基于视觉激光惯性相结合的机器人SLAM算法

针对弱纹理环境下SLAM系统只依靠单一传感器鲁棒性较差的问题,提出一种视觉、单线激光雷达与惯性相结合的机器人SLAM算法。在视觉与雷达预处理阶段,视觉提取点线特征,同时雷达帧间匹配过程采用激光点到其最近两个点连线的距离构建误差方程,实现更高精度匹配效果。采用惯性传感器与轮速里程计进行雷达运动畸变校正,同时雷达估计信息为单目点线特征三角化提供良好深度值,再利用点线视觉信息、雷达点云信息与惯性测量单元紧耦合优化机制提高机器人SLAM的精确度。最后,将该方法在仿真环境和真实弱纹理环境进行实验。结果表明:该方法定位准确率达到98.6%,在弱纹理环境中定位效果具有较强的鲁棒性和准确性,满足实际需求。

基于二维激光雷达和多超宽带的图优化融合定位研究

特殊环境下单纯激光雷达的定位方式以及单超宽带(UWB)融合激光的定位方式容易出现定位漂移、精度较差、激光雷达建图时不断的叠图问题。基于激光雷达与UWB超宽带传感器定位模型差异,利用两者优劣互补原则,提出多UWB位姿动态误差补偿算法,利用多UWB定位标签获取移动机器人坐标以及姿态。使用滑动窗口滤波算法和多UWB位姿动态误差补偿算法处理UWB定位数据得到先验位姿,通过图优化算法与激光雷达进行融合得到更加精准的地图、更加精确收敛和航向角更稳定的移动机器人位姿。

基于多传感器信息融合的移动机器人导航综述

综述了自主式移动机器人导航技术,对其中的同步定位与地图创建、路径规划以及多传感器信息融合等技术进行了详细的分析,并从基于地图、基于环境和基于行为3个方面全面地阐述了移动机器人路径规划技术的研究现状。对当前的研究热点SLAM技术、遗传算法和基于行为的规划算法等进行了较为详细的介绍和分析。同时,展望了移动机器人导航技术的发展趋势。