基于优化RTAB-Map的室内巡检机器人视觉导航方法

巡检机器人对室内场景进行自主导航监测时,采用视觉同时定位与地图构建(simultaneous localization and mapping,SLAM)方法构建的三维深度地图存在实时性不高、定位精度下降的问题。对此,提出了一种基于RGB-D相机和优化RTAB-Map(real time appearance based mapping)算法的巡检机器人视觉导航方法。首先,通过重新配置RTAB-Map点云更新频率,实现算法优化,构建稠密的点云地图后;采用启发式A*算法、动态窗口法(dynamic window approach,DWA)分别制定全局与局部巡检路径,通过自适应蒙特卡罗定位(adaptive Monte Carlo localization,AMCL)方法更新机器人的实时位姿信息,再将搭建好的实体巡检机器人在软件、硬件平台上完成视觉导航测试实验。结果表明:优化后的RTAB-Map算法运行时的内存占比稍有增加,但获得与真实环境一致性更高的三维深度地图,在一定程度上提高视觉导航的准确性与实用性。

基于RTAB-Map视觉里程计的地形环境高程建图研究

在基于视觉的即时定位与建图(Simultaneous Localization and Mapping,SLAM)中,RTAB-Map是一个比较经典的解决方案,它包含有鲁棒的视觉里程计,同时也提供稠密点云地图、2D占据栅格地图和Octomap(3D占据栅格地图)三种地图构建形式。但稠密点云地图数据量大,无法适用于机器人导航;2D占据栅格地图虽数据量小,但无法反映复杂地形特征,一般只用于室内扫地机器人导航;Octomap能较好地反映三维空间内障碍物的信息,多用于无人机的导航,但对于地面移动机器人来说存在信息冗余。为RTAB-Map扩展了2.5D高程栅格地图构建模块,这种地图可以很好地反映地形环境特征,且地图所占用存储空间更小,更能充分利用移动机器人有限的存储和计算资源。

面向实际场景SLAM应用的光照适应性研究

为探究环境感知设备在SLAM算法应用过程中的光照适应性问题,在不同光照强度下分别进行激光雷达和深度相机SLAM算法的验证性评估实验.基于四轮差速机器人,搭载16线激光雷达和深度相机,结合LOAM(Lidar Odometry And Mapping)和RTAB-MAP(Real-Time Appearance-Based Mapping)算法,分别在明暗环境中分析验证设备光照适应性.实验结果表明:在明亮环境下,基于视觉SLAM和激光SLAM系统偏差的中误差分别为0.203和0.644 m;在黑暗环境中两者偏差的中误差分别为0.282和0.683 m;深度相机在明、暗环境中的定位建图效果均优于激光雷达,深度相机的光照适应性更强.

基于多传感器的室内建图导航系统的设计

针对基于单一传感器的移动机器人在建图与导航过程中定位精度低以及对环境描述能力有限的问题,开发了基于ROS(Robot Operating System)的多传感器感知的建图导航系统。首先搭建了具有全向性的四麦克纳姆轮移动底盘;其次分析了RTAB-MAP(Real-Time Appearance-Based Mapping)算法,并基于该算法对RGB-D相机、激光雷达和里程计信息进行数据融合,实现了室内环境的二维和三维地图的同时构建;然后提出了使用扩展卡尔曼滤波算法将编码器产生的里程计信息和IMU(Inertial Measurement Unit)数据进行融合,提高位姿的估计精度;最后根据融合后的数据对传统机器人导航框架进行了优化,完成了自主导航功能的设计。测试结果表明,该系统采用多传感器感知方案能够完成对室内场景的二维和三维地图的同时构建,提高了对环境的描述能力,通过扩展卡尔曼滤波融合后的数据使机器人定位精度有了明显提高,保证了导航的准确性。

复杂环境移动机器人多传感器融合SLAM研究

室内复杂环境下单一传感器移动机器人SLAM误差较大,效果较差,对此,提出一个融合多种传感器的三维RTAB-Map SLAM方案。首先在ROS系统中仿真环境,并通过里程计仿真与SLAM仿真验证该方案的可行性。在仿真的基础上进行SLAM实验,通过对比实验结果验证采用优化协方差矩阵的EKF融合里程计数据能够提升SLAM效果。实验结果表明,优化协方差矩阵的EKF融合里程计能够减少RTAB-Map SLAM中的错误点云的同时提升SLAM精度。

一种优化传感器配置的机器人视觉导航系统

针对当前轮式机器人通过深度摄像头进行V_SLAM中,在实现室内小型环境的目标点建图导航效果不理想问题,基于RTAB-MAP算法,提出一种以使用视觉建图导航为基础,同时配置激光雷达里程计和机器人视觉里程计rgbd_odometry的多传感器配置建图导航方案。实验结果表明,与单一V_SLAM视觉或者激光雷达建图相比,扩展传感器配置后的RTAB-MAP能够获得信息更丰富、地图边缘更准确的三维深度地图,在一定程度上提高视觉导航的准确性与实用性。

基于双目相机的水下视觉SLAM前端改进

为使机器人能够在昏暗且模糊的水下环境中实现较为清晰的地图构建和准确的自身定位,基于Rtab⁃map算法对其前端进行优化。通过直方图均衡化算法对双目相机采集到的水中图像进行预处理,提高图像的亮度和细节处的清晰度。使用ORB算法提取和匹配图像特征点,采用RANSAC算法剔除图像误匹配点对,提高相机位置估计的精度。实验结果表明:使用直方图均衡化算法处理水下的模糊图像,特征匹配点对数明显增加。基于公开数据集对优化后的Rtab⁃map算法进行测试,所得到的多项误差明显降低。在实验室水槽条件下进行试验,验证了采用优化后的算法得到的三维点云图质量更优。