前端扫描匹配、后端优化、回环检测和地图构建这四个方面分别详细阐述了2D激光SLAM系统框架。同时对主流2D激光SLAM算法进行了深入分析和优缺点比较,并对激光SLAM未来的发展进行了展望。

一种优化的SLAM变电站复杂环境地图构建

针对变电站等复杂环境地图构建问题,分析对比了目前几种主流激光SLAM算法,以Cartographer SLAM作为研究基础,在此基础上提出了一种优化后的SLAM建图方案,该方法基于双2D激光雷达互相垂直的方法实现三维建图的新系统,具体实现是通过高精度校准方法标定两台2D激光仪的位姿关系,并对两组数据进行优化融合以获得高精度的三维数据,进而保证最终定位和建图的精度。用Ubuntu 16.04环境下进行了仿真和实验,实验结果表明上述方案具很好的有效性和可实施性。