同时定位与地图构建

摘要： 在全自主运动控制的移动机器人系统中,自身位姿的估计和校正对于移动机器人的运动至关重要。卡尔曼滤波是解决移动机器人同步定位与地图构建(SLAM)常用方法。相较于卡尔曼滤波,无迹卡尔曼滤波(UKF)无须对复杂的非线性函数进行雅可比矩阵运算。本文基于无迹卡尔曼滤波,根据先验协方差的平方根选择sigma点,计算协方差以及加权均值。用四元数表示姿态,将四元数矢量转换为旋转空间进行矩阵运算,在此基础上设计了一种位姿估计算法——基于四元数平方根的无迹卡尔曼滤波(QSR-UKF)算法。试验将EKF、QSR-UKF、SR-UKFEKF 3种算法的位姿估计结果进行仿真分析,并通过相关定量指标进行了描述,验证了本文算法的有效性。

摘要： 针对基于传统Rao-Blackwellized粒子滤波(Rao-Blackwellised Particle Filter,RBPF)算法的移动机器人在进行同时定位与地图构建(Simultaneous Location and Mapping,SLAM)时易发生粒子退化导致移动机器人位姿估计不准确以及地图一致性较差的问题,提出一种基于果蝇优化算法的RBPF-SLAM算法。该算法将果蝇种群觅食过程中果蝇具有的趋味特性引入RBPF算法,将粒子视为果蝇个体,粒子的适应度值作为空气中食物味道的浓度,利用果蝇优化算法的高寻优能力使粒子向高似然区域移动并不断迭代寻优,以优化粒子种群的整体分布。同时,在果蝇寻优后的新种群中引入自适应交叉变异操作,以增加种群多样性。根据粒子的适应度值确定交叉概率,对配对好的粒子进行自适应交叉操作,再根据变异概率对当前种群的最优粒子进行变异操作,选取适应度值更高的粒子作为当前最优解。采用指数函数步长公式更新粒子状态,增加寻优过程中的搜索距离,有效提高算法的收敛效率。基于ACES building和MIT Killian Court数据集的仿真实验以及移动机器人实机测试结果显示,基于果蝇优化算法的RBPF-SLAM算法在比传统RBPF-SLAM算法在粒子数减少50%以上的情况下仍可以得到效果更佳的栅格地图,并且CPU占用率更低。仿真和实验结果表明基于果蝇优化算法的RBPF-SLAM算法有效提高了滤波器的估计性能,是一种提高移动机器人位姿估计和建图精度的有效方法。

摘要： 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,从而抑制异常点的存在.但是大多数语义SLAM算法使用的损失函数本身模型固定,不能很好地适应周围环境噪声的变化.为了解决此问题,提出了一种变结构的鲁棒语义SLAM算法,称为VS-SLAM.采用高斯混合相关熵权重函数作为损失函数,利用其可以通过调整参数,随周围环境噪声变化来改变其模型结构的特点,最大程度地拟合噪声的分布,更有利于降低算法对异常点的权重分配,提高对异常点的鲁棒性.在公开KITTI数据集上的实验表明,本文算法在建图的时间几乎相等的情况下,平均相对平移误差和旋转误差分别降低了5.36%和8.82%,并且构建的语义地图更加具有一致性.

摘要： 该文针对同时定位与地图创建(SLAM)闭环检测算法易受复杂环境因素干扰,导致定位误差较大、闭环检测精度低等问题,受哺乳动物空间认知机理启发,提出一种基于兴趣倾向机制的仿生SLAM算法。采用反Hebbian网络(Lateral Anti-Hebbian Networkm,LAHN)对网格细胞进行建模,通过不规则复杂环境边界信息对网格细胞进行校正来提高算法定位精度。利用兴趣倾向机制对提取的显著性区域进行兴趣赋值,减小冗余显著性区域带来的影响,提高系统闭环准确率。将位置感知模型获取的位置信息与视觉感知模板相关联构建认知地图。在公开数据集及真实环境中进行测试,测试结果表明该文算法在构建认知地图的准确率、实时性以及对环境的适应能力具有优势。

摘要： 对于在室外小范围(如公园、工业园区)运行的移动机器人,为控制成本,在不借助其他定位装置仅依靠激光雷达的情况下进行定位导航,单线激光雷达无法在未知的环境下对实际环境进行真实建图与定位,建立出的栅格地图无法描述真实的外部环境;适用于室外的多线激光雷达发出的点云数据虽可描述出复杂的室外环境,但其建立的点云地图无法直接用于导航。故本文提出一种借助多线激光雷达基于八叉树地图的室外导航算法,将点云地图压缩成八叉树地图,进一步转化成栅格地图,并提取栅格地图信息,为ROS中导航包提供相应的必要信息,从而实现室外导航避障功能。实验表明该算法可成功将周围环境以栅格地图形式进行描述,并发送出激光点信息完成室外导航。

摘要： 针对PL-SLAM(Point and Line Simultaneous Localization And Mapping)算法在稠密场景下同时使用点线特征造成特征计算冗余,以及曲线运动时漏选关键帧等问题,提出一种基于改进关键帧选取策略的快速PL-SLAM算法(Improved keyframe extraction strategy-based Fast PL-SLAM algorithm,IFPL-SLAM).该算法引入一种基于信息熵引导的位姿跟踪决策,使用信息熵评价优先提取的特征点,依据评价结果决策点线特征的融合使用方式,避免了在纹理稠密场景下点线特征同时使用造成数据冗余,提高了算法的实时性;与此同时,为避免曲线运动时漏选关键帧,采用逆向索引关键帧选取策略补充在曲线运动中漏选的关键帧,提高了闭环的准确率和定位精度.在公开的KITTI数据集和TUM数据集中进行测试,测试结果表明本文算法的运行时间与PL-SLAM算法相比减少了16.0%,绝对轨迹误差相比于PL-SLAM算法缩小了23.4%,表现出了良好的构图能力.

摘要： 针对单目视觉惯性SLAM算法鲁棒性不高且尺度恢复困难的问题,提出基于动态边缘化的双目视觉惯性SLAM算法(DM-SVI-SLAM)。前端使用光流法进行特征跟踪,利用预积分计算帧间IMU,后端在滑动窗口内融合单/双目匹配点误差、IMU残差及先验误差构建捆集调整的成本函数,利用动态边缘化策略、Dog-Leg算法提升计算效率,回环检测使用词袋方法对关键帧重定位。通过EuRoC数据集评估系统性能,实验结果表明,对比其他前沿VI-SLAM算法,该算法在精度和鲁棒性方面都具有潜力。

摘要： 针对基于静态场景假设的传统的同时定位与地图构建(simultaneous localization and mapping,SLAM)在动态场景中鲁棒性差、位姿估计准确率低的问题,提出了一种基于深度学习的语义视觉SLAM方法.该方法将语义分割技术与运动一致性检测算法相结合,首先用Mask R-CNN网络对图像进行语义分割,建立动态对象的先验语义信息,然后通过运动一致性检测算法进一步剔除属于动态物体的特征点,最后用静态特征点进行特征匹配和位姿估计.基于慕尼黑工业大学(Technical University of Munich,TUM)公开数据集对系统进行实验,结果表明,该系统在动态环境中较传统的ORB-SLAM2系统和DS-SLAM系统明显降低了绝对轨迹误差和相对位姿误差,提高了SLAM系统位姿估计的准确性和鲁棒性.

摘要： 单个机器人在面对大尺度环境时,建图结果往往存在较大误差。由多个机器人创建出局部地图后进行拼接可以很好地解决这一问题。本文提出了一种基于霍夫变换与模板匹配的地图拼接方法。首先,利用霍夫变换检测局部地图中的直线段,根据最长直线段斜率将局部地图正交方向重对准。然后利用Harris角点检测算法检测局部地图中的角点,并以角点为中心,提取模板图像。最后利用模板匹配算法将模板图像与另一局部地图进行匹配,获取两局部地图之间的刚体变换矩阵,实现地图拼接。实验表明,该方法对尺度较大的现实环境具有很好的实用性。

摘要： 为了在复杂的动态环境下能够准确地估计折反射全景相机的位姿,提出一种基于逆深度滤波的双目折反射全景相机动态SLAM系统。分析了双目折反射全景相机系统,在球面进行三角化计算出空间点的深度信息。采用一种基于贝叶斯滤波的逆深度滤波器,对动态地图点进行剔除,只使用静态地图点对折反射全景相机进行位姿估计,可以在动态环境下得到精确的相机位姿估计结果。分别在低动态环境和高动态环境下进行了实验,实验结果表明,在高动态环境中,传统的SLAM系统计算的轨迹出现漂移,而基于逆深度滤波的双目折反射全景相机动态SLAM系统始终可以稳定运行。所提方法在两段高动态环境下的绝对轨迹误差的均方根误差分别为0.52 m和0.56 m,精度比传统的全景SLAM系统提升了96.35%。

摘要： 本文提出了一个基于图优化的单目线特征同时定位与地图构建(SLAM)方法.首先,针对主流视觉SLAM算法采用点作为特征,所构建的点云地图稀疏、难以准确表达环境结构信息等缺点,本文采用直线作为特征来构建地图;其次,现有基于线特征的SLAM算法都是采用基于滤波的SLAM框架,存在线性化及更新效率问题,本文采用基于图优化的SLAM解决方案以提升定位的精度及地图构建的一致性和准确性;再次,为适应基于图优化的SLAM解决方案,本文的线特征结合了Plücker坐标和Cayley两种参数化方式,一方面采用Plücker直线便于线性投影计算,另一方面采用Cayley方式有利于进行线特征参数的非线性优化;最后,分别通过仿真实验和实际图像实验证明了本文所提出算法的有效性,并和基于EKF的线特征SLAM算法进行了对比,验证了算法的准确性.

摘要： 本文提出了一种基于改进增量平滑的SLAM后端优化算法,用以提高SLAM问题中的状态估计精度.首先,为了减少线性化带来的误差,本文采用无迹变换及数值微分理论来求解SLAM问题中的Jacobian矩阵,从而提高其求解精度;其次,将上述求解的Jacobian矩阵引入基于增量平滑的SLAM框架中,进行后端优化更新,以提高整个SLAM系统中的状态估计精度;再次,为了验证所提出算法的性能,本文通过仿真实验与平滑构图算法SAM(Smoothing and Mapping)进行了性能比较,结果显示在进行批量优化时本文的算法求解精度更高;最后,在实际单口视觉SLAM实验中与增量式平滑算法iSAM2进行了性能比较,结果显示本文算法的优化结果误差小于原始增量平滑算法的误差.

摘要： 本文提出了一种基于改进增量平滑的SLAM后端优化算法,用以提高SLAM问题中的状态估计精度.首先,为了减少线性化带来的误差,本文采用无迹变换及数值微分理论来求解SLAM问题中的Jacobian矩阵,从而提高其求解精度;其次,将上述求解的Jacobian矩阵引入基于增量平滑的SLAM框架中,进行后端优化更新,以提高整个SLAM系统中的状态估计精度;再次,为了验证所提出算法的性能,本文通过仿真实验与平滑构图算法SAM(Smoothing and Mapping)进行了性能比较,结果显示在进行批量优化时本文的算法求解精度更高;最后,在实际单口视觉SLAM实验中与增量式平滑算法iSAM2进行了性能比较,结果显示本文算法的优化结果误差小于原始增量平滑算法的误差.

摘要： 本文提出了一种基于改进增量平滑的SLAM后端优化算法,用以提高SLAM问题中的状态估计精度.首先,为了减少线性化带来的误差,本文采用无迹变换及数值微分理论来求解SLAM问题中的Jacobian矩阵,从而提高其求解精度;其次,将上述求解的Jacobian矩阵引入基于增量平滑的SLAM框架中,进行后端优化更新,以提高整个SLAM系统中的状态估计精度;再次,为了验证所提出算法的性能,本文通过仿真实验与平滑构图算法SAM(Smoothing and Mapping)进行了性能比较,结果显示在进行批量优化时本文的算法求解精度更高;最后,在实际单口视觉SLAM实验中与增量式平滑算法iSAM2进行了性能比较,结果显示本文算法的优化结果误差小于原始增量平滑算法的误差.

摘要： 本文提出了一种基于改进增量平滑的SLAM后端优化算法,用以提高SLAM问题中的状态估计精度.首先,为了减少线性化带来的误差,本文采用无迹变换及数值微分理论来求解SLAM问题中的Jacobian矩阵,从而提高其求解精度;其次,将上述求解的Jacobian矩阵引入基于增量平滑的SLAM框架中,进行后端优化更新,以提高整个SLAM系统中的状态估计精度;再次,为了验证所提出算法的性能,本文通过仿真实验与平滑构图算法SAM(Smoothing and Mapping)进行了性能比较,结果显示在进行批量优化时本文的算法求解精度更高;最后,在实际单口视觉SLAM实验中与增量式平滑算法iSAM2进行了性能比较,结果显示本文算法的优化结果误差小于原始增量平滑算法的误差.

摘要： 本文提出了一种基于改进增量平滑的SLAM后端优化算法,用以提高SLAM问题中的状态估计精度.首先,为了减少线性化带来的误差,本文采用无迹变换及数值微分理论来求解SLAM问题中的Jacobian矩阵,从而提高其求解精度;其次,将上述求解的Jacobian矩阵引入基于增量平滑的SLAM框架中,进行后端优化更新,以提高整个SLAM系统中的状态估计精度;再次,为了验证所提出算法的性能,本文通过仿真实验与平滑构图算法SAM(Smoothing and Mapping)进行了性能比较,结果显示在进行批量优化时本文的算法求解精度更高;最后,在实际单口视觉SLAM实验中与增量式平滑算法iSAM2进行了性能比较,结果显示本文算法的优化结果误差小于原始增量平滑算法的误差.

摘要： 提出一种基于高斯混合模型与地球移动距离的点集配准算法.将待配准的两个点集均表示为高斯混合模型,其中高斯分布的数量为点集中点的数量,每个高斯分布的均值为点的坐标值,方差为通过优化算法得到的优化值.在配准过程中通过优化两个高斯模型之间的地球移动距离来达到最佳匹配效果.该方法对点集配准中常见的噪声,外点,结构缺失等问题具有较强的鲁棒性.公共数据集与真实车辆平台上的实验表明该算法优于目前流行的点集配准算法.

摘要： 提出一种基于高斯混合模型与地球移动距离的点集配准算法.将待配准的两个点集均表示为高斯混合模型,其中高斯分布的数量为点集中点的数量,每个高斯分布的均值为点的坐标值,方差为通过优化算法得到的优化值.在配准过程中通过优化两个高斯模型之间的地球移动距离来达到最佳匹配效果.该方法对点集配准中常见的噪声,外点,结构缺失等问题具有较强的鲁棒性.公共数据集与真实车辆平台上的实验表明该算法优于目前流行的点集配准算法.

摘要： 提出一种基于高斯混合模型与地球移动距离的点集配准算法.将待配准的两个点集均表示为高斯混合模型,其中高斯分布的数量为点集中点的数量,每个高斯分布的均值为点的坐标值,方差为通过优化算法得到的优化值.在配准过程中通过优化两个高斯模型之间的地球移动距离来达到最佳匹配效果.该方法对点集配准中常见的噪声,外点,结构缺失等问题具有较强的鲁棒性.公共数据集与真实车辆平台上的实验表明该算法优于目前流行的点集配准算法.

摘要： 提出一种基于高斯混合模型与地球移动距离的点集配准算法.将待配准的两个点集均表示为高斯混合模型,其中高斯分布的数量为点集中点的数量,每个高斯分布的均值为点的坐标值,方差为通过优化算法得到的优化值.在配准过程中通过优化两个高斯模型之间的地球移动距离来达到最佳匹配效果.该方法对点集配准中常见的噪声,外点,结构缺失等问题具有较强的鲁棒性.公共数据集与真实车辆平台上的实验表明该算法优于目前流行的点集配准算法.

摘要： 公开了定位设备和系统、用于即时定位与地图构建的设备及方法。所述定位设备，包括：两个或更多个摄像头，用于观测和识别处于其视线范围内的物体，其中各摄像头的底座固定在一起，并且各摄像头之间的光轴夹角可调节；定位处理单元，用于根据所述摄像头获得的数据确定定位结果；通信接口，用于与外部设备进行数据传输。

摘要： 本发明实施例提供的基于即时定位与地图构建的三维地图重建系统及方法，其中系统包括：处于同一局域网内的RGBD相机、开发板及服务器；RGBD相机用于实时采集周围环境的数据；开发板用于获取相机的定位结果；获取相机位姿；剔除目标图像中深度图的目标物特征点，得到剔除后图像；按照定位结果，从目标图像的RGB彩色图中提取三维地图点；对目标图像的各图像帧，根据IMU数据、剔除后图像、相机位姿及三维地图点进行三维地图重建，得到各图像帧的三维地图，将各图像帧三维地图传输至服务器；服务器用于接收最新的各图像帧的三维地图，实时更新已有的各图像帧的三维地图，得到所有图像帧的最终三维地图；实时显示最终三维地图。

摘要： 本发明公开了一种同步定位与地图构建中栅格地图的修正方法、装置。所述方法包括：判断当前场景至少包括部分人造环境时，启动修正，获取当前场景栅格地图以及当前场景的计算机辅助设计CAD图；基于特征点的图像匹配方法将所述栅格地图与CAD图进行对齐；识别所述栅格地图中的连通域，根据映射关系确定出对齐后的CAD图中与所述连通域对应的映射域；根据所述映射域提取出所述CAD图中指示一定几何形状的高层次特征；将提取出的高层次特征映射在所述栅格地图中，对所述栅格地图进行修正。上述修正方案比人工修正方法更加准确、高效，从而提高栅格地图得准确性以及机器人、无人驾驶等定位导航的可靠性。

摘要： 本发明公开了一种结合即时定位与地图构建的列车定位系统，包括信标数据库、车载控制器、定位修正模块：信标数据库中存储有信标数据；车载控制器设有信标识别模块、速度获取模块，将列车里程数据、列车区段定位信息以及列车实时速度发送给定位修正模块；定位修正模块包括环境感知传感器和车载数据处理器，车载数据处理器根据环境信息，利用SLAM技术获取列车的位置，并结合车载控制器提供的数据，实现定位修正。本发明还提供了一种列车定位方法，采用所述的列车定位系统进行定位。本发明不仅实现了列车定位精度的提高，而且不依赖卫星信号进行定位，适用场景较广，同时也不需要新增信标和轨旁设备，维护成本较低。

摘要： 本发明公开了定位设备和系统、用于即时定位与地图构建的设备及方法。所述定位设备，包括：两个或更多个摄像头，用于观测和识别处于其视线范围内的物体，其中各摄像头的底座固定在一起，并且各摄像头之间的光轴夹角可调节；定位处理单元，用于根据所述摄像头获得的数据确定定位结果；通信接口，用于与外部设备进行数据传输。

摘要： 本发明公开了基于DeeplabV3+的陌生海域中障碍物即时定位与地图构建方法，首先基于激光雷达坐标系与可见光相机坐标系的转换关系，将激光点云投影到图像上，得到图像坐标系中的激光点云投影坐标，再基于Deeplabv3+语义分割网络模型对图像进行分割预测，获得分割后的类别图像，并利用障碍物类别制作障碍物掩膜，得到障碍物对应的激光点云，最后根据激光雷达坐标系与IMU坐标系的转换关系，障碍物对应的激光点云在激光雷达坐标系中的坐标以及IMU获取的无人艇姿态信息构建以无人艇作为地图中心的周围障碍物地图。本发明利用Deeplabv3+语义分割网络模型实现了预知及不可预知障碍物轮廓信息的准确提取，联合可见光相机与激光雷达实现海上预知与不可预知障碍物的准确探测与定位。

摘要： 一种楼层定位与地图构建系统，包括一摄像机、一自主机器人以及一通信装置。摄像机设置于一楼层。自主机器人用以发出一楼层地图请求。通信装置连接摄像机，其中自主机器人出现在摄像机所在的楼层时，通信装置接收楼层地图请求，且通信装置通知自主机器人所在的楼层的一楼层地图索引。

摘要： 本发明公开了一种基于机器视觉的果实检测定位与果园地图构建方法，该方法利用采用搭载有RGBD相机的移动机器人实现水果果实目标检测、计数以及采摘定位，同时将视觉里程计信息以及激光雷达的点云信息数据进行融合，采用非线性优化方法实现用于果园环境中的SLAM建图与定位；之后基于多线程编程方法将两个线程融合，从而实现应用于实际果园环境中的移动机器人实时果实检测定位与全局建图与自定位，并基于构建完成的果园语义地图实现移动机器人在果园中的全局路径规划功能。依靠该方法能够实现智能化果园巡航、智能化果园产量预估以及采摘机器人果园环境感知等应用领域，能够较好地助力传统果园种植产业向自动化、智能化方向转型升级。

摘要： 本公开实施例公开了一种即时定位与地图构建方法及无人移动设备，所述方法包括：获取多个连续关键帧，以及所述多个连续关键帧中均能够观测到的多个目标三维点；利用所述连续关键帧以及所述目标三维点进行第一阶段的局部地图优化；其中，在第一阶段的局部地图优化过程中，将所述距离误差中的地面参数固定为初始值后，对所述连续关键帧的位姿参数进行优化；利用所述连续关键帧以及所述目标三维点中的所述地面三维点进行第二阶段的平面优化；在第二阶段的平面优化过程中，将所述连续关键帧的位姿参数固定为第一阶段优化得到的优化结果后，对所述连续关键帧中的地面参数进行优化。该技术方案能够得到准确率较高的地图优化结果。

摘要： 提供了一种执行同时定位与地图构建(SLAM)操作的电子设备，包括：图像数据库；因子图数据库；和处理器，被配置为：从图像数据库接收其中定位电子设备的位置的地图图像，以在地图图像中执行电子设备的位置的重新定位，从因子图数据库接收用于计算电子设备的与六个DoF相关的分量的数据，基于接收到的数据构造包括与六个DoF相关的分量的矩阵，和加载和重排矩阵和从存储在存储器中的多个向量中选择的向量，以通过对矩阵的每个行的每个块和向量执行计算来顺序地获得第一数据和第二数据，并且将第二数据移位到第一数据的存储位置。