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RGB-D摄像机的室内三维彩色点云地图构建

创建室内环境的三维地图可以使用RGB-D摄相机获取多帧率的彩色图和深度图,结合视觉SLAM算法,完成彩信息与深度信息的结合并构建真实三维环境地图数据是常用的一种方法.通过Kinect传感器采集室内环境的RGB图和Depth图,改进了ORB算法并进行特征提取和基于FLANN搜索的图像匹配算法匹配图像特征,使用PNPRANSAC方法估计图像的运动,为抑制在点云配准过程中累积误差造成的位姿漂移采用g2o图优化,实现探索室内未知环境的三维彩色点云空间,完成周围环境地图的创建.实验结果表明,以Kinect传感器实现视觉SLAM的方法对于室内三维点云数据创建有较好的效果,具有一定的理论和实际应用价值.     

基于深度学习的动态场景语义SLAM

提出一种利用深度学习提高动态环境下视觉语义即时定位与地图构建(SLAM)的方法.首先用实例分割网络对关键帧进行实例分割,建立先验语义信息;然后计算特征点光流场对物体进一步区分,识别出场景真正运动物体并将属于动态物体的特征点去除;最后进行语义关联,建立无动态物体干扰的语义地图.将本文方法在室内环境公开数据集中测试,结果表明该方法可有效消除动态物体对建图的影响,提高建图精度.     

对等网环境下语义知识地图构建的研究

知识地图可以有效地组织时等网环境的分布性与无结构化的数据.阐述了知识地图构建的方法、模型,指出把本体技术引入到知识地图构建之中,可实现基于语义 的知识地图.     

一种基于结构化环境的线性距离特征提取算法

为解决室内环境中移动机器人的自主导航问题,提出了一种基于结构化环境的线性距离特征提取算法。首先通过建立机器人运动模型,对激光雷达获得的点云数据进行预处理。然后采用聚类算法对预处理后的数据进行分割和合并。采用正交拟合算法,估算特征线段的最大角度公差,并提取竖直和水平特征线进行误差纠正。仿真实验结果表明:算法可有效提取室内环境特征线段并建立特征地图。同时调用数据集与ICP(iterative closest point)算法进行对比测试,结果表明使用该算法构建环境地图,可见使用此算法可降低建图时间复杂度,同时提高地图匹配精度。     

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.     

基于混合模型的移动机器人同时定位与环境建模

提出一种基于混合地图模型的融合声纳传感器观测信息与里程计信息的同时定位与环境建模(SLAM)方法.该方法用混合模型即栅格地图模型和直线特征地图模型表示环境地图.首先,采用三区域声纳模型以及贝叶斯法则构建栅格地图,并通过在空间和时间上融合不同时刻多个声纳传感器的信息提高地图精度.然后,引入霍夫变换提取直线特征,创建直线特征地图,并通过比较地图中直线段的方向相似性、共线性与交叠性,确定全局与局部地图是否匹配.最后,利用直线特征以及扩展卡尔曼滤波器(EKF),通过状态预测、观测预测、位姿更新3个阶段估计出机器人更新的位姿信息,校正构建的地图模型,从而实现机器人的同时定位与环境地图构建.仿真实验和真实环境实验验证了该算法的可行性与有效性.     

基于Munsell色彩调和理论的地图面状要素配色方法

色彩作为在信息接受过程中的一个相当强烈而迅速的因素,对地图的信息传递有着重要影响。为研究地图制图中配色的定量化问题,探索基于美学的地图自动配色方法。以湖北省为研究区域,2014年湖北省各市、州户籍人口数据为实验数据,构建Munsell色彩调和秩序下的色级底色和区域底色图;基于孟-斯宾瑟色彩调和理论美度评价方法,对生成的专题地图配色方案进行美度评价;研究旨在提出一种基于色彩调和理论的地图配色定量化描述,探索计算机地图制图环境下地图的自动配色方法。     

基于图优化的单目线特征SLAM算法

提出了基于图优化的单目线特征同时定位和地图构建(SLAM)的方法.首先,针对主流视觉SLAM算法因采用点作为特征而导致构建的点云地图稀疏、难以准确表达环境结构信息等缺点,采用直线作为特征来构建地图.然后,根据现有线特征的SLAM算法都是基于滤波器的SLAM框架、存在线性化及更新效率的问题,采用基于图优化的SLAM解决方案以提高定位精度及地图构建的一致性和准确性.将线特征的Plücker坐标和Cayley参数化方式相结合,一方面采用Plücker坐标便于线性投影计算,另一方面采用Cayley参数化方式有利于线特征参数的非线性优化.仿真实验结果显示:所提出算法的位姿估计误差平方和与均方根误差分别是里程计位姿估计的2.5%和10.5%,是基于EKF线特征SLAM算法估计位姿误差的22.4%和33%,重投影误差仅为45.5像素;实际图像实验中的位姿估计误差平方和为958 cm~2,均方根误差为3.9413 cm,从而证明了所提出算法的有效性和准确性.     

基于路标的智能车辆定位

为解决智能车辆在城市环境中的定位问题,使用激光雷达检测和提取圆柱形路标的中心位置,并与已知地图进行数据关联;以CyberC3智能车辆为移动平台,建立了车辆运动模型和传感器测量模型,使用扩展卡尔曼滤波算法对激光雷达和编码器数据进行融合,计算车辆的全局位姿.实验结果证明该方法可以获得较高的定位精度,解决了车辆自主导航的关键问题,并可推广应用到基于自然特征的全局定位.     

应用于地面无人车辆的窗口约束马尔可夫定位

为解决地面无人车辆在GPS易受干扰区域的定位问题,提出一种窗口约束马尔可夫定位方法,通过在窗口范围内进行马尔可夫定位减少更新的状态空间范围. 窗口的位置在初始时刻参考地图中建立的路标估计,并随车辆运动信息在地图中移动. 该方法能够减少定位过程中的计算量,除初始时刻外不依赖于GPS进行短期外推定位,且实验证明具有较好的实时性和准确性.      

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.      

ArUco-SLAM:基于ArUco二维码阵列的单目实时建图定位系统

高精度自动建图算法是ArUco二维码阵列定位系统应用的前提和核心,现有在线建图算法累计误差大且易受误检测影响,而人工标定和离线建图的方式则效率低、耗时长. 为解决上述问题,本文提出了一种ArUco-SLAM单目实时建图定位算法,其采用前后端并行建图、联合优化的框架,前端以坐标系变换封闭原理对地图进行快速更新和局部修正;后端以非线性优化算法最小化二维码顶点总体重投影误差,实现对关键帧序列囊括地图的全局优化;最终,基于联合优化算法实现对前后端地图的匹配,消除前端地图的累计误差. 设计实验对所提算法进行了验证,实验结果证明其相比现有建图系统有着累计误差小和建图效率高的优点,具有建立大规模二维码阵列厘米级精度地图的能力.      

基于假设检验的NLOS确定及最小残差定位算法

针对室内非视距传播会降低定位精度的情况,提出基于假设检验的NLOS确定算法,并在此基础上提出基于粒子群优化算法的最小残差定位算法.通过联合信号接收强度模型和到达时间模型,利用假设检验的方法确定当前信号是否受到非视距污染.仿真结果表明,与标准差分析法相比,所提出的方法具有计算量小、不需要太多的传播模型参数等特点,具有较高的正确率.在确定信号传播环境后,在非视距干扰比较严重的情况下,提出了基于粒子群优化算法的最小残差定位算法,定位精度优于加权最小二乘法和Fang氏算法.     

众包室内定位系统中基于多维尺度变换的接收信号强度平滑理论

基于WLAN指纹的定位方法具有成本低、可用性好等优点,近年来越来越受到人们的关注。为了实现室内定位系统的快速部署,通常采用众包技术替代传统部署方法。在离线阶段建立radio map时,由于利用众包技术采集的RSS数据量大大减少,使得RSS数据中的噪声和采集误差无法得到有效抑制,造成建立的radio map精度较低,定位误差增大。针对该问题,本文提出了一种基于多维尺度变换（Multidimensional Scaling, MDS）算法的RSS平滑理论。利用相邻位置RSS数据之间的相关性,在每个位置推断出一个最优RSS值,从而实现抑制噪声和消除采集误差的作用,最终得到更平滑的radio map,提高定位精度。实验结果表明,采用MDS方法达到了预期的目标。基于WLAN指纹的定位方法具有成本低、可用性好等优点,近年来越来越受到人们的关注。为了实现室内定位系统的快速部署,通常采用众包技术替代传统部署方法。在离线阶段建立radio map时,由于利用众包技术采集的RSS数据量大大减少,使得RSS数据中的噪声和采集误差无法得到有效抑制,造成建立的radio map精度较低,定位误差增大。针对该问题,本文提出了一种基于多维尺度变换（Multidimensional Scaling, MDS）算法的RSS平滑理论。利用相邻位置RSS数据之间的相关性,在每个位置推断出一个最优RSS值,从而实现抑制噪声和消除采集误差的作用,最终得到更平滑的radio map,提高定位精度。实验结果表明,采用MDS方法达到了预期的目标。基于WLAN指纹的定位方法具有成本低、可用性好等优点,近年来越来越受到人们的关注。为了实现室内定位系统的快速部署,通常采用众包技术替代传统部署方法。在离线阶段建立radio map时,由于利用众包技术采集的RSS数据量大大减少,使得RSS数据中的噪声和采集误差无法得到有效抑制,造成建立的radio map精度较低,定位误差增大。针对该问题,本文提出了一种基于多维尺度变换（Multidimensional Scaling, MDS）算法的RSS平滑理论。利用相邻位置RSS数据之间的相关性,在每个位置推断出一个最优RSS值,从而实现抑制噪声和消除采集误差的作用,最终得到更平滑的radio map,提高定位精度。实验结果表明,采用MDS方法达到了预期的目标。     

室外区域充满运行机器人导航定位的一种策略

该文根据在室外非结构化环境中实现区域充满运行的一类移动机器人的工作特点，提出了利用组合定位系统和数字地图匹配算法对机器人进行导航定位的一种策略。利用基于环境特征位置探测和数字地图信息匹配相结合对定位误差进行修正的方法来提高机器人导航定位精度。该方法克服了传统导航定位方法存在累积误差和系统复杂、成本高等缺点。经实验验证：该文提出的定位系统和误差修正的方法能满足移动机器人区域充满运行的定位精度要求。     

AUV同时定位与跟踪算法研究

为了提高自治水下航行器的水下适应能力,对比目标跟踪与协同导航的概念,并仿照同时定位与制图方法,提出了基于EKF-SLAM框架和FastSLAM框架的自治水下航行器同时定位与跟踪算法.根据装备在携带低精度自定位传感器AUV上的声纳传感器持续探测非合作目标并估计目标航迹的同时,利用探测到的AUV与目标间的相对信息修正其自身航位推算带来的累积估计误差,从而提高AUV的自定位精度,AUV的定位和目标的状态估计同时进行,且要满足一定的精度.仿真比较了所提出的两种算法的精度,并验证了算法的有效性和一致性.     

基于低精度GPS的智能车视觉导航方法

针对室外环境提出了一种基于低精度GPS的视觉导航方法.采用多传感器融合的方法解决道路和路口的导航问题.对于路口环境,通过对道路标志（如人行横道线）的检测,实现路口的初定位;基于全局地图信息,采用扩展卡尔曼滤波融合GPS和里程计信息,进行路口导航.真实环境下的实验结果表明该方法,具有良好的有效性和实时性.     

结合车道线检测的智能车辆位姿估计方法

基于视觉的智能车辆定位问题是自动驾驶领域研究的一大热点。在某些有效近景特征不显著的场景中,由于参与计算的特征数量不足,会导致位姿估计精度下降甚至失效。为此,本文提出一种结合车道线检测的相机位姿估计方法来提高位姿估计精度。首先,设计了一套基于自适应感兴趣区域和几何结构筛选法的车道线检测算法,精确检测到了左右车道线的内、外侧线;其次,对车道线区域内的点进行帧间匹配,得到新的匹配点对,并根据V视差图拟合出地面视差方程,求解出属于车道线匹配点对的准确视差值;最后,将这些匹配点对与ORB方法提取得到的匹配点对融合,共同参与相机的位姿计算。经实验验证,本文提出的算法提高了位姿估计结果的精度,解决了某些场景中有效特征点不足导致的位姿估计失效问题,具有良好的环境适应性。