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。     

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。     

未知环境下移动机器人的同时定位和地图构建

针对未知室内环境下的自主移动机器人的同时定位和地图构建(SLAM)问题,通过激光测距仪来获取环境信息,采用室内环境直线特征的提取和匹配方法,使移动机器人能够自主定位,解决了里程计传感器在移动中所带来的不确定性误差,同时采用移动栅格法对全局地图更新,提高了系统运行速度.利用Pioneer-3移动机器人平台进行实验,得到了较完整的环境地图.实验结果表明了基于环境特征的移动机器人同时定位和地图构建方法的有效性和实用性.     

基于单线激光雷达的廊道环境数字重构技术

针对廊道环境的数字重构问题,设计了一种基于单线激光雷达的数字重构系统.该系统利用移动机器人搭载单线激光雷达传感器,构建三维雷达扫描系统,实现廊道环境的自动扫描和实时重构.首先进行系统的硬件搭建,其次详细介绍了系统的数字重构过程,主要包括移动机器人控制模块设计、坐标转换、数据融合等.为了解决移动机器人运动偏离的问题,在控制系统中加入模糊PID(porportion integral differential)控制算法,保证了系统数据采集的准确性.对于2D点云到3D点云的转换的问题,提出了一种里程计数据和激光雷达传感器数据融合的方法.最后进行实验测试.结果 表明:该系统可以实现对一般复杂的廊道场景进行自动化采集和实时重构,不仅精度高而且重构特征明显.     

混合DSm模型的移动机器人地图构建

针对移动机器人探测静态未知环境时,利用不精确传感器(声纳)获取的数据信息不精确、不确定及高冲突性等问题,引入了一种信息融合方法Dezert-Smarandache证据理论(DSmT),并根据声纳的物理特性建立了混合DSm模型,构造了基本信度赋值函数.使用Pioneer 2-DXe机器人进行了地图构建实验,将由混合DSm模型构建出的静态环境地图与实际环境布局进行比较,实验结果充分验证了算法的有效性,为处理不精确信息提供了有力的理论依据.     

基于RGB-D相机和激光雷达的传感器数据融合算法

常用的环境探测传感器中,二维激光雷达扫描角度广,测量精度高,但数据量较少,RGB-D相机成本低,能获取环境三维信息,但视角小.在此基础上,提出一种改进的RGB-D相机和二维激光雷达数据融合算法,本算法首先将RGB-D相机获取的深度图像转换为三维点云,剔除地面点云后进行投影得到模拟2D激光数据,然后与二维激光雷达数据进行...     

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ROS的室内导航机器人设计研究

采用基于机器人操作系统（ROS）的设计方案开展了机器人在自主导航中的应用研究,设计了一款集定位、SLAM建图、路径规划、驱动控制于一体的机器人综合系统。系统利用激光雷达扫描获取环境实时数据和里程采集信息,通过Gmapping算法对数据进行融合,以及采用自适应蒙特卡洛定位（AMCL）方法实现了环境地图绘制与定位。通过matlab对路径规划算法进行对比研究发现,路径规划任务中Djakarta算法更适应在室内多障碍物场景。而实验结果显示在模拟环境中利用Dijkstra算法和DWA算法进行避障更加有效。仿真实验结果也表明,该系统可构建高精度环境地图,并对机器人进行定位和导航,实现了在实时路径规划中成功避开障碍物到达目标点。以上研究表明在室内定位和导航任务中该机器人系统框架具有良好的可行性和稳定性。     

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.     

基于模型预测控制的移动机器人户外导航方法

针对户外巡检、户外清洁、智能农业等户外场景对自主机器人的使用需求,设计了一种具有很强实时性和稳定性的移动机器人户外导航方法。移动机器人收到户外GPS航迹点后,使用激光雷达实时获取周边环境点云并构建局部栅格图,在栅格地图内使用基于路段走向改进的A-star算法搜索局部避障路径,最后设计使用模型预测控制器以跟踪避障轨迹。为了验证该导航方法的可行性,在仿真和户外环境下分别进行了对比实验,实验结果表明所生成的轨迹稳定平滑并能有效避障,模型预测控制器轨迹跟踪精度高、耗时短,实现了户外移动机器人高效率、稳定导航。     

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。     

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.     

基于深度学习的语义栅格地图构建方法

为了提升移动机器人在定位导航任务中对环境的理解力,提出一种包含墙角信息的语义地图构建方法.首先结合激光SLAM算法和深度学习方法创建环境栅格地图并提取环境语义,同时对语义点云进行假语义去除,通过坐标转换将语义信息与环境栅格地图进行融合,并采用基于贝叶斯估计的增量式方法对栅格中物体语义存在与否进行判定,得到包含语义信息的...     

北斗导航辅助移动机器人同时定位和地图构建研究

针对未知环境下移动机器人实时构图和导航问题,将基于激光的环境特征提取和地图构建技术与北斗卫星导航相结合,设计了一种基于特征地图的移动机器人自主导航系统。利用激光提取环境信息,采用点和直线段进行环境表示,结合里程计进行定位,同时进行地图构建。然后在地图上关联北斗坐标,丰富地图信息,根据路径规划方法实现移动机器人自主导航。在Poineer3-AT机器人上实验表明:该方法能够快速提取直观的表示环境信息,并实现自主导航功能,有效提高了移动机器人导航能力。     

基于图像识别的机器人定位与导航算法的研究

近年来,由于移动机器人逐渐脱离实验环境进入到商用阶段,采用激光雷达进行地图导航的方式由于成本过高逐渐被低成本的视觉方案所取代。依托两台单目摄像机,基于图像识别理论可以对机器人的工作环境进行感知建模,所获得的信息相较于传统的激光雷达的距离信息更增加了特征信息,使得机器人的导航定位更加灵活。针对移动机器人的导航问题,提出了一种基于图像识别的定位导航算法。首先,分析了问题的研究背景和研究现状;其次,构建了双目视觉定位系统并分析了图像特征提取的主要方法;再次,提出了一种改进的图像匹配方法实现视觉SLAM;最终,所设计的算法通过实验进行了验证。实验结果表明,所设计的算法能够准确呈现工作环境的原始信息。     

基于单目视觉和轮式编码器的室内移动机器人松耦合定位方法

本文提出一种以ORB-SLAM2为基本框架、使用编码器信息辅助单目视觉信息的室内移动机器人定位方法。针对单目视觉同步定位与地图构建(SLAM)呈现的尺度模糊、尺度漂移等问题,融入轮式编码器信息以恢复其绝对运动尺度;针对移动机器人定位过程中的z轴漂移问题,构建平面运动模型约束以减少z轴上的累积误差。多种真实环境下的实验结果表明,与原始ORB-SLAM2算法相比,本文算法的绝对轨迹精度及z轴轨迹精度得到明显改善。     

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.     

一种无先验地图的移动机器人导航方法

为了提高移动机器人在复杂环境下的无先验地图导航算法模型训练速度及导航成功率,提出一种基于深度确定性策略梯度(deep deterministic policy gradient, DDPG)的移动机器人导航方法。利用2D激光雷达的均匀分布测距信息,降低环境噪声的干扰及高维度环境信息的计算量;采用人工势场法构建移动机器人从初始位置到目标点过程的奖励函数;通过Actor-Critic网络结构提高模型训练的稳定性和泛化能力。实验结果表明,提出的方法具有模型训练速度快、导航成功率高及泛化能力强等优点。     

一种单线激光雷达和可见光摄像机的标定方法

结合移动机器人实际应用.提出了针对激光雷达和可见光摄像机标定的方法.通过对激光雷达扫描特殊标定板得到距离信息的计算,求得雷达扫描线在标定板上的坐标位置,从而得到了一组雷达数据和图像数据的对应点对.以此为基础,通过参数拟合的方法实现了两者关系的求取.该方法只需要标定板就能够完成激光雷达和摄像机的空间标定,标定精度高,在此基础上的外部标定,实现了多个传感器世界坐标系的统一,避免了后续处理中数据解释的二义性,实验证明了这种方法的有效性.     

基于RGB-D传感器的车间三维场景建模

感知车间环境是实现自动引导小车(AGV)智能化自主运行的基础.三维场景建模比二维地图更适于表达非结构化场景信息,然而已有的激光雷达技术和视觉技术实现方法都有其不足之处.文中利用RGB-D深度传感器,结合移动机器人及开源机器人操作系统(ROS)建构了一套软硬件系统,用于制造车间环境的复杂大场景三维建模;介绍了该系统光机电硬件和ROS软件的各模块功能与集成设计,以及相应的扫描策略,并用该集成系统进行了车间局部环境自动连续扫描、数据拼接、三维建模实验.结果表明用该系统可以较好地完成三维场景建模任务.