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。

基于差分轮移动机器人的SLAM算法对比研究

在自动驾驶和机器人产业蓬勃发展的背景下,对汽车和机器人环境进行高精度建图的重要性日益凸显。差分轮移动机器人以其较高的灵活性和较低的成本被广泛采用。差分轮移动机器人的核心技术——SLAM(即时定位与地图构建)算法,已经成为一个热门的研究课题。对差分轮移动机器人进行了基于Gmapping SLAM与Cartographer SLAM的建图质量研究。通过ROS中的Gazebo平台构建仿真室内场景,评估了两种算法在不同场景下表现差异。

回环修正语义并结合三角定位的重定位算法

针对栅格地图的回环检测导致语义物体的映射产生偏移,Cartographer匹配定位算法在单一环境下定位速度慢甚至定位错误的问题,本文提出基于回环检测修正语义物体位置并结合三角定位的重定位算法。通过YOLOV5物体识别并结合Cartographer构建语义地图,基于回环检测修正语义地图中语义物体位置,基于语义地图结合三角定位对机器人预定位,基于预定位位姿进行Cartographer精定位。最后通过多组真实环境下的实验证明了该算法在大场景下定位速率相较于原始Cartographer重定位算法提升76.23%,并提升鲁棒性。

基于ROS的移动机器人激光SLAM算法研究

在我国科学技术迅速发展的今天,移动机器人的智能程度在不断提升。同步定位与建图(Simultaneous Localization and Mapping,SLAM)算法是移动机器人自主导航实现的前提与关键。文章在ROS系统基础上分析了基于滤波器与基于图优化方法的SLAM算法原理,利用基于Jetson Nano硬件平台的移动机器人进行SLAM算法建图。文章针对建图中产生的地图错位漂移等问题进行研究讨论,分析得出Cartographer算法可在室内复杂环境下构建出误差低、精度高的2D栅格地图,验证了该算法在室内环境较其他算法的优异性,为移动机器人在室内SLAM建图提供更可靠的解决方案。

基于Cartographer的智能探测机器人

设计了一种基于Cartographer的智能探测机器人系统。该系统采用一块NVIDIA Jetson Nano作为主控制器,能够执行SLAM算法以及控制机器人的各项功能。其主要硬件包括激光雷达、相机、惯性测量单元、二氧化碳传感器及烟雾探测器等,用于实时测距、地图构建、姿态估计以及视觉感知。另外还介绍了SLAM和视觉感知算法的优化和实现过程。通过这些优化,系统能够在复杂环境中实现准确的导航,其在实验测试中表现良好,为智能探测机器人领域的发展提供了一种有效的设计方案。

基于多分辨率地图位姿跳变优化的改进Cartographer算法

针对Cartographer算法在局部扫描匹配中,存在匹配精度低、位姿跳变影响回环检测的问题,提出一种基于多分辨率地图位姿跳变优化的改进Cartographer算法。首先,在局部优化中,建立多分辨率栅格地图,提高初始位姿的估计精度;然后,在回环检测和全局优化之间,建立位姿跳变检测机制,通过减少突变节点数量,提高回环检测的可靠性;最后,通过数据集中,对改进算法进行验证。结果表明:该算法能有效提高定位精度和建图效果。

Farm buildings and agri-food transitions in Southern France:Mapping dynamics using a stakeholder-based diagnosis

This study's goal is to present a dynamic portrait of the farm-buildings environment in Occitania,in Southern France,in order to better identify the transitions underway in agri-food chains.To this end,we undertook a ter-ritorial diagnosis based on actor statements,using 28 semi-structured interviews across Occitania.This diagnosis was enriched by graphic modelling,which enabled the spatialization of the dynamics described.We show that the process of standardisation of farm buildings prevails in the majority of the territories studied.This phenomenon has intensified in recent years with the development of vast photovoltaic-roofed sheds,accentuating the farm-land conversion and soil sealing.At the same time,in areas with strong environmental,landscape and heritage contexts,a'new adventure in farm buildings'(2022 survey)is taking shape.It is primarily driven by local short food chains,which rely on self-construction,repurposing and refurbishment,the sharing of tools and equipment,and which favour the use and reuse of local resources.This study shows that farm-buildings dynamics crystallise many challenges confronting the reterritorialisation of agriculture and food production.

基于改进Cartographer的激光SLAM算法

针对Cartographer算法在激光雷达的数据处理中存在的点云特征丢失的问题和低帧率激光雷达导致的运动畸变问题,提出一种改进激光同步定位与地图构建(simultaneous localization and mapping, SLAM)算法。采用k邻域搜索邻近点降采样的体素滤波方法代替Cartographer算法中的传统体素滤波方法,在不丢失点云特征的情况下提升计算速率;嵌入轮式里程计辅助模块去除激光雷达运动畸变,减少机器人的位姿累积误差,从而改善建图效果;最后,增加了边约束条件改善回环检测效果。通过在机器人操作系统中的gazebo搭建仿真环境进行模拟实验,对比两种算法,实验结果显示改进算法的建图轨迹误差更小。

融合激光SLAM实现平衡车智能导航

国内现有的两轮智能平衡车几乎不具有自主避障与定位功能。为了提高其安全性与灵活性,在传统的平衡车基础上加入了激光SLAM技术,实现自主建图、路径规划、定位和避障。运用卡尔曼滤波器对六轴传感器采集的加速度和倾斜角进行数据融合处理,在建图和定位方面,采用Google发布的Cartographer算法,路径规划和避障上采用Navigation功能包集成的move_base下的Teb算法。由于激光雷达建图时需要车速比较缓慢,并且需要尽可能避免抖动,因此让车模保持稳定的运动状态就很重要,为此首先对传感器获得的数据进行滤波,其次对小车的PID参数进行细调。同时为了更方便地控制,加入蓝牙功能,通过蓝牙控制小车运动,实现快速建图。在加入了SLAM技术之后,传统的平衡车可以实现避障和定位功能,能够实时检测出静态和动态障碍物,并绕开障碍物规划出最优路线,实现了无人驾驶功能。

ROS机器人Cartographer SLAM建图方法

文章首先介绍了ROS机器人硬件和软件平台,搭建了ROS开发环境的搭建,最后设计了ROS的Cartogra­pher SLAM算法框架,在ROS机器人的平台上进行了Cartographer建图试验,并用Rviz工具进行观测。

农业竞赛智能车控制算法设计与实现

介绍了一种智能车控制算法,利用RGB摄像头采集智能车的环境信息并进行图像处理,用于识别植株的病患情况,采用激光雷达感知环境,以cartographer算法为核心构建和优化SLAM导航地图,通过AMCL方法实现智能车的准确定位;利用A*算法规划全局路径、TEB算法规划局部路径、DWA算法控制智能车运动速度,实现智能车的自主导航和自动避障功能。使用该算法的智能车,在中国机器人及人工智能大赛农业机器人竞赛喷药机器人项目地图中,能够实现自主导航、自动避障和植株患病程度识别三种功能,展现了良好的竞赛性能。

基于位姿阈值的Cartographer SLAM算法实验设计

针对Cartographer算法回环检测耗时、实时性差的问题,采用软硬件结合的方式,设计了一种基于位姿阈值的Cartographer SLAM算法实验。依托Clearpath Jackal无人车和ROS软件操作系统,搭建了实验硬件平台,采用Cartographer SLAM和位姿阈值优化算法设计了软件操作流程。实验结果表明,Cartographer SLAM算法可获取无人车实时位姿,构建清晰的实验室地图;位姿阈值优化算法有效地剔除了回环检测时的冗余信息,提升了计算效率和实时性。该实验加深了学生对Cartographer SLAM算法的认知,激发了学生对无人车及人工智能等技术的学习兴趣,提高了学生的工程实践能力和创新能力。

多传感器融合的温室机器人自主导航系统设计

目的:针对机器人在温室环境下存在扫描盲区、里程计定位误差大等问题,提出一种多传感器融合的温室机器人自主导航系统。方法:通过ROS系统,使用前后激光雷达、里程计、IMU,采用优化参数配置的Cartographer算法进行融合定位和建图;将Cartographer定位信息加入Navigation中优化导航框架,结合Dijkstra算法与DWA算法完成路径规划,实现机器人自主导航。结果:相较于单一里程计,融合IMU后的定位精度更高;Dijkstra算法相较A*算法更符合运行需求;导航系统在仿真与实际环境下自主导航验证满足温室环境下运行需求。结论:导航系统采用多种传感器融合,可以解决机器人在温室环境下存在扫描盲区、里程计定位误差大等问题,该研究可为同类研究提供参考。

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。

基于ROS的自导航垃圾识别智能移动小车设计

本课题主要设计了一款基于jetson nano硬件平台的自导航智能移动小车,该小车主要由导航定位和图像识别所组成。小车搭载的传感器有激光雷达、IMU和摄像头,基于ROS机器人操作系统开发,采用cartographer算法实现SLAM建图,通过STM32对小车底层驱动控制,实现自主导航。采用YOLOv5目标检测算法,对不同垃圾进行精准识别。

扫地机器人增强位姿融合的Cartographer算法及系统实现

Cartographer是谷歌在2016年开源的一个可以在多传感器配置下实现低计算资源消耗的SLAM算法框架.针对原有Cartographer中位姿融合不准确、存在延迟的问题,首先设计了一种基于位姿增量的多传感器位姿融合方法;随后,针对扫地机器人Player平台,设计并实现了基于增强Cartographer算法的多模块SLAM系统;最后,通过Cartographer数据集的实验分析和真实场景的实际测试,验证了增强Cartographer算法的有效性以及SLAM系统在Player机器人平台上的可用性.

Mathematical Definitions of Operators for Cartographic Generalization

This paper puts forword 11 cartographic generalization operator models and introduces their mathematical definitions,and thus a precise mathematical form and quantitative description has been given to these formerly limited qualitative concepts.The meaning of mathematical definition of operators for cartographic generalization and the application prospect in computer_aided cartography (CAC) is stated.ract The Jurassic strata in Jingyan of Sichuan containing the Mamenchinsaurus fauna are dealt with and divided in this paper. The Mamenchisaurus fossils contained there are compared in morphological features and stratigraphically with other types of the genus on by one. The comprehensive analysis show that the Mamenchisaurus fauna of Jingyan appeared in the early Late Jurassic and is primitive in morphology. The results of the morphological identification and stratigraphical study agree with each other. Their evolutionary processes in different apoches of the Late Jurassic also made clear. Key words Jingyan, Sichuan, Mamenchisaurus Fauna, stratigraphy, evolution

基于激光雷达的复杂环境定位研究

针对传统定位方法中存在误差大、定位范围小、依赖标志物等问题,文章通过无人系统自身搭载的传感器实现复杂环境下的定位:无人系统配置激光雷达传感器获取周围环境点云数据,得到当前时刻在环境中的位置信息;借助机器人操作系统(Robot operation system,ROS)实时发布传感器数据;分别使用Hector算法、Cartographer算法对环境进行实时定位与建图(Simultaneous Localization and Mapping,SLAM)。实验证明,在无轮式里程计的条件下,该2种算法仍保持较高定位精度,所建地图可用于无人系统的局部及全局路径规划。

基于麦克纳姆轮的智能小车SLAM导航研究

针对普通自主运动方式冗杂、反复的问题,以四麦克纳姆轮全向移动智能小车为研究对象,通过搭载ROS机器人操作系统,融合激光雷、里程计、IMU等传感器,基于Cartographer算法的麦克纳姆轮智能小车建图、导航效果分析。结果表明,研究能够实现麦克纳姆轮智能小车在陌生环境下地图的实时构建,且拥有良好的全局导航及局部避障能力。

基于差分轮AGV的激光SLAM导航算法研究

差分轮AGV由于灵活性高、成本低廉而得到大量应用。作为差分驱动式AGV的关键技术,导航系统的算法实现成为研究热点。为此,文章将研究Cartographer SLAM和Gmapping SLAM两种导航算法在差分轮AGV上实现的优劣性。基于对差分轮AGV的运动模型的分析,在ROS平台上建立AGV仿真模型和两个面积分别为300 m^(2)和1000 m^(2)的仿真仓储环境。通过2种算法对这两个仓储分别进行了验证,结果表明:Cartographer SLAM导航算法在构建出的地图效果上要优于Gmapping SLAM导航算法,但构建地图耗时太久。