动态场景下基于光流的语义RGBD-SLAM算法

为解决传统的同时定位与建图算法在复杂动态环境下容易受到动态目标干扰而导致定位精度差和建图错误的问题,提出了一种动态场景下基于光流的语义RGBD-SLAM算法。首先,通过优化的二维相邻帧透视矫正方法,对当前帧进行透视矫正以补偿相机运动;然后,将矫正后的图像输入RAFT-S网络中,在获得低分辨率的稠密光流场后提取动态目标的掩码,并根据上一帧掩码中动态目标的位置和速度信息,对当前掩码中的动态区域进行跟踪和优化,从而提取动态目标在每一帧中的精确区域;最后,分离静态和动态特征点,通过最小化静态特征点的重投影误差,得到优化后的相机位姿,并结合轻量级语义分割网络BiSeNetv2提供的语义信息和相机提供的深度信息,构建无人的静态语义八叉树地图。公开数据集TUM上的测试结果表明,本文算法的绝对轨迹误差相对于ORB-SLAM2减少了90%以上,并能获取精确的动态区域掩码以及准确的语义地图,验证了该算法在复杂动态场景中具有良好的定位精度和鲁棒性。     

高动态环境下的傅里叶梅林变换视觉SLAM算法

针对视觉即时定位与地图构建(SLAM)中的静态假设限制其在动态现实环境中应用的问题，提出了一种在高动态环境下基于傅里叶梅林变换的视觉SLAM算法。首先，采用傅里叶梅林算法配准以补偿相机运动，应用帧间差分算法获取运动掩膜。同时利用短时密集连接网络进行语义分割确定潜在运动物体掩膜。结合运动掩膜与物体掩膜，获得最终的物体运动区域，剔除该区域的特征点。最后，依据稳定的静态特征点跟踪优化，提升位姿精度。实验结果表明，本算法的绝对轨迹误差与相对位姿误差相比于ORB-SLAM2减少了95%以上，相比于DS-SLAM减少了30%以上，验证其在复杂动态场景下具有良好的定位精度与鲁棒性，有效降低运动模糊与光照变化对运动检测的影响，同时，克服了传统动态SLAM难以检测非先验运动对象的弊端。     

基于图优化方法融合激光反光柱和环境信息的地图构建

针对自动导引运输车（Automated Guided Vehicle,AGV）在环境复杂情况下的对建图定位的稳定性以及精确性的要求，提出了一种基于图优化的即时定位与建图（Simultaneous Localizationand Mapping,SLAM）方法，此算法进行优化时会在构建环境地图时将反光柱信息融合其中。在SLAM前端检测到反光柱并获取到反光柱坐标位姿坐标之后，首先使用扩展卡尔曼滤波（Extended Kalman Filter,EKF）算法对反光柱进行位姿进行初步优化，然后在SLAM系统后端将其作为一个节点和地图中的子图节点一起进行优化。经实验验证，当系统在几何特征少或复杂场景时，将反光柱位姿信息融入之后，以图优化为后端的SLAM算法建图定位精度和鲁棒性都能够获得一定的提升。     

基于激光SLAM的移动机器人的改进实现

传统的基于激光SLAM的移动机器人通常配备激光测距仪作为其获取外界环境信息的传感器,但激光测距存在不能获取三维环境信息的不足。比较了以激光测距仪数据作为观测和以Kinect数据作为观测时对移动机器人同时定位与建图的影响,并提出了对基于激光SLAM的移动机器人的改进实现,使机器人同时配备激光测距仪和Kinect用于同时定位与建图以及导航。实验表明:同时配备激光测距仪和Kinect的移动机器人,不仅可以获得较高质量的环境地图和较高精度的机器人定位,同时还可以获得通过复杂环境的能力。     

室内场景下实时地三维语义地图构建

移动机器人自主建图是完成智能行为的前提。为提高机器人智能水平和直观的用户交互,地图需要扩展超出几何和外观信息的语义信息。研究了将基于深度残差网络(DRN)的像素级图像语义分割和三维同时定位与建图(SLAM)相融合的三维语义地图构建方法。首先,采用一种联合中值滤波算法进行深度图像的修复,使用改进的迭代最近点(ICP)算法得到相机估计位姿以及基于随机蕨类的闭环检测构建出三维环境地图;其次,采用优化的深度残差网络对输入的图像实现较精准的像素语义级别的预测与分割;最后,采用贝叶斯更新方法,渐进式的将图像分割获取的语义分类标签迁移到重建的室内三维模型中,获得完整的三维语义地图。实验表明,所设计的方法可以在实际的、复杂环境下实时地构建语义地图。     

基于惯性测量单元辅助的激光里程计求解方法

在同步定位与建图(SLAM)问题中,里程计部分的求解精度对后续建图起着至关重要的作用,惯性测量单元(IMU)可以为SLAM中里程计求解提供良好辅助.在考虑平面移动机器人运动特点及室内环境特征的基础上提出一种基于IMU松耦合的激光里程计求解方法,实现里程计部分的精准定位.第1阶段,机器人运动过程中实时处理点云信息,将地面...     

基于多传感器紧耦合的工程机械定位与建图系统

工程机械工况复杂、作业环境恶劣,实现工程机械无人驾驶将带来显著的社会效益和经济价值。工程机械不同于普通乘用车,为实现无人驾驶工程机械在多复杂工况下的高鲁棒性定位,采用多传感器紧耦合的同步定位与建图系统(Simultaneous localization and mapping, SLAM)。针对现有SLAM前端算法计算冗余、计算效率低下等问题,采用基于点线、点面特征匹配的方法,结合局部地图配准,有效降低点云配准时的数据量,避免计算冗余。针对现有激光融合SLAM无回环检测的问题,基于空间近邻原则结合正态分布变换算法将回环检测机制引入SLAM系统,有效降低SLAM系统建图的全局误差。针对工程机械作业环境定位与建图易退化的问题,在点线、点面特征匹配的基础上,创立了残差自适应反馈机制,使得迭代方程求解快速收敛而不发散。仿真和实车试验结果证明该套SLAM系统能够有效解决工程机械在桥梁、长廊等作业场景下的建图退化问题,建图速度大大提高,能够满足工程机械实时定位与建图的需求。     

一种多焦距动态立体视觉 SLAM

现有的双目同步定位与建图(SLAM)都使用标准立体相机,所处环境为静态的假设会影响其在动态环境中的精度。 提 出了一种多焦距动态立体视觉 SLAM 方法,它克服了标准立体相机无法兼顾远距离和宽视场感知场景的缺点,并去除了动态物 体对 SLAM 的影响。 具体来说,对传统的立体校正方法进行了改进,并使用校正参数修正了特征点的位置,而不是整张图像,还 提出了一种自适应特征提取和匹配方法以增加多焦距图像的特征匹配数量。 综合使用多视图几何、区域特征流和相对距离检 测动态对象,剔除动态对象上的特征点。 在公开数据集 KITTI 上,该方法相对 ORB-SLAM3 和 DynaSLAM 的定位精度都提高了 6. 97% ,在自建数据集中,该方法的定位精度比 ORB-SLAM3 提高了 26. 64% ,比 DynaSLAM 提高了 32. 09% 。     

激光SLAM在AGV平台构建地图及处理异常的应用

为提高激光SLAM在AGV平台在线建地图的效率,提高建图准确性和建图精度,对激光SLAM在工厂实际进行系列应用及研究。着重研究激光SLAM在线建图方法、建图结果评价、建图异常环境评估及以及激光SLAM航算法异常处理措施。应用研究结果总结了激光SLAM典型在线建图方法及步骤;强调地图一致性检验在激光SLAM建地图中的评价的重要地位;总结了激光SLAM建地图环境典型异常原因及典型应多措施。结果表明,激光SLAM导航算法异常的主因是环境变化频繁或激光发射面区域附近轮廓差异大,并提出通过规范措施可以避免导航算法异常,以及不适合用激光SLAM的应用场景。研究结果表明,应用改善效果明显,环境因素导致的建地图异常比例下降约90%;通过改善或改变工厂环境可以避免环境因素激光SLAM导航算法异常。此外,改善激光SLAM在AGV平台在线建地图的措施可以从实施技术、组织管理、技术推广培训等多方面入手。研究表明,技术提升是激光SLAM建图质量及效率的根本保障,管理提升也是激光SLAM建图质量及效率的重要抓手。     

动态场景下基于实例分割和三维重建的多物体单目 SLAM

针对大多数SLAM系统在动态环境下相机位姿估计不准确与环境语义信息利用不充分的问题,提出一种基于实例分割的关键帧检测和贝叶斯动态特征概率传播的动态物体检测算法,并对环境中存在的静态物体三维重建,以此构建一个动态环境下的多物体单目SLAM系统。该系统对关键帧输入图像进行实例分割与特征提取,获取潜在运动物体特征点集合与静态物体特征点集合;利用非运动物体特征点集合获取帧间位姿变换,普通帧利用贝叶斯对动静态特征点进行概率传播,利用静态特征点集实现对相机位姿的精准估计;在关键帧中对静态物体进行联合数据关联,数据充足后进行多物体三维重建,构建多物体语义地图,最终实现多物体单目SLAM。本文在TUM与Boon公开数据集上的实验结果表明,在动态场景下,相较于ORB-SLAM2算法,绝对位姿误差的均方根误差平均降低54.1%和58.2%。     

BIM 校正累计误差的激光里程计求解方法

建筑机器人室内作业过程中,如何实现里程计精确求解对后续的定位建图及精准作业有着至关重要的影响。针对传统同步定位与地图构建(SLAM)方法由于回环检测导致的准确性问题,提出了一种以建筑信息模型(BIM)数据校正激光里程计累计误差实现精准定位的方法。首先求解机器人初始时刻在BIM中的全局初始定位,其次提取三维点云关键点并转换其为二维点云,然后以轮式里程计数据为预测值求解帧间运动,最后结合BIM数据消除累计误差得到高精度里程计定位。实验表明：本方法在机器人初始定位、激光点云处理和消除累计误差的运动求解上具有良好的稳定性和准确性,初始定位误差小于2 mm,里程计偏移量误差控制在0.09%内,为建筑机器人精确建图提供了有力保障。     

基于点云稀疏语义特征的智能网联汽车协同感知配准算法

针对道路场景下多智能网联汽车协同感知问题,本文提出一种基于点云稀疏语义特征的智能网联汽车协同感知配准算法。所提算法旨在通过点云集成配准扩展智能网联汽车感知范围,进而实现智能网联汽车协同感知。首先,在道路语义特征基础上进行几何特征提取进而得到点云稀疏语义特征。其次,计算道路语义特征点云间的角度偏差以提供配准初值,并将点云语义信息作为配准约束条件实现全局语义集成配准。实验表明所提算法有效扩大了多智能网联汽车协同感知范围,提高了多点云集成配准的精度与鲁棒性。与当前主流算法JRMPC相比,本文所提算法配准精度提高了2.45%。     

实时的移动机器人语义地图构建系统

语义信息可以使机器人更充分地理解未知环境,为更高级的人机交互和完成更复杂的任务奠定基础。为了能够使移动机器人实时地创建语义地图,在Jetson TX1嵌入式电脑上开发了一种轻量级的深度学习目标检测模型,在保证了检测精度的同时,实现了高效的目标检测功能。并利用了视频流中的帧间光流信息,使用运动信息指导传播算法降低检测算法的漏检率。对于Kinect传感器生成的深度图像有黑边、黑洞等缺陷,使用统一计算设备架构(CUDA)技术开发了一种实时的深度图像修复算法。利用即时定位与地图构建(SLAM)技术,实现移动机器人底层的定位、导航、地图创建功能,并在此基础上使用贝叶斯推理框架,同时融合了环境的度量信息与视觉识别信息完成了语义地图的创建。经过实验表明,所提出的方法在实际的、复杂的室内环境下可以使移动机器人实时地创建语义地图。     

双边特征聚合与注意力机制点云语义分割

机器视觉是环境感知的重要手段之一,是自动驾驶、机器人、工业检测等领域的研究热点,而点云数据的精细分析是其 中的一项关键技术。 针对大尺度真实场景点云数据分割精度低的问题,提出了一种适用于点云数据语义分割的网络结构。 首 先,构建了一个双边特征聚合结构,通过分别处理点云的几何信息和语义信息,达到充分利用点云特征信息的目的。 其次,使用 近邻特征的高维空间相关性计算点与点之间的相互作用,进行局部邻域的上下文信息增强。 提出了一种混合池化结构代替最 大值池化,减少信息损失,使用横向跨层池化连接来增强特征多样性。 最后,引入注意力机制提取全局特征,滤除尺度噪声,增 强特征在空间上的表现力。 实验结果表明,该方法在大尺度真实场景点云数据集 S3DIS 上的平均交并比为 68. 2% ,平均准确率 为 80. 7% ,比 PointNet 提高了 20. 6% 和 14. 5% ,客观指标优于已有的代表性方法。     

基于角点稳健提取的长方体参数化拟合方法

长方体基元拟合是三维点云几何拟合的典型问题,在三维重建、逆向工程、工业三维量测等实际场景中有着广泛应用。在实际应用中由于遮挡及设备盲区等原因,通常无法获取完整长方体点云数据,导致建模或量测时难以准确拟合长方体结构。针对该问题,本文提出一种结合平面拟合投影分割以及残缺平面垂角检测的长方体参数化拟合方法实现了长方体参数化拟合。首先,该方法通过平面拟合投影分割算法获取强轮廓信息的平面点云;然后,设计了残缺平面垂角检测算法,以拟合长方体真实角点;最后,利用非共面四点法对长方体残缺角点进行计算补全,获得完整的长方体参数信息。实验表明,本文方法在各类情况下均能准确检测并补全长方体角点信息以及平面参数信息,角点查准率召回率均为100%,平均误差仅为1.204×10^-3 m,能够实现精确的长方体参数化拟合。     

面向轮胎3D花纹的语义建模方法

针对以几何特征为主导的建模方式会造成轮胎3D花纹模型创建操作繁琐、设计信息表达分散且不完备的问题,提出了以语义为主导的3D建模方法。该方法是在花纹设计的应用理论及实用技术探讨和研究的基础上,将理论设计中的花纹沟、装饰品及交汇特征的结构抽象分解得到轮胎花纹语义单元,从而构建花纹语义模型库和结构设计知识库。在此基础上引入轮胎节距信息,实现了轮胎花纹从概念设计到装配设计的层次化、系统化、形式化表达。最后,以CATIA/CAA为开发平台引入基于特征的建模技术,开发出语义级轮胎3D花纹设计系统。实例分析结果表明,该系统适用于多种类型的轮胎花纹建模,提高了CAD技术对设计信息表述的支持能力,增强了产品建模的自动化水平,有效地减少了设计人员的重复性工作,缩短了研发周期。