基于Octomap的无人机室内导航可飞行区域分析

无人机在室内飞行时要实现从一点A到另一点B,首先要知道周围环境中的可飞行区域才能实现导航。鉴于此,本文首先利用3ds Max建立室内环境三维模型;然后经过Binvox和Binvox2bt进行数据转换得到Octomap文件;最后经过Octomap处理可得到八叉树网格地图用来分析无人机在室内环境下的可飞行区域。该实验结果清楚地显示了可飞行区域,对无人机室内导航的进一步研究有较大的应用价值。

基于Octomap的仿人机器人局部环境与能力图模型算法

基于3D点云数据的机器人三维空间能力图模型算法存在体素网格搜索计算量大的问题,由于OcTree在三维空间细分时的层次化优势,提出一种基于Octomap的局部环境与能力图模型算法。首先,根据NAO机器人的关节组成、正向运动学、逆向运动学和刚体坐标变换,对NAO仿人机器人构建全身二叉树状运动学模型;其次在此基础上使用前向运动学在笛卡儿空间计算离散的三维可达点云,并将其作为机器人终端效应器的基础工作空间;然后重点描述将点云空间表示转化为Octomap空间节点表示的方法,尤其是空间节点的概率更新方法;最后提出根据节点几何关系进行空间节点更新顺序选择的优化方法,从而高效地实现了仿人机器人能力图的空间优化表示。实验结果表明,相对于之前的原始Octomap更新方法,优化后的算法能降低近30%空间节点数,提高计算效率。

基于完整可见性模型的改进鲁棒OctoMap

从移动机器人自主导航对3D地图精度的需求出发,在鲁棒OctoMap的基础上提出一种基于完整可见性模型的改进鲁棒OctoMap并应用于基于Kinect的RGB-D同时定位与地图创建(SLAM)中。首先,通过考虑相机和目标体素的相对位置关系及地图分辨率进行可连通性判断,获得满足可连通性的相邻体素的个数及位置;其次,根据不同的可连通性情况分别建立目标体素的可见性模型,从而构建普适性更强的完整可见性模型,有效克服了鲁棒OctoMap可见性模型的局限性,提高了建图精度;再次,使用基于高斯混合模型的Kinect深度误差模型代替简单深度误差模型,进一步克服传感器测量误差对地图精度的影响,降低了地图的不确定性;最后,结合贝叶斯公式和线性插值算法来更新八叉树中每个节点的实际占用概率,从而构建基于八叉树的立体占用地图。实验结果表明,所提方法有效克服了Kinect传感器深度误差对地图精度的影响,降低了地图的不确定性,其建图精度较鲁棒OctoMap有明显的提高。

移动机器人三维地图创建的仿真研究

利用传感器信号自主创建三维地图是移动机器人智能导航和环境探索研究的基础。利用Blender建模软件建立了不同室外场景的三维模型:在ROS系统中利用C++编程语言设计了飞行器的飞行路线;在Gazebo仿真系统中利用与飞行器连接的激光扫描器对地形进行了扫描;最后利用Octomap地图创建方法生成相应的三维地图。通过对不同参数及传感器连接方式的比较分析,得出结论:飞行器和激光扫描器之间使用刚性连接比铰接更能节省时间和内存;刚性连接的缺点是无法识别被遮盖的地形信息;Octomap方法可以应用到大面积的室外地形。

基于ROS的六自由度机械臂环境探测与避障

针对机械臂在障碍物环境下的轨迹规划问题,提出了一种基于ROS环境的机械臂避障方法。该方法使用Realsense D435深度相机与机械臂构成手眼系统,通过点云数据构造OctoMap空间概率地图,在ROS环境下使用Moveit对机械臂进行运动规划,实现了机械臂在障碍物环境下的实时避障,在真实机械臂上验证了避障效果。

基于目标检测的室内动态场景定位与建图

针对室内场景中动态对象严重影响相机位姿估计准确性的问题,提出一种基于目标检测的室内动态场景同步定位与地图构建(SLAM)系统。当相机捕获图像后,首先,利用YOLOv4目标检测网络检测环境中的动态对象,并生成对应边界框的掩膜区域;然后,提取图像中的ORB特征点,并将掩膜区域内部的特征点剔除掉;同时结合GMS算法进一步剔除误匹配,并仅利用剩余静态特征点来估计相机位姿;最后,完成滤除动态对象的静态稠密点云地图和八叉树地图的构建。在TUM RGB-D公开数据集上进行的多次对比测试的结果表明,相对于ORB-SLAM2系统、GCNv2_SLAM系统和YOLOv4+ORB-SLAM2系统,所提系统在绝对轨迹误差(ATE)和相对位姿误差(RPE)上有明显的降低,说明该系统能够显著提高室内动态环境中相机位姿估计的准确性。

基于2D激光和TOF相机的室内环境3D建图算法

室内环境3D建图技术在移动机器人领域得到了广泛的应用,但由于三维环境可能存在低纹理的情况,建图与定位的精度面临挑战。为此,提出了一种基于2D激光和TOF相机的室内环境3D建图算法,首先,使用Karto SLAM构建2D占用栅格地图;然后,移动机器人再次扫描三维环境,当移动机器人的行走距离差值、偏航角度差值或与上一次重定位时间间隔达到阈值,使用实时相关性扫描匹配算法进行重定位,同时TOF相机采集一帧三维点云数据;最后根据移动机器人系统坐标系的转换关系构建三维点云地图。由于点云地图的存储十分占用内存空间,当机器人位姿估计存在误差时,会导致点云地图明显重叠,将点云地图转换成了OctoMap。所提出的建图算法在不同的环境中进行了实验,并验证了该算法的有效性。

一种基于改进词袋模型的视觉SLAM算法

针对室内环境中视觉同时定位与建图(simultaneous localization and mapping,SLAM)精度不高和实用性较差等问题,采用深度相机作为传感器,提出一种基于改进词袋模型的视觉SLAM算法。该算法通过增加节点距离的方式,对传统的词袋模型进行改进,采用octree方法转化点云,生成可用于导航的八叉树图,并进行改进前后词袋模型对比实验、数据集精度实验和实验室实测。结果表明,改进后的词袋模型相似度计算能力和区分度更强,SLAM算法在环境有回环和相机运动较慢的情况下,效果较好,可满足室内同时定位与建图及后续导航需求。

采茶机器人导航避障及路径规划研究

为实现采茶机器人在室外复杂茶园环境中定位与环境地图构建,使用改进的ORB-SLAM2算法进行机器人自身定位与三维点云地图的构建。在环境地图构建完成的基础上,完成地图的保存,并将三维点云地图转换为八叉树地图。在八叉树地图上实现采茶机器人的碰撞检测算法与路径规划算法,路径规划算法采用RRT(Rapidly-exploringRandomTree,快速遍历随机树)算法。于模拟茶园环境中,在实际机器人平台上进行实验,实验结果表明,所提方案实际运行结果良好,可以满足采茶机器人导航避障及路径规划要求。

基于移动机器人的RGB-D SLAM算法研究

近些年来,RGB-D SLAM(Simultaneous Localization and Mapping,同时定位与地图构建)一直是机器人领域的研究热点,但其仍存在准确性和实时性不高等问题。首先,为了解决因像素深度数据缺失导致传统的ICP(Iterative Closest Points,迭代最近点)算法不能准确求解相机位姿的问题,提出混合使用ICP和EPnP(Efficient Perspective-n-Point)算法来进行运动估计。其次,针对传统逐帧检测方法复杂度高,导致系统实时性较差的问题,引入改进的半随机检测方法进行闭环检测。最终构建出一种准确性和实时性较好的移动机器人RGB-D SLAM算法。

室内环境下深度相机V-SLAM的稠密建图

针对室内环境下的三维建图问题,设计一种深度相机V-SLAM的稠密建图方法。为去除深度图中的噪声,提出一种改进快速行进算法(FMM)的去噪方法,在彩色图中提取ORB特征,利用对极几何(PnP)解算并得到相机的位姿信息。设计一种关键帧选择机制,得到SLAM过程中图像的关键帧,通过关键帧点云拼接实现三维稠密地图的构建。采用一种点云滤波优化方法,去除地图中噪声和冗余,将点云图转换为八叉树(3D OctoMap)地图。针对著名的TUM数据集以及实际的室内环境,对所提建图方法进行实验,其结果验证了所提方法的可行性与有效性。

基于深度图像与三维栅格离线映射的机械臂环境建模方法

为确保动态非结构化环境中人、机器人、环境3者的安全,提出一种基于深度图像与三维栅格离线映射的机械臂环境建模方法,该方法分为离线映射与在线更新两个步骤.离线映射首先将机器人工作空间划分成三维栅格,然后利用标定得到的RGB-D相机内外参数矩阵离线计算深度图像与三维栅格之间的映射关系并保存;在线更新是利用帧差法和查询离线映射表的方式更新三维栅格中的环境信息.为全面描述机器人的工作空间,进一步扩展此方法,提出多传感器信息融合以及从环境模型中滤除机械臂本体的方法.整套环境建模方法具有描述能力强、模型精度一致、可实现多传感器信息融合以及可在线更新的优点.最后,分别通过仿真实验、基于两个Kinect相机和7自由度KUKAⅡWA机械臂的实际建模与末端避障实验,验证所提出方法的有效性.