IMU和轮式里程计联合的雷达畸变校正算法

为了校正低帧率2D激光雷达在机器人快速移动时产生的运动畸变，提出一种惯性测量单元(inertial measurement unit, IMU)和轮式里程计联合的激光雷达运动畸变较正方法。在传统轮式里程计辅助法的基础上，针对轮式里程计高速时容易打滑造成角度测量误差较大的缺点，利用局部角速度精度较高的IMU数据来完成激光雷达角度误差的较正。算法采用麦克纳姆全向轮式机器人进行验证。实验结果表明：IMU和轮式里程计联合较正运动畸变的方法能够克服轮式里程计打滑的机械性缺陷，有效减小雷达的位移误差和角度误差，大大提高低帧率2D激光雷达地图构建的质量。     

基于随机采样一致改进算法的单目视觉里程计研究

运用SIFT算法对单目所采集的室外视频图像的相邻两帧进行了特征点的检测与匹配。采用改进的RANSAC算法对所匹配点进行了误匹配点剔除。根据相邻两帧图像特征点的跟踪以及里程计读数作为辅助信息,求解特征点的三维坐标;进而根据视觉里程计模型,达到机器人的定位。实验结果表明,该方法相比传统的里程计定位精度高,比之双目激光等定位方法,又有成本廉价的优点。     

动态环境下基于时序滑动窗口的鲁棒激光SLAM系统

无人驾驶场景中的动态物体会影响同时定位与建图（SLAM）系统的整体精度和鲁棒性，针对现有多数激光SLAM系统在动态环境下易出现里程计漂移、定位失败和建图重影问题，本文融合轻量级PointPillars目标检测网络和多目标跟踪方法，构建了一种面向动态场景的语义激光SLAM系统.该系统首先利用PointPillars网络获取潜在动态目标检测框并过滤检测框内特征点，以获取里程计初始位姿.其次基于匀速卡尔曼滤波器的多目标跟踪算法获取跟踪结果，以构建时序滑动窗口，实现鲁棒、高效的目标级数据时空关联，以去除动态物体和恢复静态目标，进一步优化里程计.最后在包含动态场景的KITTI和NUSCENES公开数据集上与主流激光SLAM方法进行对比实验，结果表明本系统在里程计和全局地图的准确性和鲁棒性方面有显著的提高，同时系统保持了实时性，可满足动态场景下自主机器人系统和智能交通应用.     

基于RANSAC改进算法的单目视觉里程计研究

运用SIFT算法对单目所采集的室外视频图像的相邻两帧进行了特征点的检测与匹配.采用改进的RANSAC算法对所匹配点进行了误匹配点剔除.根据相邻两帧图像特征点的跟踪以及里程计读数作为辅助信息,求解特征点的三维坐标;进而根据视觉里程计模型,达到机器人的定位.实验结果表明,该方法相比传统的里程计定位精度高,比之双目激光等定位方法,又有成本廉价的优点.     

基于迭代卡尔曼滤波器的GPS-激光-IMU融合建图算法

在当前机器人导航和环境感知领域,室外大尺度场景下的三维激光SLAM一直是一个挑战性问题。由于GPS信号在某些环境下的不稳定性和激光SLAM的误差累积特性,传统算法在大尺度场景下表现不佳。针对室外大尺度场景下三维激光SLAM（同步定位和地图构建）存在的误差累积严重问题,本文提出了一种基于迭代卡尔曼滤波器的GPS-激光-IMU融合建图算法。该算法通过利用惯性测量单元（IMU）数据对机器人状态进行预测,同时以激光和全球定位系统（GPS）数据作为观测,更新机器人状态,推导出观测方程和雅可比矩阵,显著提高了建图的精度和鲁棒性。里程计中融合GPS数据的绝对位置信息以解决长时间运行中的误差累积问题。在特征稀疏的环境中,由于约束不足可能导致算法崩溃,GPS数据的引入可以提高系统的鲁棒性。此外,重力对于IMU数据预测机器人状态起到关键的作用。虽然重力是三维向量,但在不发生区域变化的情况下,其模长是不变的,因此被视为二自由度向量。通过将重力的优化转化为旋转矩阵群上的优化,成功避免了重力过参数化的问题,提高了算法的精度。在室外场景下与其他算法进行了性能测试对比并且验证了在大尺度场景下的鲁棒性和精度,结果表明...     

基于ORB特征的改进RGB-D视觉里程计算法研究

提出一种基于ORB特征算子的改进RGB-D视觉里程计算法,针对移动机器人在室内环境定位时存在的精度低、系统处理速度慢等不足,首先对视觉里程计中ORB特征提取信息,采用四叉树形式划分,使特征信息提取均匀化;改进误匹配点剔除算法,缩小抽样点总量,有效剔除误匹配,提高机器人的位姿估计精度;最后,提出一种关键帧提取与筛选策略,利用局部地图判别关键帧,加快系统运行速度,减少跟踪丢失。仿真实验表明:改进后的视觉里程计算法鲁棒性更好,定位精度明显提高。     

换流站巡检四足机器人建图定位系统优化

为解决巡检机器人对换流站狭窄区域场景以及多楼层场景建图定位困难的问题,采用四足机器人作为巡检平台,对四足机器人建图定位系统进行优化。首先融合深度相机与激光雷达点云,对融合点云进行地面分割,提取边缘特征、非地面面特征以及地面面特征,优化基于特征的点云匹配算法,使用紧耦合的迭代卡尔曼滤波器(iterated extended Kalman filter, IEKF)来融合点云特征点和惯性测量单元(inertial measurement unit, IMU),通过ORB(oriented FAST and rotated BRIEF)描述符计算关键帧图像的BoW(Bag-of-Words)向量用于回环检测消除建图累积误差。其次,通过无迹卡尔曼滤波(unscented Kalman filter, UKF)融合足式里程计作为四足机器人正态分布变换(normal distribution transform, NDT)姿态匹配初值,加快NDT匹配时间,通过实时匹配融合点云与三维地图得到全局位姿进行姿态更新。实验结果表明,所提出的建图方法可以实现狭窄通道以及多楼层场景的有效建图,所提出的定位方法...     

基于激光点云特征的LiDAR-GNSS/IMU联合自动标定方法

车载多线激光雷达与GNSS/IMU系统间的数据融合可以提高智能驾驶定位系统的精度，两传感器间外部参数的标定是完成数据融合的前提.针对车辆传感器间外部参数手动测量困难、标定自动化程度低的问题，提出了一种不依赖标志物的自动标定方法，首先构建线、面两类特征点云地图并采用闭环约束减小累积误差，对两类点云地图分别提取面特征体素和线特征聚类，并将每一激光帧中的激光点与面特征体素和线特征聚类进行关联，结合基于运动标定的约束，构建最小二乘问题优化求解外部参数，最后通过实车实验验证了所提出算法的有效性和鲁棒性.     

融合速度估计与里程计位姿的扫描匹配改进算法

为改进低帧率激光雷达在扫描匹配中的扫描畸变问题,提出了融合速度估计与里程计位姿估计的扫描匹配改进算法。首先以迭代最邻近点匹配为基础算法,分析了现有算法的问题所在。其次对扫描畸变问题展开分析,运用里程计位姿估计对激光位姿进行分段位姿估计。通过对分段内激光点进行速度估计,进一步确定激光点位姿。给出了具体的算法原理,并进行了仿真实验和具体的对比实验。仿真结果与实际试验结果表明,本文算法在匹配精度上优于ICP算法及VICP算法。     

基于视觉SLAM的物体实例识别与语义地图构建

针对目前面向语义同步定位与地图构建(SLAM)研究大多需要已知三维对象模型作为先验知识,或者只对有限的几种物体的类别进行语义分割,而没有区分对象的个体的问题,结合目前先进的基于深度学习的实例分割算法和视觉SLAM算法提出了一种面向实例个体的物体识别和语义地图构建方法,使得机器人不仅获得了面向导航的环境几何信息,而且掌握了面向物体个体的属性和位置信息.该方法利用由视觉SLAM算法获得的图像帧间几何一致性约束来促进连续图像帧中物体匹配与识别结果,提高物体实例识别的精度,同时结合实例识别结果完成语义建图的任务.最后实现了基于视觉SLAM算法的物体实例识别与语义地图构建系统,并在ICL-NUIM数据集上进行实验,实验结果表明该系统能够基本完整地识别场景中的各种物体并生成环境的语义地图,验证了本方法的有效性.     

一种基于Shi-Tomasi和改进LBP的特征匹配及目标定位快速算法

针对机器人伺服抓取中对定位精度和实时性均要求较高的问题, 提出一种特征匹配及目标定位快速算法. 首先, 采用Shi-Tomasi检测算法提取特征点; 其次, 提出一种新的特征描述子定义方法： 先以特征点为中心截取子图像, 利用二维Gauss函数偏导数确定特征方向, 再根据特征方向对局部图像做旋转处理, 提取旋转后标准局部图像局部二值模式作为特征描述子, 该描述子具有良好的局部性以及平移、 旋转不变性; 最后, 通过计算特征描述子间的Hamming距离实现特征匹配, 估计单应性矩阵, 定位目标在场景中的位置和方向. 实验结果表明, 该算法匹配速度快、 定位精度高、 稳定性好, 能满足机器人伺服抓取中定位精度和实时性的要求.     

交互式地图匹配算法在组合导航中的应用

针对捷联惯性导航系统（SINS）/里程仪组合导航中车辆受初始对准偏差和测量器件自身误差等因素影响的精度随时间和位移增加而降低的问题,设计了交互式电子地图匹配修正新方案.通过车辆姿态角变化选择合适的地图匹配算法,并在转弯处精确反馈修正车辆坐标,同时利用定位误差修正初始对准偏差和里程仪刻度系数误差,降低其对以后导航定位的影响.仿真结果表明,采用交互式电子地图匹配算法,航向失准角偏差可很快收敛至2′左右,里程仪刻度系数偏差也降低至0.08%左右,能够实现系统的需要,跑车实验也证明了此方案的有效性.
     

用多基线立体视觉系统恢复稠密深度图像

为有效地减少错误匹配,提高匹配精度并恢复稠密深度图像。利用多基线立体视觉恢复景物深度数据的冗余性,使用简单条纹模式投影光源标记景物,很好地解决了弱纹理区域或无纹理区域的对应性问题。通过对图像进行避部规范化处理,在外极线、唯一性和连续性约束条件下,使用应用域知识和统计模型,建立准确的匹配关系,实现三维景物高精度恢复。所恢复景物的高精度稠密深度图像,在１．５～３．５ｍ的距离范围内,深度值偏差小于２ｍｍ     

用于精确定位的最佳匹配区选择分形法

图像中任意点局部邻域的分形维数越大,该领域图像数据的相关性越小,相关匹配搜索时定位该区域就越容易。由此提出了利用分形维数作为分离参数,在基准地图上选择最佳匹配区的方法。用相关法对选出的最匹配区验证表明,分形方法比传统的相关方法在选择最佳匹配区时,定位精度更高,计算更快。     

低信噪比实孔径雷达机场目标图像匹配算法

提出了一种适用于低信噪比条件下的实孔径雷达机场目标图像匹配定位算法.通过对实孔径雷达图像中机场目标的检测识别,实现匹配定位.算法包括机场跑道检测及跑道端点定位两个阶段,分别采用了线特征滤波技术及目标背景的对比度信息.首先通过线特征滤波预处理和投影变换检测机场跑道所在的直线,然后利用机场在实孔径雷达图中的结构特征,根据机场及周围背景的对比度来定位跑道端点.实验结果表明:在成像条件较差的情况下,该算法仍能保证较高的匹配定位准确度.     

高程起伏对雷达景像匹配的影响及改正方法

雷达景像匹配由于具有全天候的特征，在飞行器导航与定位中受到重视。针对实时雷达景像以及参考基准图像的成像方式，分析了地面高程起伏对实时雷达景像以及参考基准图像构像的影响，及合成孔径雷达（SAR）影像上因地形起伏产生的影像变形的改正；推导出实时雷达景像上，影像像点位移与地面高程起伏的关系式，以及由此产生的影像变形的改正方法和具体改正步骤，同时利用数字地面模型（DEM）对模拟实时雷达图像进行反纠正，在辐射特性一致的条件下，通过匹配试验分析因地形起伏产生的实时雷达景像变形对匹配精度的影响。     

基于距离角度图的三维物体表达方法

利用三角形格网提出一种新的三维物体表达方法——距离角度图法 ,它将由激光相机获取的深度图像场景数据和物体模型描述成一种易于匹配和识别的表达 .这种表达方法能够描述任意形状的物体 ,通过对参数的控制 ,能做到既可以表达物体的局部特征又可以表达物体的全局特征 ,且能够适应不均匀格网的情况     

一种双目主动立体视觉系统的目标定位算法

首先引入主动视觉空间的概念，即用系统本身运动自由度来表达摄像焦点到空间点的视线，其次，推导了把任意摄像机图像点换到主动视觉空间的算法，最后，采用三角形测量原理对图像特征点进行匹配和定位，因为系统中的各个摄像机独立注视目标，摄像机可以采用较小的视野，这为提高定位精度提供了可能性，采用数值仿真手段对相关理论进行了验证。     

基于Harris-改进LBP的特征匹配及目标定位算法

为满足机器人伺服抓取中定位精度和实时性的要求, 提出一种基于Harris及改进局部二值模式(LBP)的特征匹配和目标定位快速算法. 首先采用Harris检测算法提取图像特征点; 然后提出一种新的特征点描述子定义方法, 先利用胡矩确定特征方向, 再根据特征方向对局部图像做标准化处理, 提取标准化局部图像LBP特征作为特征点描述子; 最后通过计算两张图像中各特征点描述子间的汉明距离实现特征匹配, 再根据匹配结果估计单应性矩阵, 定位目标在场景图像中的位置. 实验结果表明, 该算法匹配速度快、 定位精度高.