煤矿井下无人机SLAM定位算法研究

无人机在灾后煤矿救灾方面的应用越来越广泛,但是由于井下环境复杂多变,发生灾害时更加无法准确估计井下环境,因此需要无人机在工作时精确定位其所在位置,为井上操控以及救灾提供及时有效的信息。该文研究了两种经典的定位算法:基于EKF的SLAM定位算法和基于Rao-Blackwellized粒子滤波器的FastSLAM定位算法,对两种算法进行了数学推导分析,建立了算法数学模型,得到非线性方程,使用Matlab仿真后发现基于Rao-Blackwellized粒子滤波器的FastSLAM定位算法具有更好的性能,可以快速准确地定位无人机的位置姿态,鲁棒性和算法独立性较好,同时运行时间短,具有更高的定位精度。

基于ROS系统的移动机器人SLAM算法的应用研究

即时定位与地图构建(Simultaneous Localization and Mapping,SLAM)算法是移动机器人的热门研究之一,可以使机器人真正实现自主行走。文章分析总结了SLAM算法,介绍了基于机器人操作系统(Robot Operating System,ROS)构建的移动机器人Roban,解析了应用于具体机器人的SLAM算法原理,可为未来移动机器人路径规划研究提供一定的思路。

一种改进的Qtree_ORB算法

在视觉SLAM中,特征点的提取和准确的特征匹配对机器人的位姿推断具有重要作用。针对传统ORB算法特征点分布不均匀,容易出现簇集的问题和Qtree_ORB算法特征点过均匀等问题,提出了一种基于四叉树改进的ORB特征提取算法。对每层图像金字塔进行自适应网格划分,采用自适应阈值来进行特征点提取;根据每层图像金字塔所提取特征点数目对四叉树的划分深度进行限制,减少冗余特征点;设定最小阈值来减少低质量特征点的提取;在Mikolajczyk数据集上对改进算法的均匀度和匹配性能进行测试,在TUM数据集上对改进算法在ORBSALM2系统中的精度进行测试。结果表明改进算法能够有效提高其均匀度,并且保持着较高的匹配精度;在ORBSLAM2测试中,改进算法能有效改进SLAM系统的轨迹精度和漂移程度。

一种基于ROS的SLAM智能小车设计

本文主导设计了一种可在空间中实现自我定位的小车,兼有构建地图、运动避障、路径规划以及自动驾驶等功能。该智能小车选用机器人操作系统(Robot Operating System,ROS)作为开发环境,首先利用激光雷达与深度相机采集环境信息,其次采用拥有即时定位与地图构建(Simultaneous Localization And Mapping,SLAM)算法的Gmapping功能包构建栅格地图,再次利用导航功能包进行全局与局部路径规划选择最优线路,实现了动态避障,最后由STM32接收上位机信号,解算运动学公式后发送至电机驱动板来控制小车移动。