摘要:

随着机器人技术的蓬勃发展，越来越多的机器人进入了人们的日常生活中。但是，目前的机器人大多依靠激光雷达进行自主定位与导航，而激光雷达价格相对较高，使得机器人的制造成本较高，阻碍了民用机器人的普及与进一步发展。基于智能小车及NVIDIA Jetson TX2开发板，构建了一种基于视觉的机器人定位与导航系统。实验结果表明，该系统能够基于社区场景构建稀疏点云地图，并以此进行准确定位。

摘要:

同时定位与建图(SLAM)是实现移动机器人真正自治的必要前提,视觉传感器由于能够提供丰富的环境信息而在SLAM研究中受剑重视,本文从视觉传感器配置方式、视觉特征提取方法、视觉SLAM实现机制、地图表示类型以及环境对视觉SLAM的影响五个方面综述基于视觉传感器的同时定位与建图研究的发展现状,对已有的典型视觉SLAM方法进行分析和比较,并展望了未来的发展趋势.

摘要:

针对单一机器人在复杂场景下进行同步定位与建图存在的视角局限等问题,本文提出了一种空地正交视角下的空中无人机与地面机器人协同定位与融合建图方法.鉴于无人机的空中视角与地面机器人视角属于正交关系,该方法主要思想是解决空地正交视角的坐标系转换问题.首先,设计了一种空中无人机和地面机器人协同定位与建图的框架,通过无人机提供的全局俯视图像与地面机器人的局部平视图像获得全面丰富的场景信息.在此基础上,通过融合惯性测量单元和图像信息修正偏移并优化轨迹,利用地面机器人上带有尺度信息的视觉标识,获得坐标系转换矩阵以融合地图.最后多组真实场景实验验证了该方法具有有效性,是空地协同多机器人协同定位及融合建图(simultaneous localization and mapping,SLAM)领域中值得参考的方法.

摘要:

针对Kinect相机存在的固有噪声,在机器人视觉定位与建图中提出一种改进ORB特征匹配算法结合改进环境测量模型的SLAM系统,该系统使用改进ORB算法提取图像的特征点,建立相邻帧之间特征点的对应关系,并对深度图进行滤波;使用ICP算法计算机器人运动,通过环境测量模型去除误匹配点,同时进行回环检测,最后使用g2o对位姿进行全局优化,建立环境点云图.通过实际环境与公开数据集的运行测试,结果表明,该V-SLAM能够准确地完成相机位姿的更新,并建立环境点云图.

摘要:

针对移动机器人同时定位与建图(SLAM)中的局部数据关联问题,提出一种基于粒子滤波的多假设数据关联方法.该方法将数据关联问题转换成离散优化问题,利用多个粒子来维持多种数据关联假设,通过计算关联代价来获得粒子权重,用基本剪枝技术在粒子重采样过程中滤除错误的数据关联假设.研究结果表明:该方法弥补了经典的数据关联方法中关联假设一旦确定就不能修改的不足；与ICNN和JCBB数据关联方法相比,该方法能获得更正确的数据关联结果和更高的定位精度.

摘要:

针对室内环境的结构特点,提出一种使用平面与线段特征的RGB-D视觉里程计算法.首先根据RGB-D扫描点的法向量对3D点云进行聚类,并使用随机抽样一致(RANSAC)算法对每簇3D点集进行平面拟合,抽取出环境中的平面特征;随后利用边缘点检测算法分割出环境中的边缘点集,并提取出环境中的线段特征;然后提出一种基于平面与线段几何约束的特征匹配算法,完成特征之间的匹配.在平面与线段特征匹配结果能提供充足的位姿约束的条件下,利用特征之间的匹配关系直接求解RGB-D相机的位姿;若不能,则利用匹配线段的端点以及线段点集来实现RGB-D相机位姿的估计.在TUM公开数据集中的实验证明了选择平面与线段作为环境特征可以提升视觉里程计估计和环境建图的精度.特别是在fr3/cabinet数据集中,本文算法的旋转、平移的均方根误差分别为2.046?/s、0.034 m/s,要显著优于其他经典的视觉里程计算法.最终将本文系统应用到实际的移动机器人室内建图中,系统可以建立准确的环境地图,且系统运行速度可以达到3帧/s,满足实时处理的要求.

摘要:

针对传统EKF-SLAM算法中存在状态估计不一致的问题,从系统能观测性角度分析,提出一种增加观测性约束条件的算法,利用补偿矩阵U最优化求解约束条件,得到新的线性点,并通过优化系统的雅克比矩阵重构系统能观测矩阵,使得EKF-SLAM系统与非线性SLAM系统观测方程能观矩阵的秩保持一致.结果表明,所提出算法在状态估计的精确性和协方差一致性方面明显优于传统的EKF-SLAM算法,研究工作和结论对车辆自主驾驶有一定的参考价值.

摘要:

定位问题是移动机器人研究领域中最基本的问题,在Bayes的框架下研究了机器人与无线传感器网络(WSN)组成系统中的同时建图与定位问题(SLAM).针对该系统中只存在距离测量信息可用的情况提出了一种基于粒子滤波的SLAM算法.该方法将机器人状态和节点位置估计设置为一组全局估计粒子,通过对粒子及其权重的更新来计算整个系统的状态.算法将WSN节点的位置估计在机器人的路径上分解为相互独立的估计,从而将全局粒子的计算转化为使用一个机器人状态滤波器和对应于每个机器人粒子的节点位置滤波器进行计算.针对观测信息低维的特点,设计了处理低维观测信息的方法,使得观测信息可以在滤波阶段得到合理利用.并且详细介绍了提出的SLAM算法原理和计算过程,并通过仿真实验证明了算法的有效性和实用性.

摘要:

针对在移动机器人同时定位与建图(SLAM)过程中如何快速准确获取数据关联结果的问题,提出了一种基于DBSCAN(density-based spatial clustering of application with noise)聚类分组的快速联合兼容SLAM数据关联算法(DFJCBB).首先,采用局部关联策略将参与关联的特征点限定在局部地图中;其次,针对多数环境中量测都有较明显的分布,采用一种基于密度聚类的方法DBSCAN对当前时刻的量测进行分组,从而得到若干关联度小的观测小组;最后,在每个小组中采用联合兼容分支定界(JCBB)算法进行数据关联,以获得每个小组量测与局部地图特征之间的最优关联解,并将这些关联解组合获得最终的关联结果.基于模拟器和标准数据集的仿真实验验证了该关联算法的性能,结果表明该关联算法在保证获得较高关联准确度的同时,大大降低了算法复杂度、缩短了运行时间,适用于解决不同复杂环境中的SLAM数据关联问题.

摘要:

视觉SLAM一直是近年来火热的研究方向,其处理对象为视觉图像;深度学习在图像处理中展现出的愈加突出的优势,使二者的广泛结合成为了可能.总结了传统SLAM与基于深度学习的SLAM的特点、性质,重点介绍和总结了深度学习在视觉里程计、回环检测中的研究成果,展望了基于深度学习的视觉SLAM的研究发展方向.