视觉融合SLAM鲁棒框架研究

通过融合多种传感器,设计了视觉融合同时定位与地图构建(simultaneous localization and mapping,简称SLAM)的基本功能框架,突出了SLAM环境和动态检测功能,重点基于ROS构建了视觉融合SLAM的技术架构,通过DDS实现了多种功能节点的有效通信,较大程度地提升了视觉SLAM的稳定性和鲁棒性.     

基于单目相机与激光雷达融合的SLAM方法

视觉传感器与激光雷达融合的SLAM方法是当下研究的热点,实际效果优于单一传感器的SLAM方法.针对当下视觉传感器与激光雷达融合的算法仍然存在着用于定位的特征点不足导致定位精度不高的问题,充分利用激光雷达提供的深度信息,提出了一种多策略的视觉与激光融合的SLAM算法,在估计帧间位姿前对上一帧中的特征点深度值进行判断,通过...     

ROS系统下机器人激光SLAM研究

自机器人出现以来,人们就在不断研究如何使得机器人更加智能化,这时出现了SLAM技术,很多学者认为SLAM是机器人真正自主行动的开端。本文主要研究ROS系统下机器人的激光SLAM。该课题的实现,借助我国的思岚激光雷达传感器采集数据,在安装有ROS的上位机进行远端操控,使用ROS框架结合控制移动的地盘节点、扫描周围环境的雷达节点、建立机器人坐标系的TF组件等多个功能包,在功能包的共同工作下实现远程控制机器人。功能的实现需要结合不同的环境选择不同的算法,通过算法程序结合雷达、底盘、stm32和上位机,从而实现低成本高精度的移动机器人的SLAM。     

无人机视觉SLAM算法及仿真

为将SLAM算法从地面机器人的两维空间扩展到无人机的三维环境,研究了SLAM的发展现状,指出无人机视觉SLAM面临的挑战,利用摄像机和惯导传感器的组合,建立了无人机视觉SLAM算法的数学模型;并提出了一种改进的延迟地标初始化的方法,为了便于理解和实施,简化了系统的状态和方差阵的结构,减少了存储和计算量。用EKF滤波对无人机视觉SLAM进行了仿真研究,得到了较好的估计效果,表明了SLAM在无人机上应用的可行性。     

用于移动机器人的视觉SLAM综述

由于移动机器人的广泛应用,传统的基于惯性测量单元或GPS/INS的导航系统在某些环境下的应用受到限制.而视觉SLAM的快速发展为移动机器人的导航提供了基础,但是当前还面临着一些挑战,如何让视觉SLAM更好的应用在机器人导航中成为研究的热点.本文介绍了视觉SLAM中的一些关键技术,总结了纯视觉SLAM和多传感器视觉SLA...     

移动机器人视觉SLAM回环检测现状研究

同步定位与建图(Simultaneous Localization and Mapping, SLAM)是移动机器人实现自主定位与导航的关键技术，已成为该领域研究的热点。视觉SLAM是指相机作为仅有的外部传感器，进行同步定位与建图的技术，随着计算机视觉的迅速发展，视觉SLAM因为信息量大、成本低廉、适用范围广和可提取语义信息等优点受到广泛关注，而回环检测(Loop Closure Detection, LCD)作为其重要的一个环节，受到学者的广泛研究。对视觉SLAM系统进行简单概述，对LCD的原理、传统的LCD算法分类和主流的LCD算法进行总结归纳，介绍了LCD的性能评估标准，对LCD当前面临的挑战及未来前景进行展望。     

视觉深度估计与点云建图研究进展

即时定位导航(SLAM)是无人驾驶和机器人实现自主移动的关键技术。目前广泛应用于SLAM技术中的激光雷达传感器存在成本高昂、激光点云空间分辨率低及难以获得精确的语义信息等一系列问题。视觉传感器可以有效避免上述问题,但是在深度预测和建图等方面需要更复杂的算法。近年来,随着处理器算力的提升、数据集的丰富和新机器视觉算法的出现,视觉深度预测和建图算法的精度和效率都有了明显提升。本文对现有视觉深度预测与视觉建图方法进行了总结,从视觉数据的采集和算法设计等方面进行分类阐述,最后针对应用场景和未来发展方向进行了分析。     

基于ORB词袋模型的SLAM回环检测研究

即时定位与地图构建(SLAM)是解决移动机器人在未知非结构化环境中自主导航与控制的关键,一个完整的SLAM系统包括传感器数据处理、位姿估计、构建地图、回环检测四个部分。其中回环检测机制是解决移动机器人的闭环重定位,提高SLAM系统鲁棒性的重要环节。该研究提出一种基于ORB词袋模型的SLAM系统框架,通过研究与分析了使用FLANN算法选取关键帧与匹配帧间特征点,ORB特征描述子对检测速度的提高,通过k-means++算法对特征点进行训练生成含有视觉单词的词袋模型,使用高斯金字塔的直方图交叉核的SVM分类器,使用e PNP算法的增量式帧间位姿估计,回环检测重定位机制等环节,实现了单目视觉SLAM系统的初始化与位姿优化,实现了在丢帧状况下通过词袋模型进行重定位。最后通过搭建实验平台和标准数据集的测试得到的数据结果表明,基于ORB词袋模型的SLAM系统,具有良好的实时性,能够有效提高SLAM系统的重定位准确性,增强了系统的鲁棒性。     

弱纹理环境下基于线条的图像位姿恢复

近年来,随着图像传感器的快速发展,基于视觉的定位技术越来越受到研究学者的关注。典型的视觉定位技术是即时定位与建图(Simultaneous Localization and Mapping,SLAM)。传统的SLAM一般是通过对图像中的特征点进行提取并计算描述子,但是在室内场景下,环境多为弱纹理情形,如走廊,墙壁等。文中提出了一种轻量级的、快速的基于线条特征进行图像间的位姿恢复的方法。实验结果显示,和基于特征点方法相比较,文中提出的方法在弱纹理环境下能够恢复出欧拉角的误差不大于5度,计算时间大约减少了2~3倍。     

动态环境下基于深度学习的视觉SLAM研究综述

目前的同时定位与地图构建(Simultaneous Localization and Mapping,SLAM)研究大多是基于静态场景的假设,而实际生活中动态物体是不可避免的。在视觉SLAM系统中加入深度学习,可以协同剔除场景中的动态物体,有效提升视觉SLAM在动态环境下的鲁棒性。文章首先介绍了动态环境下基于深度学习的视觉SLAM分类,然后详细介绍了基于目标检测、基于语义分割和基于实例分割的视觉SLAM,并对它们进行了分析比较。最后,结合近年来视觉SLAM的发展趋势,通过对动态环境下基于深度学习的视觉SLAM存在的主要问题进行分析,总结了未来可能的发展方向。     

移动机器人同时定位与地图构建技术研究

移动机器人同时定位与地图创建（SLAM）是实现未知环境下机器人自主导航的关键性技术,具有广泛的应用前景,也是目前机器人研究的热门课题之一。本文针对近年来关于移动机器人同时定位与地图创建的研究工作进行了总结和分析,重点介绍了移动机器人SLAM的问题描述、关键性技术、SLAM方法的发展现状及存在的不足。     

变结构的鲁棒语义SLAM算法

基于深度学习的飞速发展,语义信息逐渐成为SLAM(Simultaneous Location and Mapping)领域的研究热点.由于环境以及传感器本身带来的噪声问题,现有大多数语义SLAM算法所构建的语义地图中存在一些异常点,导致构建的语义地图缺乏一致性,并且影响算法精度.损失函数可以调整对异常点分配的权重,从而...     

一种视觉SLAM单目半稠密建图方法的实现

SLAM即同时定位与地图构建,一直是机器人和计算机视觉的研究热点。尤其是视觉SLAM技术,21世纪以来在理论和实践上均取得了明显的突破,已逐步迈向市场应用。建图作为SLAM的两大目标之一,可以满足更多的应用需求。本文在给定相机轨迹的情况下,提出一种视觉SLAM单目半稠密建图方法,利用极线搜索和块匹配技术,加入图像变换和逆深度高斯深度滤波器处理,以期避免单目稠密建图严重依赖纹理、计算量大的缺点,提高单目半稠密建图的准确性和鲁棒性。经测试显示,改进的单目半稠密建图方法在检测梯度变化明显像素点上更加准确,深度估计的平均误差和平方误差分别减少了9%和47%,是一种可行有效的视觉SLAM单目半稠密建图解决方案。     

基于激光传感器的移动机器人地图创建研究

主要研究了室内自主移动机器人基于激光传感器在未知环境下的地图创建的问题。分析了目前地图创建的方法,采用一种分层聚类的方法从原始激光测量数据中提取直线特征,并计算直线特征参数的方差矩阵,最后通过Matlab仿真以及在带有激光型号为lms200的MT-r机器人进行物理实验验证了其可行性。结果所得为机器人实时定位和SLAM提供了理论依据。     

基于视觉图像SLAM的巡检车研究和实现

随着5G通信技术的发展,车路协同的网络数据传输得到了极大突破.本文研究面向车路协同,进一步完善基于SLAM无人巡检车地图以及导航方式的系统.通过车路协同的方式完善导航地图,减少无人巡检车对传感器本身的精度和覆盖范围要求,利用路边摄像机等覆盖范围更为宽广的路侧检测方式,减少无人巡检车辆的开发成本,同时提高交通安全性,推动...     

扩展卡尔曼体系下的SLAM算法计算框架

扩展卡尔曼体系下的SLAM算法指SLAM算法中含有状态预测过程和状态更新过程。为了便于理解扩展卡尔曼体系下的SLAM算法计算过程,本文从滤波算法计算框架角度对它们分别进行了描述,对基于EKF的SLAM算法进行了说明和总结。     

基于TOF计算成像的三维信息获取与误差分析

TOF三维成像技术具有帧内并行主动探测、获取景物信息的实时性好、环境光影响小、测量精度高、抗运动干扰性强、平均功耗低等优势,在三维智能感知、工业检测、SLAM等领域有着广泛的应用前景,特别是在自主导航,驾驶控制与智能系统中作为获取实时三维成像信息的传感器得到了迅速发展。研究了两类TOF成像的原理及特点,论述了其系统组成,并将TOF成像原理与其他主流三维成像技术进行了对比,对其主要误差来源和类型进行了归类和分析,研究了测量误差模型。TOF成像作为新一代三维成像技术仍处于发展阶段,可以有效提升智能系统的成像感知能力和测量水平,推动了相关领域的技术进步。     

智能移动机器人同步定位与地图构建算法研究

以移动机器人的同步定位与地图构建（SLAM）算法为研究对象,介绍了机器人同步定位与地图构建的原理,并对现有SLAM算法进行深入研究。对现有的SLAM算法进行改进,提出基于平方根UKF的SLAM算法,仿真结果表明,新算法达到提高SLAM算法的稳定性,减少算法运算复杂度并得到较高的估计精度的目的。     

基于PF/CUKF/EKF的移动机器人SLAM框架算法

 提出了一种基于混合滤波的移动机器人同时定位与地图创建(SLAM)算法框架,并利用统计理论对SLAM算法进行一致性评估,该算法框架将机器人SLAM中的联合后验概率分布分解为机器人路径部分及以机器人路径为条件的地图部分,使滤波器变成低维滤波,能够有效地提高计算效率.采用约束的无色卡尔曼滤波(CUKF)算法并融合新的观测数据使提议分布更加接近后验概率分布,并且能够精确估计移动机器人的位姿,进而通过扩展卡尔曼滤波(EKF)算法更新特征地图的位置.仿真实验表明该混合滤波技术为SLAM算法提供了一种有效可靠的途径,在一定条件下与其他SLAM算法比较会得到更高的精度要求.     

基于PROSAC的视觉SLAM特征匹配方法

当前视觉即时定位与地图重构技术（SLAM）的过程中，通常采用随机采样一致性（RANSAC）的图像特征匹配算法，随机估计图像模型容易造成算法时间复杂度不确定，进而导致图像匹配时耗过大，难以满足视觉SLAM 实时性的要求。为了改善这一问题，使用渐进采样一致性（PROSAC）的算法对图像特征进行筛选，剔除误匹配特征点，有效改善了图像特征匹配的效率与鲁棒性，进一步增强了视觉SLAM 的稳定性与实时性。试验验证表明，相比于当前视觉SLAM 特征匹配算法，计算效率明显提升。