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。

SLAM算法建图对比研究

本论文旨在探讨在无人驾驶与机器人行业发展火热的背景下,实现准确的定位与导航,对汽车与机器人所处环境进行高精度建模的重要性。激光SLAM作为目前最稳定、最主流的定位导航方法,在此领域得到广泛应用。本研究使用Gmapping算法、Hector算法、Cartographr算法,在一辆搭载2D激光雷达的智能小车上,对室内环境进行建模,并对三种算法所建地图进行对比分析。实验结果表明在室内环境下,Cartographr算法所建地图的精度最高,建图效果优于Gmapping算法和Hector算法。

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。

改进ICP算法的激光雷达点云配准

针对传统ICP算法在激光雷达目标点云配准中存在匹配时间长,以及受初值影响导致该算法应用在无人车SLAM技术中容易存在定位精度不高和稳健性较差的问题,本文提出了一种结合KD-tree算法的NDT-ICP算法。首先,通过Voxel Grid滤波对激光雷达获取的点云数据进行预处理,利用平面拟合参数的方法去除地面点云;然后,利用NDT算法进行点云粗匹配,缩短目标点云与待匹配点云距离;最后,通过KD-tree邻近搜索法提高对应点查找速度,并通过优化收敛阈值,完成ICP算法的精匹配。试验结果表明,本文提出的改进算法相比于NDT算法和ICP算法,在点云配准速度和精度上有明显提高,且在地图构建上精度和稳健性更好。

丘陵山地柑橘果园机器人自主导航与精确控制系统设计与试验

为实现丘陵山地柑橘果园机器人的自主导航,设计了一种基于激光雷达和惯性传感器的果园自主导航系统.使用激光SLAM融合多传感器所获数据,并利用误差状态卡尔曼滤波器进行位姿优化,从而构建果园的三维全局点云地图.对全局地图进行分析和处理,确定机器人的安全行驶区域,并应用基于机器人运动学多约束条件的三次非均匀B样条曲线轨迹优化算法实现路径规划,使用NDT-ICP算法实现机器人在全局地图中的定位.为适应丘陵山地果园地形复杂性,提出了一种基于预瞄跟踪的自校正增量PID控制策略,利用递归最小二乘法实时调整PID参数,并在机器人履带式行走机构上进行了系统整合测试.试验结果表明,误差状态卡尔曼滤波器优化后的地图精度与优化前相比有明显提升.机器人以1.2 m/s速度行驶时,导航控制系统的直线行驶平均位置偏差和航向角偏差分别为0.18 m和4.2°,转弯行驶平均位置偏差和航向角偏差分别为0.38 m和16.7°,可满足丘陵山地柑橘果园智能农机自主导航作业需求.

基于SLAM算法的机器人智能激光定位技术的研究

为了提高机器人行走的自主地图规划能力,需要进行机器人智能定位设计,提出一种基于同时定位与地图创建技术(SLAM)的机器人智能激光定位技术。采用激光传感器量化跟踪融合方法构建机器人同时定位地图创建模型,根据机器人的环境适应度建立机器人运动空间环境,在存在障碍物的环境下采用最短路径寻优算法进行机器人信息素规划,在运动方向一致性条件下设计SLAM算法构建避障规则,结合激光传感技术实现机器人的移动路径定位。仿真结果表明,采用该方法进行机器人智能激光定位精度较高,机器人的路径规划准确性较好,避障能力较强。

基于RBPF的激光SLAM算法优化设计

针对基于RBPF的激光SLAM算法在重采样过程中出现的样本贫化和激光测量模型不准确的问题,提出一种优化的激光SLAM算法。为缓解重采样过程中的样本贫化问题,采用最小采样方差重采样方法改进原重采样方法,使重采样后的粒子保持多样性。结合似然域模型与意外对象观测概率,使激光测量模型更好地反映真实环境。实验结果表明,改进的重采样方法定位效果较好,相对原激光SLAM算法,改进的激光SLAM算法在动态环境中的建图和定位精度更高。

基于激光测距仪全局匹配扫描的SLAM算法研究

针对传统的SLAM(Simultaneous Localization and Mapping)算法构建地图时容易受环境因素和外界条件的的影响,在非线性系统状态下误差修正能力不足,且当机器人位姿都处于未知状态时,移动机器人位姿获取不精确,地图构建SLAM技术特征量的获取比较繁琐、不准确等问题;以电力巡检机器人为平台,研究了基于全局匹配的扫描算法,摒弃传统的栅格地图模型的插值方法,采用双线性滤波的插值方法,保证子栅格单元的精确性,估算栅格占用函数的概率和导数;最后采用此算法解决了SLAM地图构建的问题,并分别在室内室外环境进行实验;实验结果表明:基于激光测距仪的全局匹配扫描的SALM算法,在室内室外两种不同环境下,不受复杂背景的影响,准确地进行机器人位姿定位,以及环境地图的构建。

基于激光SLAM技术的电力巡检机器人交互控制

提出基于激光SLAM技术的电力巡检机器人交互控制方法,利用激光SLAM技术在地图模型、运动学模型、里程计观测模型以及多传感器观测模型的基础上绘制机器人的巡检地图,通过Dijkstra算法根据巡检地图获得最短巡检路径,并采用DWA滑动窗口法对选取的巡检路径进行评分,选择评分最高的路径作为机器人的巡检路径,完成电力巡检机器人的交互控制。实验结果表明,所提方法的避障效果好、路径规划效果好、控制精度高。

基于3D SLAM算法的输电线路激光雷达移动测量系统设计

输电线路运行过程中会受到外力破坏及内部元件故障的影响,导致其检修难度较大,基于此问题,提出了基于3D SLAM算法的输电线路激光雷达移动测量系统设计。采用便携式结构装载硬件,方便移动。选择DSP和虚拟磁盘存储器两种数据采集装置,在中央处理器中进行数据的采集和存储。为获得高密度激光回波点的三维坐标,设计激光雷达系统,利用激光雷达固定中心对数据展开分析,用位姿图来表示具体位置。采用非线性最小二乘法计算目标函数,通过数学模型的计算方法,避免了外界干扰,从而得到准确的测量结果。由实验结果可知,应用该系统检测到输电线路故障点1坐标为(-60,100,-30),故障点2坐标为(100,-80,0),与实际故障点坐标一致,测量结果精准。

一种提高SLAM-AGV末端对接精度的方法研究

在介绍SLAM-AGV激光导航实现过程的基础上,针对目前实际应用中AGV与设备对接精度不高,经常出现偏航、避障、急停频繁、对接时位姿调整不充分的问题,通过改进末端设备识别标识,增加Cartographer算法中的位姿优化节点,设置相对位姿导航切换点,将绝对位姿导航和相对位姿导航相结合的方法,大幅度提高AGV的定位稳定性和精度。现场实测数据表明,改进后AGV与末端设备的对接成功率和对接精度均有大幅提高。

基于视觉语义与激光点云交融构建的SLAM算法

激光雷达作为同时定位与地图构建(SLAM)传感器之一,因精度高、性能稳定等特点而被广泛研究使用.但其获得的点云数据较稀疏,包含特征信息少,会导致误匹配、位姿估计误差大等问题,影响SLAM的定位和建图精度.对此,提出一种将视觉语义信息与激光点云数据融合的SLAM算法(VSIL-SLAM).首先,基于投影思想将聚类后的点云映射到语义检测框内,生成语义物体,解决原始激光点云特征稀缺问题;然后,在形状特征的基础上引入拓扑特征对语义物体进行表述,提出基于匹配的拓扑相似性度量方法,解决单一特征造成的误匹配问题,提高匹配准确度;最后,加入语义物体点到点的几何约束,基于几何特征和语义物体构建前端里程计,并完成后端回环检测和位姿图优化设计.实验结果表明,所提出算法在定位和建图效果上都有显著提高,改善了激光SLAM算法的性能.

层析扫描声学显微镜的研究

为了获得被测样品三维信息同时具有较高的分辨率,在电子科技大学光电声学信息处理研究中心研制成功的激光扫描声学显微镜的基础上,通过检测电路、数据获取等方面进行的硬件改进以及相应的算法研究,获得了合理有效的重建数据,将非线性衍射层析成像算法引入到改进后的SIAM系统中,得到了层析扫描声学显微镜的样机,并且在实验上获得了清晰的集成电路样品的三维层析图像。

三维激光测量技术在砂船量方中的应用

针对传统砂船人工量方速度慢、准确度低、人员投入多等问题,研究采用三维激光测量技术进行砂船量方的新工艺,解决目前砂船人工量方存在的一系列难题。通过在香港国际机场第三跑道3206标段、马来西亚新山丽都林荫大道吹填造地等项目砂船量方中的应用验证,结果表明:利用三维激光测量技术进行砂船的量方,操作简便、速度快、准确度高、降本增效明显,值得大力推广应用。

带关键帧和可靠平面表示的激光定位算法

激光实时定位与地图构建(simultaneous localization and mapping,SLAM)是创建地图和实时导航的重要手段之一,也是无人驾驶不可缺少的一环。针对目前激光SLAM算法对特征匹配可靠性不足、配准误差较大等问题,基于平面拟合算法,提出一种局部地图改进和关键帧估计的方案。具体包括以下3个方面:①局部地图匹配规则和平面表示方法;②局部地图更新方案;③关键帧筛选机制。该方法解决了目前激光定位方案中缺乏关键帧估计,以及局部地图中平面多向性问题,实验表明该方法使得局部地图能够保留更具多样性的激光雷达帧,同时平面表示和匹配也更为可靠。

背包式激光雷达林木点云帧间匹配算法比较研究

【目的】为了提高背包式激光雷达估测林木胸径精度,得到在不同坡度的林分下高精度帧间匹配方法。【方法】使用Ubuntu 16.04和ROS Kinetic系统,将背包式激光雷达在不同坡度的林分下扫描数据转化成单帧点云,并采用关键帧技术选取实验点云;应用ICP算法、NDT算法、基于点云曲率特征匹配算法、基于PFH特征匹配算法、基于FPFH特征匹配算法和基于3DSC特征匹配算法对实验点云进行配准,估测匹配结果的林木胸径并计算RMSE值;接着以不同坡度下RMSE值最小算法的旋转平移矩阵为基准,计算6种算法的单帧匹配误差和匹配时间。通过对比6种算法匹配结果的RMSE值,单帧匹配时的平移误差、旋转误差、欧式适合度和匹配时间,得到在不同坡度林分下精度最高的帧间匹配算法。【结果】在坡度为1°的林分下,基于FPFH特征匹配算法的胸径估测结果RMSE值为2.2 cm,旋转误差为0.032×10^(-6)弧度,平移误差为1.25×10^(-6)m,欧式适合度为27.7 m,单帧匹配时间为15.99 s,在6种算法中精度最高;在坡度为13°的林分下,基于FPFH特征匹配算法的胸径估测结果RMSE值为2.81 cm,旋转误差为0.069×10^(-6)弧度,平移误差为2.41×10^(-6)m,欧式适合度为28.63 m,单帧匹配时间为16.12 s,在6种算法中精度最高;在坡度为25°的林分下,基于PFH特征匹配算法的胸径估测结果RMSE值为4.42 cm,旋转误差为0.19×10^(-6)弧度,平移误差为5.26×10^(-6)m,欧式适合度为31.44 m,匹配时间为18.94 s,在6种算法精度最高。【结论】背包式激光雷达中的帧间匹配算法精度受森林坡度影响明显,其中ICP算法受坡度影响最小;基于FPFH特征匹配算法在坡度较小的林分下匹配效果最好,而基于PFH特征匹配算法在坡地较大的林分下匹配精度最高;高坡度地区背包式激光雷达测量精度较低,不仅与帧间匹配算法的精度下降有关,还受自身点云质量的影响。

铁路中继站室内巡检机器人的设计

随着人工智能技术的快速发展,巡检机器人的应用已经非常普遍,它能稳定可靠地代替一些人工巡检,直接降低工人的工作量,也能实现全天不定时巡检,间接提升巡检的质量。针对那些地处偏僻,无人值守的高铁中继站机房的巡检问题,设计了一种基于SLAM激光导航的室内轮式巡检机器人,首先,基于中继站现场运行环境需求,对机器人各个硬件模块进行选型与独立设计;然后利用不同的软件平台,编写机器人底层驱动代码和上位界面代码,实现机器人各个硬件模块互相通信,以及实现机器人上下位机通过无线局域网进行数据通信;最后,基于OpenCV图像处理库处理摄像机采集到的图像,识别出图片中仪表指针的显示状态,并将结果传输到监控中心。实验结果表明,所设计的机器人定位精度高,自动运行最大偏差±10cm,图像处理算法识别准确率可达85%,后续随着训练库的扩大,正确率还会提升,最为突出的优势是设计成本低,可靠性高,在铁路行业有一定的推广价值。

基于Hough变换的激光SLAM几何特征地图提取方法

Hough变换是图像处理中常用的提取线段与圆弧的检测方法,但计算量大,难以满足即时定位与地图构建(simultaneous localization and mapping,SLAM)导航的实时性。迭代端点拟合(iterative end point fit,IEPF)算法是一种常用、高效的将激光SLAM点集提取为线段特征的递归算法,但不能进行圆检测。为了满足实时性与圆检测的双重要求,提出一种将IEPF算法与Hough变换结合的提取方法。首先用IEPF算法,将激光雷达采集的数据集合递归分割成线段;再将各线段端点作为新的集合,进行Hough变换形状检测,经过筛选判断形状。对比实验结果表明,该算法比直接进行Hough变换直线检测与圆检测的计算量显著减少,并且圆精度误差达到导航要求。