基于ROS和激光雷达的移动机器人自动导航系统设计

基于传统移动机器人导航系统存在横向偏差大的问题,为了缩小移动机器人行驶的横向偏差,提出基于ROS和激光雷达的移动机器人自动导航系统设计。通过激光雷达传感器设计和导航服务器端优化设计,完成系统的硬件设计;依托移动机器人导航程序设计和获取激光雷达数据,完成系统的软件设计,实现移动机器人自动导航系统的设计。在ROS和激光雷达的基础上,实现了移动机器人的自动导航。测试结果显示,基于ROS和激光雷达的移动机器人自动导航系统与传统导航系统相比,在移动机器人行驶过程中具有较小的偏差。     

室内激光雷达导航系统设计

小型无人机和移动机器人技术迅速发展,对室内导航技术的要求越来越高,针对当前室内导航精度不高、导航设备比较复杂的问题,提出一种采用激光雷达定位和地磁传感器检测相结合的室内主动导航方法。该方法首先使用激光雷达扫描室内环境,用采集到的数据拟合出室内地图,根据目的地信息和室内的环境信息来规划行进的路线;然后在行进中使用激光雷达连续地扫描得到数据与地图数据进行比较,来确定所处的位置,同时使用地磁传感器取得行驶的方向,二者相结合判断是否在规划的路线上行驶,及时地对出现的偏差进行纠正;最后通过搜索RFID地标确定是否已经到达指定位置。仿真和实验的结果表明:所设计的室内激光雷达导航系统结构简单、可靠性高,能够较好地满足室内导航的要求。     

基于深度相机的机器人室内定位技术研究

机器人在室内运动时,需要创建环境地图并估计位姿,以实现自主定位和导航。针对机器人的同时定位与地图创建(SLAM)问题,采用动态贝叶斯网络描述SLAM状态转移过程。通过不断迭代更新机器人的位置估计和修正估计值,完成机器人的室内定位。基于深度相机采集的RGB图像信息,进行相邻帧图像的特征提取与匹配,估算机器人当前位姿。然后使用迭代最近点算法优化初始位姿。以初始位姿为节点,相邻帧的约束关系为边创建节点图。进一步采用Hogman算法对整个节点图进行动态优化,得到全局一致的室内地图。最后根据优化后的节点图,多帧数据叠加就可得到三维地图。实验采用华硕Xtion Pro Live深度相机,实验室地点为目标,成功创建了环境的三维地图,验证了方法的有效性和可行性。     

基于激光雷达的移动机器人导航三维地图实时重建方法

为实时重建移动机器人导航三维地图,优化移动机器人导航效果,提出基于激光雷达的移动机器人导航三维地图实时重建方法.采用激光雷达传感器采集移动机器人状态信息,采用经验模态分解方法对激光雷达传感数据去噪,对去噪后数据,采用三维网格重建和更新移动机器人导航三维地图,测试结果显示:该方法的机器人移行时间缩短,能够实时重建移动机器...     

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...     

激光雷达与相机融合标定技术研究进展

单传感器存在采集数据信息不完整的缺点,比如激光雷达缺乏纹理色彩信息,相机缺乏深度信息。激光雷达和相机数据融合可实现传感器之间信息互补,感知空间精准的彩色三维数据,被广泛应用于自动驾驶、移动机器人等领域。针对现阶段激光雷达和相机外参标定文献多、杂、乱等问题,文中系统地梳理了校准流程和归纳了校准方法。首先介绍了激光雷达和相机单传感器内参标定的原理和方法,并建立数学模型概述它们外参的标定原理。然后将现有标定方法从基于标靶、基于无标靶、基于运动和基于深度学习四个方向综述归纳,并分析每种标定方法的特点。最后总结全文,并指出提升标定精度基础上实现自动化和智能化的校准方案是未来标定趋势。     

基于深度相机的无人机全自主避障系统

为提高无人机（Unmanned Aerial Vehicle,UAV）的路径规划能力,设计无人机避障系统。采用深度相机,以Nvidia Xavier NX作为上位机处理与发送指令,采用机器人操作系统（Robot Operating System,ROS）分布式程序设计,实现无人机全自主避障功能。同时采用A*、TEB算法进行路径规划,利用双目相机进行无人机定位,在Ubuntu18.04开发平台中运用Gazebo模拟器建立无人机避障仿真模型,验证项目的可行性与正确性。在所设计的ROS系统控制硬件系统平台进行实际的无人机航线规划、避障导航以及追踪目标试验,结果显示,无人机与障碍物的距离大于0.3 m,所设计的系统可完成避障。     

激光雷达与相机自适应紧耦合的同时定位与建图算法

同时定位与建图（SLAM）是自动驾驶的基本要求之一。多传感器融合,尤其是激光雷达和相机的融合,对于自动驾驶来说是必不可少的。其中,如何针对各种场景调整不同传感器的置信度是关键问题,基于此,提出一种自适应紧耦合的激光雷达相机融合的SLAM(AVLS)算法。首先,所提AVLS算法建立在基于滑动窗口的因子图上,包含提升整体算法精度和鲁棒性的灵活深度关联和弹性初始化等模块。其次,为了充分探索激光雷达和相机在不同环境中的性能,采用一种基于先验知识的动态加权方案。最后,将所提AVLS算法在两个公开的大规模自动驾驶数据集上进行了全面实验,包括与经典算法的对比及消融实验,实验结果表明,AVLS算法的鲁棒性和精确度可以达到目前领先水平。     

融合WiFi、激光雷达与地图的机器人室内定位

由于室内环境受多径效应影响,单一WiFi定位效果不佳;激光雷达(LiDAR)虽然测距定位精度高,但在室内存在大量单一、重复的场景结构(如走廊)时,往往会由于无法提取有效特征进行匹配而造成大量错误定位.因此,该文提出基于卡尔曼滤波框架的WiFi、激光雷达与地图的融合定位新方法.其中,滤波器的状态定义为机器人当前与历史时刻的位置序列.滤波器的观测值由两部分组成,一部分为该文所提基于多环路分割地图下信号强度加权匹配的WiFi指纹定位结果;另一部分来自激光雷达在单一重复场景中计算出来的高精度相对定位结果(如横向定位).利用场景地图中的先验参考位置,可将该横向定位结果转变为机器人位置的线性约束.最后,利用卡尔曼滤波器实现机器人高精度的融合定位结果.实验中,针对两种典型的单一、重复的室内场景,分别采用2维与3维激光雷达对该文算法进行验证.实验结果表明,由于激光横向定位精度可达厘米级,结合厘米级地图可以极大提高机器人定位精度.与单一WiFi定位算法相比,利用激光雷达计算出来的相对定位结果结合场景地图,平均定位误差可降低70％～80％,在满足机器人实时定位需求情况下,实现定位精度与稳定性的显著提升.     

Onboard dynamic RGB-D simultaneous localization and mapping for mobile robot navigation

Although the actual visual simultaneous localization and mapping (SLAM) algorithms provide highly accurate tracking and mapping, most algorithms are too heavy to run live on embedded devices. In addition, the maps they produce are often unsuitable for path planning. To mitigate these issues, we propose a completely closed-loop online dense RGB-D SLAM algorithm targeting autonomous indoor mobile robot navigation tasks. The proposed algorithm runs live on an NVIDIA Jetson board embedded on a two-wheel differential-drive robot. It exhibits lightweight three-dimensional mapping, room-scale consistency, accurate pose tracking, and robustness to moving objects. Further, we introduce a navigation strategy based on the proposed algorithm. Experimental results demonstrate the robustness of the proposed SLAM algorithm, its computational efficiency, and its benefits for on-the-fly navigation while mapping.     

一种精确的相机景深计算方法

首先给出了传统的景深计算公式及其推导过程,并对其进行了深入分析,然后通过光学系统成像原理推导出景深的精确计算公式,并将其和传统的景深计算公式进行了深入的比较和分析,最后从计算机视觉角度阐述了景深计算公式的优点。     

一种室内环境下机器人同时定位与地图构建方法

介绍了一种移动机器人室内环境下同时定位与地图构建方法，给出了整个系统的结构框图。将从激光传感信息中提取出的直线特征作为主要的环境描述特征，用EKF算法更新机器人位姿和直线特征的估计值，用一种新的数据关联方法以实现地图的最小描述。直线特征提取采改进的IE2F算法，能够快速地从数据点中得到较为精确的直线参数。实验证明整个系统具有良好的性能。     

Sensor fusion for mobile robot navigation

We review techniques for sensor fusion in robot navigation, emphasizing algorithms for self-location. These find use when the sensor suite of a mobile robot comprises several different sensors, some complementary and some redundant. Integrating the sensor readings, the robot seeks to accomplish tasks such as constructing a map of its environment, locating itself in that map, and recognizing objects that should be avoided or sought. The review describes integration techniques in two categories: low-level fusion is used for direct integration of sensory data, resulting in parameter and state estimates; high-level fusion is used for indirect integration of sensory data in hierarchical architectures, through command arbitration and integration of control signals suggested by different modules. The review provides an arsenal of tools for addressing this (rather ill-posed) problem in machine intelligence, including Kalman filtering, rule-based techniques, behavior based algorithms, and approaches that borrow from information theory, Dempster-Shafer reasoning, fuzzy logic and neural networks.     

Accurate map-based indoor navigation on the mobile

We present FootPath, a self-contained, map-based indoor navigation system. Using only the accelerometer and the compass readily available in modern smartphones, we accurately localise a user on her route and provide her with turn-by-turn instructions to her destination. To compensate for inaccuracies in step detection and heading estimation, we match the detected steps onto the expected route using sequence alignment algorithms from the field of bioinformatics. As our solution integrates well with OpenStreetMap, it allows painless and cost-efficient collaborative deployment, without the need for additional infrastructure.     

Real-time road edge following for mobile robot navigation

The authors describe the ongoing research at the University of Bristol to explore mobile robot road-following algorithms and suitable hardware architectures to run these algorithms. The prototype hardware, designed and built at the University, is a real-time frame grabber system based on transputers. Two approaches to real-time road edge following that have been tested to guide a small tracked vehicle around the paths of the University gardens are described     

一种基于三维视觉的移动机器人定位与建图方法

针对移动机器人三维视觉SLAM(同步定位与建图)中定位精度低、实时性差等问题,提出一种基于由初到精的位姿估计和双重闭环策略的SLAM方法。首先对MSER(最大稳定极值区)检测算法进行椭圆拟合化处理并提取出图像中的ROI(感兴趣区);然后从ROI中提取出稀疏像素点并使用直接法得到初始位姿变换参数;接着结合改进的基于八叉树结构的ICP(迭代最近点)对相机位姿进行精估计;再结合关键帧选择机制提出一种双重闭环检测方法为构建的位姿图添加约束;最后通过g2o图优化框架对位姿图进行优化并完成点云的拼接。通过NYU和TUM标准数据集验证了算法的实时性与有效性,室内实验结果表明,在复杂环境下也能利用该方法进行准确的位姿估计,并构建出环境的三维点云地图。     

移动机器人结构光视觉

提出并实现了一种用于移动机器人实时自主导航系统的结构光视觉传感器.详细介绍了该视觉传感器的工作原理、数学模型、标定方法以及视觉图像的处理方法.这种主动式方法避开了立体匹配过程,实现了障碍物位置信息的快速探测.利用传感器几何约束,有效地剔除了的视觉图像中干扰的信息.该视觉传感器已成功应用于室内移动机器人避障与导航,说明该视觉方法是有效、可靠的.     

一种可靠的2D激光雷达和摄像机标定方法

维激光雷达和摄像机的最小解标定方法存在精度较差、解缺失等不足,为此,提出了一种新的可靠最小解标定方法。首先,利用透视相似三角形(perspective similar triangle,PST) 算法求解3个棋盘格构建的P3P(perspective three points,P3P) 问题,并通过多项式极值点获取缺失的解,提高了算法对噪声的抗干扰能力。其次,提出基于两类激光点约束的误差度量模型来评估多解的误差程度,从而更准确地从标定结果的多解中选取最优解。实验结果表明,该文算法相比于文献中的FRANCISCO算法和HU算法,能明显提高有效解概率和标定精度;在不同噪声水平下,该文算法的有效解概率提高了5%—20%和5%—13%,旋转矩阵精度提高了46%—63%和41%—47%,平移向量精度提高了170—430 mm和120—170 mm,性能提高明显。