基于多源融合式SLAM的机器人三维环境建模

为有效处理移动机器人三维环境地图创建过程的不确定误差,提高所建地图的准确性、完整性和一致性,本文提出了一种基于传感器信息融合和Rao-Blackwellised粒子滤波(RBPF)的移动机器人三维同时定位与地图创建 (SLAM)方法. 在建立传感器不确定性概率模型的基础上,通过贝叶斯滤波实现传感器数据的去噪,将激光与视觉传感器获取的环境信息在一定的规则下融合,在SLAM框架下实现具有纹理映射的三维环境地图创建. 实验结果表明所用方法的有效性. 多源融合式自主SLAM提供了更为丰富、完备、准确的环境模型.      

基于Kinect传感器的移动机器人室内环境三维地图创建

针对移动服务机器人在未知室内环境下的三维感知问题,提出了一种基于低成本Kinect传感器的三维地图创建实用方法.对于机器人在运动过程中连续采集的多帧RGB-D信息,首先利用SURF算子对RGB图像提取稳定特征点并进行特征点匹配,然后结合深度图像,采用RANSAC算法剔除可能存在的误匹配点并完成初始配准,从而估计得到图像帧间粗略的相对转移关系,最后运用广义ICP算法对采集的深度图像进行精确配准,得到拼接的三维点云图.在此基础上进一步开发了移动机器人三维地图创建应用系统,实验验证了该方法的可行性和有效性.     

基于智能空间的家庭服务机器人SLAM

提出了基于智能空间的家庭服务机器人同步定位与地图构建(SLAM)方法.利用双目立体视觉传感器提取环境特征,获取环境中物体的Harris角点,通过立体匹配算法获取角点的三维几何信息,同时获取环境中这些几何特征对应的图像特征信息,并将混合信息进行绑定,作为实时更新信息存入智能空间信息库中,构建出三维立体混合特征地图.在SLAM实现过程中,首先建立系统模型并对该模型进行重构以实现线性化;其次移动机器人与智能空间实时地进行交互,实现快速数据关联;最后利用卡尔曼滤波算法处理信息的不确定性,估计出机器人的位姿,同时保存环境特征,逐步构建出环境地图.实验表明,该方法实时性好、精确度高.     

基于改进ICP算法的室内环境三维地图创建研究

提出一种基于离散选取机制的改进特征点ICP算法,并设计了基于该算法的三维地图创建方法.该方法分为3个阶段,首先提取并匹配相机运动过程中采集的RGB彩色图像中的SURF特征点;然后结合RANSAC算法进行初始配准,优化特征点集初始位姿、去除误匹配,并结合基于离散选取机制的特征点ICP算法进行精确配准;最后利用g2o图优化算法结合关键帧实现对相机运动轨迹的优化,减少累计误差,并将相机采集到的点云数据根据相机当前位姿构建三维点云地图.经过在5个公开数据集环境下进行实验对比,证明本方法的可行性和有效性,在相机运动长度为15.989 m的情况下误差仅为0.059 m,且能够准确地创建实验环境的三维地图.     

基于粒子滤波的移动机器人SLAM算法

针对FastSLAM算法对传感器精度要求较高,不适用于方向性差的超声传感器问题,提出了一种基于超声概率栅格地图环境特征点提取匹配的移动机器人粒子滤波同时定位与地图创建(SLAM)算法.该算法可分解为机器人位姿估计和环境路标估计2个部分.基于蒙特卡罗定位原理利用粒子滤波算法对机器人运动轨迹进行估计;在建立全局超声概率栅格地图的基础上,利用概率栅格地图环境特征提取算法对环境路标坐标进行估计.实验证明,该算法较好地解决了超声测距传感器由于散射角大带来的特征点估计不准的问题,对环境路标和机器人轨迹的估计都比较准确.并对移动机器人累计误差进行了有效的补偿,减少了由于累积误差造成的移动机器人轨迹扭曲失真.     

移动机器人同时定位与建图室内导航地图研究

针对当前视觉同时定位与建图(simultaneous localization and mapping,SLAM)生成的点云地图不能满足路径规划和导航的需要,提出一种室内移动机器人的导航地图制备方法.首先,通过SLAM估计相机位姿,后端优化后生成室内场景的三维点云地图;其次,根据地面移动机器人的运动约束及结构特点分情况讨论,推导点云相对于地面的二维坐标,同时对点云进行地面与障碍的分离、截取与筛选;最后,根据栅格占据状况有序构建出导航地图.实验结果表明,基于点云坐标的障碍物截取准确度高于地面拟合截取方法,所建地图精度与完整度均高于传统方法.室内移动机器人能基于该地图进行路径规划与导航.     

基于目标检测的室内动态场景SLAM

室内动态场景下的同步定位与地图构建(simultaneous localization and mapping, SLAM)系统容易受到运动障碍物的影响，从而导致其位姿估计精度和视觉里程计的稳定性降低。本文提出一种基于YOLOv4目标检测网络的视觉SLAM算法，获取语义信息，并利用LK光流法判断动态特征，在传统的ORB-SLAM2系统上将动态特征点剔除，只使用静态特征点来估计相机的位姿；建立稠密点云地图，并转化成节约内存空间的八叉树地图。在TUM公开数据集上对该方法进行测试和评估，实验结果表明：在动态环境下，该系统与ORB-SLAM2相比，相机位姿估计精度提高83%，且减少了生成的环境地图的存储空间，为后续实现机器人导航具有重要意义。     

基于图像拼接的室外环境地面特征地图创建

为获取基于地图匹配的定位算法所要求的环境地图,提出了一种室外环境下基于图像拼接的地面特征地图创建方法.创建过程分为环境探索以及离线地图生成.在环境探索中,手动控制机器人在环境中漫游,实时保存有关的传感器数据,如GPS、里程计以及视频数据.在离线地图生成中,针对传感器误差导致地图不精确的问题,采用了地图分块存储方式以及基于图像拼接的优化算法来提高地图精度.仿真及实验证明了该地图创建方法的有效性.     

基于ORB-SLAM2的三维占据网格地图的实时构建

针对ORB-SLAM2系统只能输出相机的运动轨迹图,而不能生成用于路径规划和导航地图的问题,提出了一种基于ORB-SLAM2的跳表地图(Skip List Map)构建算法,可用于三维占据网格地图实时构建。首先搭建了一个用于三维占据网格地图实时构建的Skip List Map模型,其时间复杂度仅为O(lgn);其次对Skip List Map三维占据网格地图的生成与更新做了详细推导;最后设计了ORB-SLAM2与Skip List Map算法相结合的方案。通过效率对比实验,表明本文算法具有较高的时间效率与灵活性;搭建实验所需平台并进行了真实场景实时实验,实验表明本文算法能实现三维网格地图的实时构建;且能清晰标识出环境中障碍物的位置,验证了本文算法的有效性。     

使用三维栅格地图的移动机器人路径规划

针对移动机器人使用三维地图进行路径规划的问题,研究了使用三维栅格地图的路径规划算法.该算法将装载三维激光扫描仪的移动机器人得到的三维点云转换成为八叉树结构的三维栅格地图;扩展了D*算法使之考虑机器人的尺寸,检测每种位姿状态下是否与环境发生碰撞,生成多条可行路径可以在栅格地图中直接生成机器人的运动轨迹,保证运动过程中机器人自身及物体的安全.实验结果表明:该算法不需要对地图具有先验认识,并且考虑了机器人的实际尺寸,具有较强的可靠性和实用性,已经在真实环境中进行了实验.     

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.     

基于在线重建的遥操作预测显示系统

为了提高遥操作的操作效率,采用一种基于单目视觉的预测显示方法来解决时延导致的视觉反馈滞后问题.该方法通过基于地图的相机位姿估计算法来实时跟踪机器人的状态,在线构建机器人工作环境的三维几何结构模型,并结合多纹理映射技术进行渲染,将模型重投影到预测视点下,得到逼真的预测图像.搭建了一个基于客户端-服务器端模式的系统平台,用于未知环境下的遥操作.结果表明,在总长为7.112 m的摄像机运动轨迹中,位姿跟踪的平均误差约为0.015 m.该系统不仅能提供预测图像,而且支持生成任意视点的图像,有利于操作者从各个角度观察机器人工作场景.     

稀疏激光扫描点的自主移动机器人地图创建

在自主移动机器人实际地图创建中,针对迭代最近点(ICP)算法不符合一对一单映射关系的问题,提出一种稀疏扫描点的对应点对搜索方法.首先,在方向和位置上对相邻两次激光扫描点集进行粗配准;然后,对配准结果建立一种对应点对搜索机制,剔除无效对应点;最后,采用ICP算法对剩余数据进行精配准.结果表明:文中方法可有效处理无效对应点,提高算法的配准精度,在实际环境中具有准确性和有效性.     

一种基于深度特征的室外环境下激光地图辅助视觉定位方法

针对无GPS或弱GPS信号下的室外环境中的车辆无法定位问题,提出了一种利用激光地图辅助视觉定位方法。首先利用双目相机的视差图的深度与三维激光雷达地图进行匹配,然后通过最小化深度残差来估计六自由度相机位姿,接着利用视觉跟踪产生的良好的初始估计和提出的深度残差方法可有效地估计相机的位姿,最终通过估计相机的位姿完成定位。通过对比多个公开数据集,验证所提方法的准确性和有效性,最后利用实验小车采集校园数据,仿真和实验结果都证明利用此方法的有效性和在室外环境下的视觉定位的准确性。     

基于特征地图的移动机器人EKF-SLAM和FastSLAM算法自主导航研究

对移动机器人未知环境中自主导航和SLAM(即时定位与构图)问题进行讨论。设计了一种构建2D可视化路标特征地图的方案,该方案结合单目视觉传感器和里程计的鲁棒感知模型,建立包含世界坐标系下三维信息的路标数据库,并获得全局环境下特征地图;提出了一种基于Python平台分析移动机器人自主导航鲁棒性的方法,通过在Python平台下引入扩展模块NumPy、PyLab构建仿真平台,对不同噪声环境下EKF-SLAM(扩展卡尔曼滤波器)和FastSLAM算法的导航过程进行了研究。实验显示了构图方案和仿真平台的可行性。     

越野环境的三维地图重建

针对移动机器人越野环境下地图重建的问题,提出了一种三维网格地图的更新算法.该算法利用四线激光雷达(LD_ML)获取环境局部位置信息,结合机器人同一时刻DGPS/INS联合定位系统的位姿,依据障碍的坡度与高度阈值进行障碍区域检测.分别对障碍与非障碍区域采用最大值和均值法进行更新,完成环境地图的重建.试验结果表明:该算法在越野环境中具有良好的重建效果,可将机器人沿途经过的路面及周围环境构建出来.     

基于情景经验与稀疏点云的移动机器人导航

针对稀疏点云地图用于自主导航任务的信息不充分问题,融合情景经验实现环境认知,提出一种基于情景经验与稀疏点云的移动机器人导航系统,获取全局最优路径,提高机器人导航精度.构建点云地图来保存环境显著路标.受人类基于情景经验方式导航启发,模拟经验积累过程,构建封装了场景感知、位姿信息和事件转移集的情景经验地图,实现机器人对环境在拓扑关系上的理解.结合环境稀疏点云地图定位机器人,根据情景经验地图规划路径与控制机器人行为.实验结果表明:该导航系统能够根据不同的导航任务规划出全局最优路径,并且具有较高的导航精度.     

未知环境中移动机器人的环境探索与地图构建

研究了未知环境中移动机器人同时进行环境探索和地图构建问题.基于实时获取的激光传感器数据,设计了具有避障功能的环境探索策略,并对候选观测点的产生和评估方法进行了改进,使选择出的候选点能同时兼顾信息增益的最大化与环境信息的完整性,保证了环境探索的连续性和遍历性.在环境探索基础上,提出了以增长神经气网络的网络节点作为拓扑网络节点的环境地图模型,该模型利用神经气网络的增长特性,通过不断增加新的拓扑网络节点来对机器人周围未知环境的整体性知识进行抽取与表达,构建出了易于机器人理解的环境地图.仿真试验验证了本文所提方法的有效性.     

动态环境下基于GNG网络的拓扑地图创建

动态障碍物的存在导致产生不一致的环境地图,为此设计了一种新的拓扑地图创建方法。该方法首先通过概率方法过滤运动障碍物的干扰信息,获得环境可行区域信息,再将可行区域信息作为GNG算法的输入空间,通过学习与不断增加新的拓扑节点,创建一致的环境拓扑地图。该方法具有自学习、自适应等特点。通过仿真与物理实验验证了其可行性与有效性。     

一种融合点线特征的视觉里程计架构设计与定位实现

基于视觉的同时定位与地图构建（SLAM）技术是实现移动机器人自主导航的关键.当机器人处在陌生环境中时,通常会利用周围目标的点特征来估计导航相机的位姿,并利用光束法平差来估计相机位姿和特征空间位置.但如果环境中的特征信息不丰富,则无法准确估计相机轨迹,且欧式坐标与反深度信息下的光束法平差部分条件下不收敛.为此,提出了一种在缺少特征点的环境下通过收集深度相机信息,同时利用点特征与线特征融合的视觉里程计,构建了融合视差角光束法平差与基于线特征的光束法平差的策略,从而使重投影误差达到最小化.最后与其他基于特征的SLAM系统进行比较,实验结果表明,在缺少特征点的真实环境中,系统位姿估计的性能与准确度得到提升.