同时定位与地图创建

摘要： 机器人在执行同时定位与地图创建(simultaneous localization and mapping,SLAM)的复杂任务时,容易受到移动物体的干扰,导致定位精度下降、地图可读性较差、系统鲁棒性不足,为此提出一种基于深度学习和边缘检测的SLAM算法.首先,利用YOLOv4目标检测算法获取场景中的语义信息,得到初步的语义动静态区域,同时提取ORB特征点并计算光流场,筛选动态特征点,通过语义关联进一步得到动态物体,利用canny算子计算动态物体的轮廓边缘,利用动态物体以外的静态特征点进行相机位姿估计,筛选关键帧,进行点云叠加,利用剔除动态物体的点云信息构建静态环境地图.本文算法在公开数据集上与ORB_SLAM2进行对比,定位精度提升90％以上,地图可读性明显增强,实验结果表明本文算法可以有效降低移动物体对定位与建图的影响,显著提升算法稳健性.

摘要： 快速同时定位与建图(FastSLAM)算法中的重采样过程会带来粒子退化和粒子多样性减弱问题,为了改进算法的性能、提高估计精度,针对FastSLAM算法的特点,设计了一种改进的FastSLAM算法,将FastSLAM算法中的粒子滤波部分用自适应粒子群优化算法来代替,并且引入了粒子的筛选区间,通过改善算法初期的粒子分布情况,以及采用交叉变异操作这种自适应优化策略来对粒子种群进行调整.最后在MATLAB仿真平台针对三种算法进行了对比并验证改进后算法的优越性,实验结果表明基于自适应粒子群优化的FastSLAM算法在估计精度和计算效率方面都具有较好的性能.

摘要： 针对复杂环境下移动机器人同时定位与地图创建(SLAM)中的数据关联问题,提出了一种多假设联合相容分枝定界算法(MHJCBB).该算法结合了多假设跟踪(MHT)算法与联合相容分支定界(JCBB)算法的优点,利用在关联时保留的多个联合相容关联假设形成多个机器人航迹假设分支.定义了航迹假设分支的评价函数,根据评价函数计算结果进行剪枝,将机器人航迹限制在一定范围内,以减小计算量,并输出得分最高的航迹假设分支.不同测量误差条件下的数据关联试验结果表明,与经典的最邻近(NN)算法、JCBB算法相比,MHJCBB算法能够获得更准确的关联结果.

摘要： 在机器人同时定位与地图构建算法(SLAM,Simultaneous Localization and Mapping)中,视觉前端根据图像信息进行特征点的提取与匹配,由前端数据计算相邻特征帧信息估计机器人的运动.本文主要介绍对比图像特征点匹配后的误匹配筛选算法并进行算法仿真.

摘要： 提出适用于配有三维激光雷达的自主移动机器人在室外场景进行同时定位与地图创建(simultaneous localization and mapping,SLAM)的一种闭环检测算法,命名为SegGraph.作为SLAM的关键模块,闭环检测的任务是判断机器人当前位置是否与已到过的某一位置邻近.SegGraph包含3步:1)对在不同时刻得到的2组点云分别移除大地平面后采用区域增长方法分割为若干个点云簇;2)以点云簇为顶点,以点云簇图心间距离为边权值,分别构建带权值的完全图;3)判定所得的2个完全图是否含有足够大的公共子图.SegGraph的主要创新点是在寻找公共子图时以边权值(即点云簇间距离)为主要匹配依据.这是因为点云数据中的噪声会导致在邻近地点获得的不同点云经分割后得出差别很大的点云簇集,不同点云中相应的点云簇也便无法匹配.然而相应点云簇间距离却受分割过程影响不大.主要贡献包括研发高效的判定2个点云簇图是否有足够大的公共子图的近似算法,实现完整的SegGraph算法,及以被广泛使用的公开数据集KITTI(Karlsruhe Institute of Technology and Toyota Technological Institute)评估SegGraph的准确度及运行效率.实验结果显示SegGraph具有良好的准确度及运行效率.

摘要： 本文介绍了机器人同时定位与地图构建算法(SLAM,simultaneous Localization and Mapping)中的图像特征提取算法,并进行ORB算法仿真.

摘要： 同时定位与地图创建(the simultaneous localization and mapping,SLAM)是机器人领域的难点问题,目前广泛采用Rao-Blackwellized Particle Filters(RBPF)算法解决该问题.在传统的RBPF算法实现中构建的高误差建议分布会采样计算大量粒子来拟合目标分布,频繁的重采样步骤导致粒子逐渐耗散,浪费大量计算资源.在本文中通过把运动模型信息与观测信息相结合优化建议分布,减少采样粒子数量,引入自适应重采样方法减少重采样步骤.在算法的实现时使用树形数据结构存储环境地图,实验结果表明,该改进算法可以显著计算效率,减小存储消耗,构建地图更为精确.

摘要： 基于粒子滤波器的SLAM算法一般无法保证真实状态处于算法估计的置信区域内,针对该问题,本文提出一种基于区间分析的SLAM算法.首先利用改进的箱粒子滤波器(Box Particle Filter)对机器人状态和特征位置进行初步估计;然后基于状态和特征之间的约束条件,通过区间约束传播法(Constraint Propagation,CP),减小区间尺度,在提升估计结果精度的情况下,保证了结果的可靠性;同时,利用q-satisfied技术,解决了约束传播过程中结果为空的问题,进一步保证了结果的可靠度.仿真试验和实际环境试验表明,相比基于粒子滤波器的SLAM方法,在参数尺度一致的条件下,该方法能以较少的粒子数获得更高的精度,同时保证了结果的可靠度.

摘要： 基于粒子滤波器的SLAM算法一般无法保证真实状态处于算法估计的置信区域内,针对该问题,本文提出一种基于区间分析的SLAM算法.首先利用改进的箱粒子滤波器(Box Particle Filter)对机器人状态和特征位置进行初步估计;然后基于状态和特征之间的约束条件,通过区间约束传播法(Constraint Propagation,CP),减小区间尺度,在提升估计结果精度的情况下,保证了结果的可靠性;同时,利用q-satisfied技术,解决了约束传播过程中结果为空的问题,进一步保证了结果的可靠度.仿真试验和实际环境试验表明,相比基于粒子滤波器的SLAM方法,在参数尺度一致的条件下,该方法能以较少的粒子数获得更高的精度,同时保证了结果的可靠度.

摘要： 基于粒子滤波器的SLAM算法一般无法保证真实状态处于算法估计的置信区域内,针对该问题,本文提出一种基于区间分析的SLAM算法.首先利用改进的箱粒子滤波器(Box Particle Filter)对机器人状态和特征位置进行初步估计;然后基于状态和特征之间的约束条件,通过区间约束传播法(Constraint Propagation,CP),减小区间尺度,在提升估计结果精度的情况下,保证了结果的可靠性;同时,利用q-satisfied技术,解决了约束传播过程中结果为空的问题,进一步保证了结果的可靠度.仿真试验和实际环境试验表明,相比基于粒子滤波器的SLAM方法,在参数尺度一致的条件下,该方法能以较少的粒子数获得更高的精度,同时保证了结果的可靠度.

摘要： 基于粒子滤波器的SLAM算法一般无法保证真实状态处于算法估计的置信区域内,针对该问题,本文提出一种基于区间分析的SLAM算法.首先利用改进的箱粒子滤波器(Box Particle Filter)对机器人状态和特征位置进行初步估计;然后基于状态和特征之间的约束条件,通过区间约束传播法(Constraint Propagation,CP),减小区间尺度,在提升估计结果精度的情况下,保证了结果的可靠性;同时,利用q-satisfied技术,解决了约束传播过程中结果为空的问题,进一步保证了结果的可靠度.仿真试验和实际环境试验表明,相比基于粒子滤波器的SLAM方法,在参数尺度一致的条件下,该方法能以较少的粒子数获得更高的精度,同时保证了结果的可靠度.

摘要： 基于粒子滤波器的SLAM算法一般无法保证真实状态处于算法估计的置信区域内,针对该问题,本文提出一种基于区间分析的SLAM算法.首先利用改进的箱粒子滤波器(Box Particle Filter)对机器人状态和特征位置进行初步估计;然后基于状态和特征之间的约束条件,通过区间约束传播法(Constraint Propagation,CP),减小区间尺度,在提升估计结果精度的情况下,保证了结果的可靠性;同时,利用q-satisfied技术,解决了约束传播过程中结果为空的问题,进一步保证了结果的可靠度.仿真试验和实际环境试验表明,相比基于粒子滤波器的SLAM方法,在参数尺度一致的条件下,该方法能以较少的粒子数获得更高的精度,同时保证了结果的可靠度.

摘要： 本发明公开了一种即时定位与地图创建勘测搜救机器人，应用于灾后隧道地图创建、地形勘探等领域，包括越障底盘，车身平台，三维扫描模块，主控单元，车身外壳和驱动模块组成。越障底盘采用六轮驱动的仿生学悬架结构，使车体具有对不同地形的被动自适应性。三维扫描模块包括有三维扫描机构，激光扫描雷达，红外温度传感器，激光惯性传感器和固定支架组成。该机器人可在行进过程中自主探测周围环境，并实时创建三维地形图，同时探测是否有可能生命体存在；能将实时三维地图、可能生命体搜救位置反馈给操作人员；帮助操作人员快速、准确地了解现场情况，以便尽快展开救援工作，同时减少勘测和搜救人员不必要的人员伤亡和劳动损耗。

摘要： 本发明实施例公开一种机器人同步定位与地图创建方法及装置，属于机器人同步定位与地图创建领域。该方法包括：根据外部传感器采集的外部环境信息，得到观测信息数据集；根据当前时刻的后验概率分布和下一时刻的运动控制信息，得到下一时刻的先验概率分布；利用所述下一时刻的先验概率分布和所述观测信息数据集更新后验概率分布；根据更新后的后验概率分布更新当前时刻地图特征信息并更新当前时刻机器人控制信息。本发明实施例通过容积变换，避免了直接线性化过程，减少了计算雅可比矩阵的计算量，提高了精度，减小了截断误差对于系统稳定性的影响，改进了通过迭代测量更新，改进了容积点采样规则，减小采样点在高度非线性环境下的失真。

摘要： 本发明提出一种基于模糊逻辑的同步定位与地图创建数据关联方法，涉及自主机器人技术领域。该方法在机器人获得传感器对环境特征的观测值时，首先获取特征观测和特征估计误差椭圆，得到两个误差椭圆圆心距离的归一化新息以及两个误差椭圆的重叠比例；然后将归一化新息和重叠比例以及关联变量进行模糊化，建立模糊推理机制，将模糊化的归一化新息和重叠比例作为输入，模糊化的关联变量作为输出，并构造模糊规则；最后对模糊化的输出进行逆模糊化处理，得到单一数值的关联变量，执行地图特征管理，剔除虚假特征和虚假观测。本发明方法具有更好的抗干扰能力和鲁棒性，加快了观测值和特征的关联，且容易实现，计算量小，适合于特征密集的环境。

摘要： 本发明公开了基于激光雷达和惯导联合标定的同步定位与地图创建方法，涉及地图创建领域，包括S1获取数据S2处理IMU数据S3预处理激光雷达数据，保留目标特征点云S4判断是否初始化S5初始化求IMU原始状态S6矫正运动畸变S7建立滑窗，投影目标特征点到中心帧，组成局部地图S8局部地图和目标特征点匹配，优化位姿和IMU状态量S9构建初始全局地图，体素滤波优化为第一全局地图S10使用Scan‑to‑Map优化里程计帧和第一全局地图得第二全局地图S11回环检测，优化设备位置和姿态S12提取判断边缘特征点是否在同一平面，若否删除，反之使用距离残差计算匹配到第二全局地图S13获取高质量地图，通过激光雷达和IMU估计IMU状态，并矫正运动畸变，提高系统对于地面点和运动物体的鲁棒性。

摘要： 本发明公开了一种即时定位与地图创建勘测搜救机器人，应用于灾后隧道地图创建、地形勘探等领域，包括越障底盘，车身平台，三维扫描模块，主控单元，车身外壳和驱动模块组成。越障底盘采用六轮驱动的仿生学悬架结构，使车体具有对不同地形的被动自适应性。三维扫描模块包括有三维扫描机构，激光扫描雷达，红外温度传感器，激光惯性传感器和固定支架组成。该机器人可在行进过程中自主探测周围环境，并实时创建三维地形图，同时探测是否有可能生命体存在；能将实时三维地图、可能生命体搜救位置反馈给操作人员；帮助操作人员快速、准确地了解现场情况，以便尽快展开救援工作，同时减少勘测和搜救人员不必要的人员伤亡和劳动损耗。

摘要： 本发明实施例公开一种机器人同步定位与地图创建方法及装置，属于机器人同步定位与地图创建领域。该方法包括：根据外部传感器采集的外部环境信息，得到观测信息数据集；根据当前时刻的后验概率分布和下一时刻的运动控制信息，得到下一时刻的先验概率分布；利用所述下一时刻的先验概率分布和所述观测信息数据集更新后验概率分布；根据更新后的后验概率分布更新当前时刻地图特征信息并更新当前时刻机器人控制信息。本发明实施例通过容积变换，避免了直接线性化过程，减少了计算雅可比矩阵的计算量，提高了精度，减小了截断误差对于系统稳定性的影响，改进了通过迭代测量更新，改进了容积点采样规则，减小采样点在高度非线性环境下的失真。

摘要： 本发明请求保护一种融合直接法与特征法的RGB‑D同时定位与地图创建方法。主要包含3个并行线程：跟踪线程、局部建图和闭环线程。在跟踪线程中对非关键帧进行跟踪，通过最小化光度图像误差来进行相机的初始位姿估计以及像素点的对应关系计算，利用最小化局部地图点重投影误差进一步优化相机位姿，实现快速准确的跟踪与定位；在局部建图线程中对关键帧提取并匹配ORB特征，并执行局部BA(光束平差法)，对局部关键帧位姿和局部地图点的位置进行优化，提高SLAM的局部一致性；在闭环线程中执行对关键帧的闭环检测和优化，从而保证SLAM全局一致性。另外，根据RGB‑D图像和相机位姿信息，通过基于Octomap的建图框架，构建完整准确的3D稠密环境地图。

摘要： 用于同时定位与地图创建(SLAM)的方法采用双基于事件的相机。来自相机的事件流由图像处理系统处理以立体检测环境中的表面点，动态地计算相机移动时的姿态，并同时更新环境的地图。基于梯度下降的优化可用于针对每事件或每小批量事件更新姿态。

摘要： 本发明属于无人驾驶汽车定位导航领域，涉及一种基于视觉的无人驾驶汽车的同时定位与地图创建方法，包括以下操作步骤：进行双目摄像机参数标定；进行图像增强；对图像特征进行提取；进行左右图像特征进行匹配，得到匹配图像；将匹配图像与特征地图库进行数据关联；利用UT变换获取状态向量的预测值和观测预测值，运用无迹卡尔曼滤波对无人驾驶汽车进行状态更新，根据重采样技术，自适应的对粒子进行采样，根据数据关联的结果对地图进行更新匹配。本发明采用了自适应重采样技术和无迹卡尔曼滤波，避免了由高阶项截断而产生的系统截断误差，提高了系统的精度和车辆定位精度，建立的环境地图也更加准确。

摘要： 本发明公开一种移动机器人的同时定位与地图创建纠正方法，包括以下步骤：Step1：历史数据采集校验，分析整理历史消息记录在即时定位与地图构建(SLAM)时导致的偏差因素；Step2：调整修订参数，设定适应度函数，构建搜索更新模型，二次采样；先验证知识修正，通过临近观测的不一致定义关于Q和R的适应度函数，在此适应度函数基础上，通过改进的分数阶粒子群算法搜索出Q和R的一个预估值，根据预估值，完成Qt和Rt的修正；Step3：新路径修正，通过预测、数据关联、位姿更新、权重计算、路标更新步骤完成粒子集的更新；重采样，计算有效粒子数，进行归一化重采样。本发明解决传感器以及外界不稳定因素造成的无效数据偏差因素造成路径偏离的问题。