基于EKF的全景视觉机器人SLAM算法

研究全景视觉机器人同时定位和地图创建（SLAM）问题。针对普通视觉视野狭窄, 对路标的连续跟踪和定位能力差的问题, 提出了一种基于改进的扩展卡尔曼滤波（EKF）算法的全景视觉机器人SLAM方法, 用全景视觉得到机器人周围的环境信息, 然后从这些信息中提取出环境特征, 定位出路标位置, 进而通过EKF算法同步更新机器人位姿和地图库。仿真实验和实体机器人实验结果验证了该算法的准确性和有效性, 且全景视觉比普通视觉定位精度更高。     

基于视觉传感器SLAM问题的算法构建

自主移动机器人通过自身携带的传感器来感知周围环境是实现其智能导航的前提。由于视觉传感器只能检测路标的方位角,不能提供距离信息,当利用视觉传感器完成机器人的同步定位及地图创建（SLAM）时,由于路标距离信息的缺失,会带来新路标的初始化及旧路标关联等难题。为识别新路标方位,采用滞后的三角型测量法来估计新路标的距离,从而解决了新路标初始化及旧路标关联等问题,并最终建立了一套适用于视觉传感器的SLAM算法及在Matlab上建立的仿真模型。仿真实验结果表明,算法满足概率估计的一致性和收敛性条件,是一种有效的仅检测路标方位角的同步定位及地图创建算法,证明方法的有效性。     

用于移动机器人的视觉全局定位系统研究

本文叙述了用于移动机器人自主导航定位的一种视觉全局定位系统技术．该视觉定 位系统由LED主动路标、全景视觉传感器和数据处理系统组成．本文主要介绍了为提高全景 视觉图像处理速度和环境信标识别可靠性、准确性的应用方法,并给出了实验结果．实验表 明,视觉定位是具有明显研究价值和应用前景的全局导航定位技术．     

室内环境下同步定位与地图创建改进算法

提出了一种室内环境下基于平方根无迹卡尔曼滤波（SRUKF）的同步定位与地图创建（SLAM）算法． 该方法在每步迭代中采用平方根无迹粒子滤波器进行机器人状态估计,并引入平方根无迹卡尔曼滤波器定位路标, 进而完成机器人状态和相应路标信息更新．将本文算法与机器人运动模型和红外标签观测模型结合进行了仿真和实 验,结果表明,本算法在同步定位和地图创建过程中提高了机器人状态和路标估计的精度及稳定性．     

基于近红外视觉的机器人室外定位系统

在光照条件可变且存在电磁干扰的环境下,针对机器人室外导航任务,提出了一种基于全景近红外视 觉和编码路标的自定位系统．通过近红外光源照明,利用全景视觉识别采用条形编码格式的路标,并利用扩展卡尔 曼滤波算法（EKF）融合视觉数据和里程计数据,从而实现机器人自定位．实验证明,该方法消除了室外大范围导航 时光照变化对机器人定位结果的影响．     

基于人工路标和立体视觉的移动机器人自定位

针对室内移动机器人的自定位问题,提出一种基于人工路标和双目视觉的室内移动机器人自定位方法。首先设计了一种可扩展的彩色人工路标,并给出路标的编码方法;然后利用色彩空间变换,直线交比不变性以及自适应窗口实现路标检测与识别;最后在分析双目立体视觉模型的基础上建立起基于路标的双目立体视觉定位模型,实现移动机器人的准确定位。实验结果表明,路标对光照和视觉传感器的采集位置具有较强的鲁棒性,定位精度能够满足室内移动机器人的定位要求。     

基于全景视觉的机器人回航方法

提出一种使用全景视觉系统引导机器人回航的方法.利用全景视觉装置采集出发位置(Home位置)的全景图像,使用SURF(Speeded-Up Robust Feature)算法提取全景图像中的特征点作为自然路标点.机器人回航过程中,将当前位置获得的全景图像与Home位置的全景图像进行特征匹配,确定白然路标点之间的对应关系....     

单目视觉人工路标辅助INS的组合导航定位方法

提出一种单目视觉人工路标辅助惯性导航系统(Inertial Navigation System,INS)的定位方法。首先设计人工路标,并用相机拍摄各预先设置的人工路标,记录拍摄每个路标时相机位置和姿态,建立视觉路标库。在利用惯性导航系统定位过程中,对单目相机采集到的图像进行路标提取、与路标库中相应路标进行匹配,估计当前相机位置和姿态,然后利用卡尔曼滤波将视觉匹配估计的位置信息和INS有效地融合。实验结果表明:传统航位推算方法的平均误差为0.715 m,本文组合导航方法的平均误差为0.154 m,该方法有效地提高了惯性导航定位的精度。     

基于全景视觉的移动机器人地图创建与定位

提出一种高效的基于全景视觉的室内移动机器人地图构建和定位方法. 该方法充分利用全景视觉系统视野广阔、获取环境信息完整的特点, 根据全景图像生成环境描述子; 利用上述环境描述子描述环境, 创建拓扑地图, 将地图表示为环境描述子的集合. 在此基础上, 提出一种基于贝叶斯理论的定位方法, 根据当前全景摄像头的观测值, 利用已生成的地图完成状态跟踪, 全局定位和“绑架”定位. 最后通过实验验证了该方法的有效性, 并给出了计算成本分析.     

智能车双目视觉辅助GNSS定位方法研究

具有精确、稳定的定位结果以及合理的价格是未来的智能车辆导航系统的发展趋势。为了达到这个目标,人们建立了多种组合导航模型（GNSS/DR,GNSS/INS,GNSS/MM）。尽管这些模型已在多种不同环境中成功应用,但它们仍有许多缺陷,尤其是在全球卫星导航系统（GNSS）定位精度受到威胁的区域。研究了一种通过双目视觉利用路标的地理位置信息对GNSS定位精度进行局部改良的方法。随机霍夫变换用于路标检测,SIFT算法与K均值算法将用于路标的匹配识别。双目视差计算智能车与路标之间的向量,从而建立辅助定位模型计算车辆的位置。利用实验车在一处复杂环境区域进行实时数据采集,通过计算出的双目视觉定位误差与GNSS定位误差对比分析,验证了该方法在路标可见范围内对GNSS定位结果有明显改善。     

关键点深度特征驱动人脸表情识别

目的 人脸关键点检测和人脸表情识别两个任务紧密相关。已有对两者结合的工作均是两个任务的直接耦合,忽略了其内在联系。针对这一问题,提出了一个多任务的深度框架,借助关键点特征识别人脸表情。方法 参考inception结构设计了一个深度网络,同时检测关键点并且识别人脸表情,网络在两个任务的监督下,更加关注关键点附近的信息,使得五官周围的特征获得较大响应值。为进一步减小人脸其他区域的噪声对表情识别的影响,利用检测到的关键点生成一张位置注意图,进一步增加五官周围特征的权重,减小人脸边缘区域的特征响应值。复杂表情引起人脸部分区域的形变,增加了关键点检测的难度,为缓解这一问题,引入了中间监督层,在第1级检测关键点的网络中增加较小权重的表情识别任务,一方面,提高复杂表情样本的关键点检测结果,另一方面,使得网络提取更多表情相关的特征。结果 在3个公开数据集：CK+（Cohn-Kanade dataset）,Oulu（Oulu-CASIA NIR&VIS facial expression database）和MMI（MMI facial expression database）上与经典方法进行比较,本文方法在CK+数据集上的识别准确率取得了最高值,在Oulu和MMI数据集上的识别准确率比目前识别率最高的方法分别提升了0.14%和0.54%。结论 实验结果表明了引入关键点信息的有效性：多任务的卷积神经网络表情识别准确率高于单任务的传统卷积神经网络。同时,引入注意力模型也提升了多任务网络中表情的识别率。     

一种基于视觉的步行机器人Monte Carlo自定位系统

提出了一种基于视觉的步行机器人自定位系统．该系统基于Monte Carlo定位方法,分别利用了人工地标和自然地标的高噪声的传感器信息,结合无反馈的里程计信息来完成自身定位．本系统对于自然地标的不唯一性做了特殊处理,融合多标志物的信息,并提出新的计算权重和样本重采样方法,以适应动态不确定的环境．在真实机器人上的实验结果表明,在高噪声的信息输入下,能够获得实时、准确、稳定的定位结果,能有效解决“绑架的机器人”问题．     

Improved visual SLAM: a novel approach to mapping and localization using visual landmarks in consecutive frames

Pathfinding is becoming more and more common in autonomous vehicle navigation, robot localization, and other computer vision applications. In this paper, a novel approach to mapping and localization is presented that extracts visual landmarks from a robot dataset acquired by a Kinect sensor. The visual landmarks are detected and recognized using the improved scale-invariant feature transform (I-SIFT) method. The methodology is based on detecting stable and invariant landmarks in consecutive (red-green-blue depth) RGB-D frames of the robot dataset. These landmarks are then used to determine the robot path, and a map is constructed by using the visual landmarks. A number of experiments were performed on various datasets in an indoor environment. The proposed method performs efficient landmark detection in various environments, which includes changes in rotation and illumination. The experimental results show that the proposed method can solve the simultaneous localization and mapping (SLAM) problem using stable visual landmarks, but with less computation time.     

SLAM问题中的模糊几何地图与顶点自定位法

在模糊几何地图的基础上提出了顶点定位法来解决机器人的室内SLAM中的实时自定位问题．顶点定位法是从传感信息中抽取多边形顶点作为路标进行定位．顶点定位法与传统的边匹配定位法比较有计算量小,定位精度高等优点．此外本文提出了基于空间距离的传感数据两次分类方法构建模糊几何地图,提高了数字地图精确度．实验结果表明其性能优于传统的方法．     

Generalized measuring-worm algorithm: high-accuracy mapping and movement via cooperating swarm robots

Recently, many extensive studies have been conducted on robot control via self-positioning estimation techniques. In the simultaneous localization and mapping (SLAM) method, which is one approach to self-positioning estimation, robots generally use both autonomous position information from internal sensors and observed information on external landmarks. SLAM can yield higher accuracy positioning estimations depending on the number of landmarks; however, this technique involves a degree of uncertainty and has a high computational cost, because it utilizes image processing to detect and recognize landmarks. To overcome this problem, we propose a state-of-the-art method called a generalized measuring-worm (GMW) algorithm for map creation and position estimation, which uses multiple cooperating robots that serve as moving landmarks for each other. This approach allows problems of uncertainty and computational cost to be overcome, because a robot must find only a simple two-dimensional marker rather than feature-point landmarks. In the GMW method, the robots are given a two-dimensional marker of known shape and size and use a front-positioned camera to determine the marker distance and direction. The robots use this information to estimate each other’s positions and to calibrate their movement. To evaluate the proposed method experimentally, we fabricated two real robots and observed their behavior in an indoor environment. The experimental results revealed that the distance measurement and control error could be reduced to less than 3 %.     

姿态和表情变化下的三维人脸标志点定位

三维人脸标志点定位在人脸识别、人脸跟踪、人脸建模、表情分析等方面具有非常重要的作用. 然而, 在姿态和表情变化很大的条件下进行标志点定位, 这仍然是一个很具挑战性的课题. 本文提出一种对姿态和表情不敏感的三维人脸标志点定位方法, 利用HK曲率分析检测出候选标志点, 根据对面部形状的先验知识, 提出一种基于人脸几何结构的分类策略对候选标志点进一步细分, 通过把候选标志点与人脸标志点模型进行匹配, 实现标志点的精确定位. 首先在CASIA数据集对该方法的标志点定位精度进行测试, 然后在UND/FRGC v2.0数据集对该方法与其他方法进行比较. 实验结果表明该方法在姿态和表情变化很大的条件下具有高精度和高鲁棒性.     

基于不确定性估计的医学影像标志点定位

基于热力图的方法是当前医学影像标志点定位算法中的主流方法,然而,现有方法几乎都使用预定义的热力图作为标签,不能很好地表示真实的标志点位置分布,从而限制了模型的性能.为此,本文提出基于不确定性估计的医学影像标志点定位算法,同时预测标志点位置及其分布.模型利用多分支空洞卷积提取多尺度的上下文信息,同时使用自注意力机制强化重要特征,从而在预测分布的同时提高算法的定位能力.在公开数据集上的结果表明,本文提出的算法整体上提升了标志点定位的性能,在大部分指标上优于现有算法,并且其预测出的标志点分布与真实标注下的标志点分布相符.     

Localization and map building using laser range sensors in outdoor applications

This paper presents the design of a high accuracy outdoor navigation system based on standard dead reckoning sensors and laser range and bearing information. The data validation problem is addressed using laser intensity information. The beacon design aspect and location of landmarks are also discussed in relation to desired accuracy and required area of operation. The results are important for simultaneous localization and map building applications (SLAM), since the feature extraction and validation are resolved at the sensor level using laser intensity. This facilitates the use of additional natural landmarks to improve the accuracy of the localization algorithm. The modelling aspects to implement SLAM with beacons and natural features are also presented. These results are of fundamental importance because the implementation of the algorithm does not require the surveying of beacons. Furthermore we demonstrate that by using natural landmarks accurate localization can be achieved by only requiring the initial estimate of the position of the vehicle. The algorithms are validated in outdoor environments using a standard utility car retrofitted with the navigation sensors and a 1 cm precision Kinematic GPS used as ground truth. © 2000 John Wiley & Sons, Inc.     

基于激光雷达的大型移动平台定位

针对自身不带位置传感器的大型移动平台,设计了一个基于激光雷达的定位系统.所述定位系统利用激光雷达提取外部环境中的线段特征和路标特征,通过扩展卡尔曼滤波算法,对移动平台进行运动预测和位姿修正,从而完成移动平台的定位过程.通过大量实验验证了系统的定位精度和可靠性.     

Data association and loop closure in semantic dynamic SLAM using the table retrieval method

Simultaneous localization and mapping (SLAM) plays an important role in the area of robotics and augmented reality to simultaneously obtain its location and construct environment maps in real-time. There are many challenges in SLAM, such as data association, loop closure, and dynamic environments. In this paper, we propose a table retrieval method for SLAM data association and loop closure using semantic information in a dynamic environment. The detected landmarks are stored in a table for retrieval, and each landmark has its own semantic and location information for data association and loop closure. The proposed method only checks the corresponding items, so it is not necessary to traverse all the landmarks in the reference frames, which is beneficial to real-time performance and cost efficiency. Experiments are performed to verify the effectiveness of our method on the public TUM and KITTI dataset. The results show that our system achieves considerable performance improvement compared with state-of-the-art methods.