基于单目视觉和惯性测量的飞行器自定位研究

为了获得飞行器高精度、高稳定性的定位结果, 结合低成本的单目摄像机和惯性测量单元, 通过对单目视觉和惯性测量进行多传感器融合, 实现飞行器的自定位。 视觉定位模块中, 对 3 种当前最新的单目视觉定位方法分别进行不同场景下的实验和比较, 分析它们各自用于飞行器定位时的优势和劣势。 为了解决视觉定位对图像特征的依赖问题, 引入一种基于扩展卡尔曼滤波的多传感器融合方法, 将视觉定位和惯性测量以松耦合方式进行融合, 用惯性测量补偿因视觉定位不稳定而产生的误差。 实验证明, 该方法在视觉定位不稳定的情况下能有效降低定位结果的误差。     

室内环境下结合里程计的双目视觉SLAM研究

针对视觉SLAM要解决的定位精度低和鲁棒性低的问题,提出一种基于双目视觉传感器与里程计信息的扩展卡尔曼滤波SLAM方法,应用改进的SIFT算子提取双目视觉图像的环境特征获得特征点,并构建出视觉特征地图;应用扩展卡尔曼滤波算法融合视觉信息与机器人位姿信息,完成同时定位与地图创建。这种方法既可以解决单目视觉利用特殊初始化方法获取特征点信息不准确的问题,也可以避免双目视觉里程计利用图像信息恢复运动带来的计算量极大和运动估计不鲁棒的缺点。仿真实验表明,在未知室内环境下,算法运行稳定,定位精度高。     

基于点线特征的视觉同时定位与地图构建综述

同时定位与地图构建(simultaneous localization and mapping, SLAM)作为计算机视觉中的热门方向,在无人驾驶、移动机器人等领域中发挥着重要的作用。由于线特征在低纹理环境下的优势,越来越多的研究人员利用点线特征融合的方法提高SLAM系统的精度和鲁棒性。文中首先简要阐述了传统的点特征SLAM系统在低纹理环境下的局限性,并对现有的视觉SLAM综述文献进行了总结;随后,对经典的点线SLAM方案进行了介绍,并总结了点线特征融合在前端、后端、闭环检测中的研究进展;最后,对点线SLAM未来的发展方向进行了展望。     

一种融合视觉与IMU信息的车载激光雷达三维地图构建与定位方法

针对激光雷达非匀速运动畸变问题,提出一种融合视觉惯性里程计和激光雷达里程计,进行三维地图构建与定位(simultaneous localization and mapping, SLAM)方法.经预处理和时间戳对齐后的数据,应用视觉估计和惯性测量单元(inertial measurement unit, IMU)预积分对视觉进行初始化,通过约束的滑窗优化和视觉里程计的高频位姿,将传统雷达匀速运动模型改进为多阶段匀加速模型,从而降低点云畸变.同时,利用列文伯格-马夸尔特(Levenberg-Marquardt, LM)方法优化激光里程计,提出一种融合词袋模型的回环检测方法,最终实现三维地图构建.基于实车试验数据,通过与LEGO-LOAM(lightweight and ground-optimized lidar odometry and mapping on variable terrain)方法的结果对比,本文方法在平均误差和误差中位数上分别提升了16%和23%.     

快速室内视觉同步定位与建图研究

家居机器人技术一般应用视觉同步定位与建图(SLAM,Simultaneous Localization and Mapping)来实现定位与构建导航地图,如何实现视觉SLAM系统快速准确定位和构建丰富环境信息的地图已经成为视觉SLAM研究的热点问题.本文将光流法与关键点结合,加快视觉SLAM的数据处理速度,并添加稠密点...     

基于视觉的多机器人协作SLAM 问题

 视觉SLAM 仅采用图像作为外部信息,用于估计机器人位置的同时构建环境地图。SLAM 是机器人自主性的基本前提,如今在小动态环境采用激光或者声呐传感器构建2D 地图得到较好地解决。然而动态、复杂和大范围下的SLAM 仍存在问题,使用视觉作为基本的外部传感器是解决问题的一个新颖热门的研究方法。在视觉SLAM 中使用计算机视觉技术,如特征检测、特征描述和特征匹配,图像识别和恢复,还存在很多改善的空间。本文在视觉SLAM 领域的最新技术的基础上,对基于视觉的多机器人协作SLAM 领域的前沿技术进行综述。     

单目视觉和惯导松耦合的行人位姿判定

针对室内视觉定位特征稀疏时鲁棒性较低的问题,文章利用惯导元件输出频率大、短期精度高的特点,提出了一种低负载的单目视觉和惯性测量单元(inertial measurement unit, IMU)信息融合方法。该方法在初始化阶段根据位移相似性原理设计算法解算视觉位移尺度信息,在导航阶段将视觉信息输出的状态量通过尺度旋转变换后作为观测量进行卡尔曼滤波。通过实验验证了该方法的有效性,实验结果证明,所设计的视觉惯导组合导航系统在提升处理效率的同时,全过程均方根误差比单一同步定位与制图(simultaneous localization and mapping,SLAM)系统下降了17.1%。     

基于多传感器融合SLAM应用的室内机器人研究分析

针对SLAM技术发展的限制,加上移动机器人的不确定复杂环境且不能实现长期可重新定位的导航方案,该文将在多传感器信息融合的基础上进行SLAM算法行为优化,以提高SLAM的速度和精度。采用2D激光雷达和一般深度相机,与里程计信息和惯性传感器IMU相融合,优化多传感器信息融合以及数据关联模型。对多传感器融合SLAM应用的室内机器人研究作出一个浅述。     

一种改进的地下车库弱纹理下智能汽车即时定位与建图算法

地下车库中纯视觉的即时定位与建图(simultaneous localization and mapping, SLAM)方法无法克服光线不足和弱特征纹理两大不利因素,为此,提出一种基于VINS-Mono框架下改进的视觉惯导融合算法,把原算法中提取Harris角点的方法改进为提取灰度值陡变的像素点,并使用非线性优化方法在初始化阶段进行视觉位姿估计。后端采用滑动窗口的形式建立先验估计残差、惯性测量单元(inertial measurement unit, IMU)残差以及基于灰度值不变原理构建的视觉残差的联合残差模型,进一步提升了系统底层变量的优化效果,从而提高算法的定位准确度。通过基于EuRoc数据集的仿真实验和地下车库实际场景的实车实验,验证了所提算法的鲁棒性和精确性。     

考虑融合多传感器误差项优化方法的定位技术研究

为了实现移动机器人的精确自主定位,根据不同传感器的测量原理定义了视觉误差和惯性测量单元误差项,采用基于图优化的思想构建一个最小二乘问题的位姿估计器数学模型,并把多种传感器的误差项添加到估计器中,使用优化工具求解出最优的位姿,实现多传感器的融合定位。通过在仿真实验平台上运行公共数据集,实验结果表明单传感器的定位方案因为尺度模糊和累计漂移的问题在绝对位姿误差平均值达到7.942 m,而融合多传感器的定位方案的绝对位姿误差平均值为0.234 m,说明融合多传感器的定位方案比单传感器定位方案在定位上更加准确和鲁棒。     

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.     

商汤科技:面向增强现实的视觉定位技术的创新突破与应用

<正>"增强现实"是一种将虚拟景物或信息无缝地融入现实物理环境中的技术,相比传统的文字、图像和视频,能更高效、直观地呈现信息,有着非常广泛的应用。同时定位与地图构建技术(Simultaneous Localization and Mapping,简称SLAM)可以在未知环境中定位自身方位,并同时构建环境的三维地图,从而保证叠加的虚拟物体与现实场景在几何上的一致性。它不仅是增强现实的关键基础技术,也是无人机、自动驾驶、机器人领域的基础技术。随着视觉传感器的普及和计算机视觉技术的飞速发展,视觉SLAM因为无需预先布置场景、适用范围广     

多传感器数据融合室内定位方法

研究了基于超宽带技术（ultra wide band,UWB）定位和视觉定位的多传感器融合室内定位方法,设计了UWB定位单元软硬件平台,调用修改了基于MMTracking的视觉定位方法,实现了两种室内定位技术,构建了基于贝叶斯估计的双传感器数据融合模型。实验结果表明,该方法具有较好的定位效果,提高了室内定位的测量精度和稳定性。     

基于视觉识别技术的机车定位系统研究

本文通过视觉SLAM技术,设计一套视觉图像采集处理系统,利用摄像机视觉定位方式,实现机车在站场股道的精确定位。系统首先通过图像采集装置,实现站场大量数据采集,并将该数据用于站场高精地图构建基础。将构建高精地图植入车载主机,在实际机车站场运行中,根据采集的实时图像数据与高精地图数据做学习对比,最终实现机车站场高精度定位,并根据位置信息实现机车操纵指导提醒。     

自主移动机器人视觉SLAM技术研究

同时定位与地图构建(simultaneous localization and mapping,SLAM)是自主移动机器人导航的一个重要研究方向.视觉SLAM是一种使用相机作为主要信息来源的SLAM技术.与较为成熟的基于激光测距的SLAM相比,视觉SLAM还有许多问题亟待研究解决.近年来,随着人工智能、机器学习、图像处...     

基于惯性传感器和视觉传感器的室内定位研究

针对视觉定位实时性不高和惯性定位误差积累的问题,叙述了一种融合视觉全局定位和惯性传感器局部定位的移动机器人导航定位方法。该方法以惯性传感器定位为主,引入视觉定位技术来消除其积累误差,达到提高移动机器人定位的目的。实验表明,该方法能够克服视觉定位和惯性定位的缺点,定位精度优于单独采用惯性定位或视觉定位。     

基于异质传感器信息融合的移动机器人SLAM研究

针对采用单一传感器在移动机器人同步定位与构图(SLAM)中存在定位精度低、构图不完整等问题,提出一种基于Kinect视觉传感器和激光传感器信息融合的SLAM算法。首先将Kinect传感器获取的深度图像经过坐标系转换得到三维点云、通过限制垂直方向滤波器过滤三维点云的高度信息、再将剩余三维点云投影到水平面并提取边界点云信息转化为激光扫描数据;然后与激光传感器的扫描数据进行数据级的信息融合;最后输出统一数据实现移动机器人的构图及自主导航。实验结果表明,该方法能够准确的检测小的及特征复杂的障碍物,能够构建更精确、更完整的环境地图,且更好地完成移动机器人自主导航任务。     

SLAM仿真系统在智能移动机器人中的应用研究

为实现机器人的自主导航,采用了SLAM三层结构的仿真模型,通过对产生环境地图和实体对象程序的设计,并采用面向对象的设计方法,模拟了一种基于MATLAB的SLAM仿真系统,借助于对内部和外部传感器的数据采集文件的模拟应用,同时完成了机器人的定位和环境地图的构建.     

基于异质传感器信息融合的移动机器人同步定位与构图

针对采用单一传感器在移动机器人同步定位与构图(SLAM)中存在定位精度低、构图不完整等问题,提出一种基于Kinect视觉传感器和激光传感器信息融合的SLAM算法。首先将Kinect传感器获取的深度图像,经过坐标系转换得到三维点云、通过限制垂直方向滤波器过滤三维点云的高度信息;再将剩余三维点云投影到水平面并提取边界点云信息转化为激光扫描数据;然后与激光传感器的扫描数据进行数据级的信息融合;最后输出统一数据实现移动机器人的构图及自主导航。实验结果表明,该方法能够准确地检测小的,及特征复杂的障碍物,能够构建更精确、更完整的环境地图;且更好地完成移动机器人自主导航任务。