基于完整可见性模型的改进鲁棒OctoMap

从移动机器人自主导航对3D地图精度的需求出发,在鲁棒OctoMap的基础上提出一种基于完整可见性模型的改进鲁棒OctoMap并应用于基于Kinect的RGB-D同时定位与地图创建(SLAM)中。首先,通过考虑相机和目标体素的相对位置关系及地图分辨率进行可连通性判断,获得满足可连通性的相邻体素的个数及位置;其次,根据不同的可连通性情况分别建立目标体素的可见性模型,从而构建普适性更强的完整可见性模型,有效克服了鲁棒OctoMap可见性模型的局限性,提高了建图精度;再次,使用基于高斯混合模型的Kinect深度误差模型代替简单深度误差模型,进一步克服传感器测量误差对地图精度的影响,降低了地图的不确定性;最后,结合贝叶斯公式和线性插值算法来更新八叉树中每个节点的实际占用概率,从而构建基于八叉树的立体占用地图。实验结果表明,所提方法有效克服了Kinect传感器深度误差对地图精度的影响,降低了地图的不确定性,其建图精度较鲁棒OctoMap有明显的提高。

基于2D激光和TOF相机的室内环境3D建图算法

室内环境3D建图技术在移动机器人领域得到了广泛的应用,但由于三维环境可能存在低纹理的情况,建图与定位的精度面临挑战。为此,提出了一种基于2D激光和TOF相机的室内环境3D建图算法,首先,使用Karto SLAM构建2D占用栅格地图;然后,移动机器人再次扫描三维环境,当移动机器人的行走距离差值、偏航角度差值或与上一次重定位时间间隔达到阈值,使用实时相关性扫描匹配算法进行重定位,同时TOF相机采集一帧三维点云数据;最后根据移动机器人系统坐标系的转换关系构建三维点云地图。由于点云地图的存储十分占用内存空间,当机器人位姿估计存在误差时,会导致点云地图明显重叠,将点云地图转换成了OctoMap。所提出的建图算法在不同的环境中进行了实验,并验证了该算法的有效性。

移动机器人三维地图创建的仿真研究

利用传感器信号自主创建三维地图是移动机器人智能导航和环境探索研究的基础。利用Blender建模软件建立了不同室外场景的三维模型:在ROS系统中利用C++编程语言设计了飞行器的飞行路线;在Gazebo仿真系统中利用与飞行器连接的激光扫描器对地形进行了扫描;最后利用Octomap地图创建方法生成相应的三维地图。通过对不同参数及传感器连接方式的比较分析,得出结论:飞行器和激光扫描器之间使用刚性连接比铰接更能节省时间和内存;刚性连接的缺点是无法识别被遮盖的地形信息;Octomap方法可以应用到大面积的室外地形。

室内环境下深度相机V-SLAM的稠密建图

针对室内环境下的三维建图问题,设计一种深度相机V-SLAM的稠密建图方法。为去除深度图中的噪声,提出一种改进快速行进算法(FMM)的去噪方法,在彩色图中提取ORB特征,利用对极几何(PnP)解算并得到相机的位姿信息。设计一种关键帧选择机制,得到SLAM过程中图像的关键帧,通过关键帧点云拼接实现三维稠密地图的构建。采用一种点云滤波优化方法,去除地图中噪声和冗余,将点云图转换为八叉树(3D OctoMap)地图。针对著名的TUM数据集以及实际的室内环境,对所提建图方法进行实验,其结果验证了所提方法的可行性与有效性。