地图构建

摘要： 针对基于双目视觉的室外大规模地图构建计算时间长、实时性不足、设备要求高等问题,以及无人系统有限的搭载能力和计算力对设备轻便性、计算效率需求的不断提高,文中提出一种深度网络和边缘检测融合的大规模三维单目视觉建图方法。首先,针对单目深度值和位姿的计算问题,以SC-SfMLearner方法为基础,利用端对端的深度网络直接从单目中获取单目图像对应的深度值和位姿;其次,针对单目图像边缘检测中可能存在的边缘特征不明显等问题,通过高斯滤波平滑原始图,利用Canny算子对环境物体边缘特征进行提取,总和高斯加权二值化得到边缘特征图,实现边缘特征的优化;最后,融合特征的深度值和位姿信息,以八叉树为数据结构构建场景地图。实验结果表明,文中方法对KITTI数据集进行地图构建可得到可靠的八叉树地图,与未进行边缘检测相比,效率提高50%。该算法可行、有效,能够满足无人系统室外应用中对三维地图实时构建的要求。

摘要： 地图构建是实现无人驾驶的重要前提,针对传统单一地图无法准确实现无人车自主导航的问题,本文中提出一种低成本的室外多图层地图,分轨迹层-静态层-动态层。轨迹层为GNSS拓扑地图,静态层为基于图优化构建的点云-栅格地图,动态层为实时激光点云信息。首先轨迹层的绝对位置信息用于实现无人车的全局路径规划,然后基于动态层实时信息与静态层的点云地图做匹配,完成无人车实时高精度定位,最后对动态层进行障碍物检测,通过将实时障碍物信息同静态层的栅格地图结合,为无人车避障和局部路径规划提供环境信息。在实际环境下对提出的地图进行了评估,验证了该地图的可用性。

摘要： 传统的全球导航卫星系统(GNSS)、基站移动位置服务等定位方法在隧道、楼宇和高架桥等复杂交通场景应用时定位误差较大,而里程计存在累计误差,难以实现长距离精准定位。针对智轨电车复杂驾驶环境定位误差大的问题,文章提出一种基于激光雷达-全局地图匹配的长时、高精度定位系统,以实现鲁棒和准确的状态估计。该系统定位主要包含两个步骤,即全局地图构建和地图匹配定位。首先,在地图构建时引入(GNSS)绝对位置约束,以消除激光里程计累计误差,从而构建全局一致的高精度地图;其次,地图匹配定位时,在原有全局地图匹配基础上,引入实时动态地图匹配定位机制,有效避免因环境变化引起的定位退化现象,提升定位鲁棒性。智轨电车实车在城市开放道路上的测试结果显示,该方法能够稳定、可靠地提供车辆位姿信息,整个运行过程中激光雷达角度估计误差在0.35°以内,位置误差在0.15 m内,验证了本算法的有效性与鲁棒性。

摘要： 为了提高移动机器人在作业过程中获得现场环境地图的效率,提出了利用BIM技术建立导航地图的方式,获取IFC信息映射到二维栅格,从而快速构建地图;对于室内移动机器人在移动过程中能更快更好的到达目标点的问题,首先对传统A*算法做改进,将原有的8邻域搜索扩展为48邻域搜索,增加了搜索方向,优化了搜索角度;同时考虑了机器人的安全性,对规划路径进行了改进,使得规划的路径与障碍物保持了一定距离;其次,为了避开场地出现的动态障碍物,采用将改进的A*算法与动态窗口法融合,在保证全局路径最优的基础上,实现避障效果;通过实验仿真,表明了改进的A*算法比传统A*的算法在运行时间上快了2倍以上,路径转折点的角度差比原来减少了28%以上,路径长度上更短且不再紧贴障碍物;而融合算法比改进的A*算法在路径平滑性上有所提高,能及时避开随机障碍物,更加适用于环境变化的室内场景。

摘要： 为提高自动驾驶时单传感器对周围车辆识别成功率及工程实用性,提出了一种基于相机图像与激光雷达信息相融合的车辆识别和地图构建方法。对相机与激光雷达进行了联合标定和时间配准。对图像中的车辆阴影与激光雷达检测信息进行提取,获得两者间的坐标关联度特征,并根据其阈值范围确定周围是否存在车辆。将相机图像信息与激光雷达检测信息进行融合,构建周围车辆的信息地图,进行了实验验证。结果表明:采用坐标关联度特征对两传感器采集的信息进行融合,车辆识别的正确率比用D-S证据理论法结果高4.25%;本车辆信息地图,可以在安全的前提下实现基于三阶Bessel曲线的超车轨迹行驶。

摘要： 本文以飞思卡尔I.MX6处理器为控制核心,采用了Linux为系统软件平台,设计了SLAM智能机器人。该机器人配备了二维激光雷达、摄像头、机械手、走行部等硬件设备,通过机器人软硬件的配合,能够实现高精度的地图构建、自动避障、自主路径规划、物品搬运抓取等功能。该机器人智能化程度高,自主运行稳定,功能完善,有较好的推广价值。

摘要： 针对特征法视觉同步定位与地图构建(simultaneous localization and mapping,SLAM)耗时久、纹理缺失场景易跟踪失败而只能重建稀疏点云的问题,提出一种基于半直接视觉里程计的SLAM稠密重建算法。该算法以ORB-SLAM2框架为基础,视觉里程计采用直接法最小化光度误差求解相机初始位姿,采用特征法最小化重投影误差优化位姿,提高相机位姿的输出频率;以一种冗余关键帧删除算法计算帧间相对运动距离,删除视野重叠的关键帧;使用筛选后的关键帧进行闭环检测,构建稠密点云地图,滤波后转换为存储效率更高的八叉树地图。结果表明,所提算法能有效解决相机快速运动场景和纹理缺失场景跟踪失败的问题,实现三维地图重建,具有较高的定位精度与实时性。

摘要： 针对农业蔬菜大棚,设计了一套基于SLAM与声源定位的农业大棚服务系统,该系统利用采集到的图像数据并结合声波采集装置与其他外围传感器,利用数据融合与实时地图构建技术构建三维信息,从而为无人巡检与植保维护提供技术支持。该系统利用占据栅格地图模型、几何地图模型和拓扑地图模型等模型将数据整合,通过提供棚内高精度定位、多环境下避障定位、线路规划及定位追踪功能,为大棚内无人化作业提供基础技术支持。

摘要： 针对基于双目深度图的室外大规模地图构建计算冗长,而在无人系统的有限算力下,计算效率需求显著的情况,文中提出一种基于双目视觉立体匹配的三维地图构建方法。首先针对由立体匹配算法及原图引入的噪声误差等问题,采用双线性插值优化视差图;其次通过中值滤波以平滑视差图;最后利用Sobel算子实现对环境物体边缘特征点的提取,并二值化边缘特征图,优化深度值计算环节,在一定程度上提高地图构建的效率。实验结果表明,通过对KITTI数据集的地图构建,可得到的良好八叉树地图,效率提高了50%,证明了文中算法的可行性与有效性,能够满足无人系统在室外路径探索对三维地图的需求。

摘要： 移动机器人导航功能的实现需要同时定位与建图(simultaneous localization and mapping,SLAM)和路径规划这两方面的技术,其中由SLAM技术生成的栅格地图是移动机器人运用路径规划算法的前提。2D激光SLAM由于其建图精度较高、性能稳定且价格便宜,在室内移动机器人中应用十分广泛。2D激光SLAM是指移动机器人在自身所处环境及位置先验信息未知的情况下,以2D激光雷达为主要传感器,感知周围环境信息,从而实现自身位姿的估计和地图的构建。将2D激光SLAM分为两部分,第一部分从激光测距原理入手,对三角法和飞行时间法进行了详细介绍和优缺点比较。第二部分从前端扫描匹配、后端优化、回环检测和地图构建这四个方面分别详细阐述了2D激光SLAM系统框架。同时对主流2D激光SLAM算法进行了深入分析和优缺点比较,并对激光SLAM未来的发展进行了展望。

摘要： 研究了无人驾驶车面向校园环境的同时定位与地图构建问题.采用双目视觉系统进行立体视觉图像匹配,并以此为基础完成优化前的位姿拓扑地图构建;采用了一种基于ORB图像特征和BoW模型的闭环检测算法,并利用时间连续性约束和几何一致性约束来提升闭环匹配正确率.位姿拓扑地图的后端优化采用了高斯-牛顿优化方法,并且在迭代过程中充分考虑了系统信息矩阵的稀疏性.利用实验室自主研发的SmartCruiser无人驾驶车平台在校园环境进行了实验,结果验证了本文所提方法的有效性和实用性.

摘要： 在SLAM问题的研究中,需要机器人在未知环境中进行地图构建和即时定位导航.首先介绍了SLAM问题的产生和应用;接着简单介绍了基于单目和双目视觉的SLAM流程和算法,如MonoSLAM;然后分析了地图构建法和导航的经典算法,如扩展卡尔曼滤波、粒子滤波、FastSLAM等;最后介绍了一种新的SLAM平台机器人操作系统ROS.目前SLAM问题仍集中于降低算法复杂度、提高数据关联、闭合环路、在复杂环境中定位导航等。由于ROS平台上的代码都是开源的，因此代码的使用和算法的更新都十分方便。基于ubuntu的ROS机器人操作系统的定位和导航工作相比于Windows平台来说更加方便。

摘要： 针对移动机器人同时定位与地图构建(SLAM)中的粒子滤波不一致问题,提出了新的改进算法.利用迭代无迹粒子滤波精确设计了粒子滤波器的提议分布,以迭代更新方式将当前激光传感器信息和里程计信息融人重要性采样过程,实现了改进迭代无迹粒子滤波算法,降低了滤波器预测阶段机器人位姿的不确定性并有效地减少了所需粒子的数量.使用配有URG激光传感器的Pioneer3-DX在机器人操作系统平台上与Fast SLAM算法进行了比较实验.结果表明,创建相同一致性地图时,改进算法仅使用10个粒子构建地图,平均消耗时间为325 s,除此之外还减少了所需粒子数量,提高了地图创建效率;同时机器人航向误差为-1.486 1°,降低了机器人位姿的不确定性.此外,对两种算法方差的比较可以看出改进算法的稳定度高于FastSLAM算法.

摘要： SLAM(即时定位与地图构建)技术无需GNSS信号,与三维激光扫描技术结合,可以快速、便捷、低成本的采集目标物体的三维点云数据.可广泛应用于地下空间测绘、街景制作、室内建模以及其它GNSS信号缺失或不足的测绘工作领域.本文详细阐述了基于SLAM技术的移动扫描测量系统的工作原理和在测绘中的应用,通过具体实验进行了数据采集、精度分析和相关成果制作,验证了SLAM在测绘中广泛应用的可行性.

摘要： 提出了一种改进的UKF算法，用于机器人的同时定位与地图构建(SLAM)研究。该方法在滤波过程中引入随时间变化的测量误差权值因子，减少了历史数据以及系统噪声对于滤波的干扰，进而完成机器人状态和相应路标信息更新。将改进算法与护理机器人模型结合，进行仿真和实验。结果表明，该改进算法减少了滤波结果发散的概率，提高了机器人的定位的稳定性和准确性。

摘要： 在分析激光SLAM测图误差影响因素的基础上,利用全站仪、三维扫描仪和移动扫描系统设计了多种对比实验.分析实验结果,将点位中误差,尺寸中误差和点云配准误差作为靶标球中心坐标精度,自然特征尺寸精度和点云模型精度的指标.从这三个方面对激光SLAM的测图精度进行评定,直观反映多种因素对激光SLAM测图精度影响的综合尺度.由此给出了激光SLAM测图精度评定的具体方法,为工程实践提供参考.

摘要： 在分析激光SLAM测图误差影响因素的基础上,利用全站仪、三维扫描仪和移动扫描系统设计了多种对比实验.分析实验结果,将点位中误差,尺寸中误差和点云配准误差作为靶标球中心坐标精度,自然特征尺寸精度和点云模型精度的指标.从这三个方面对激光SLAM的测图精度进行评定,直观反映多种因素对激光SLAM测图精度影响的综合尺度.由此给出了激光SLAM测图精度评定的具体方法,为工程实践提供参考.

摘要： 在分析激光SLAM测图误差影响因素的基础上,利用全站仪、三维扫描仪和移动扫描系统设计了多种对比实验.分析实验结果,将点位中误差,尺寸中误差和点云配准误差作为靶标球中心坐标精度,自然特征尺寸精度和点云模型精度的指标.从这三个方面对激光SLAM的测图精度进行评定,直观反映多种因素对激光SLAM测图精度影响的综合尺度.由此给出了激光SLAM测图精度评定的具体方法,为工程实践提供参考.

摘要： 在分析激光SLAM测图误差影响因素的基础上,利用全站仪、三维扫描仪和移动扫描系统设计了多种对比实验.分析实验结果,将点位中误差,尺寸中误差和点云配准误差作为靶标球中心坐标精度,自然特征尺寸精度和点云模型精度的指标.从这三个方面对激光SLAM的测图精度进行评定,直观反映多种因素对激光SLAM测图精度影响的综合尺度.由此给出了激光SLAM测图精度评定的具体方法,为工程实践提供参考.

摘要： 针对复杂环境中GNSS信号被遮挡出现的卫星信号失锁和INS测量误差积累的问题.已经提出的深组合GNSS/INS可以改善较差GNSS信号环境中的定位精度,但GNSS信号在长时间内不可用时,考虑到INS无法独立约束传感器误差和定位精度.本文提出了一种基于扩展卡尔曼滤波的SLAM(simultaneous localization and mapping,即时定位和制图辅助)/GNSS/INS的组合导航算法.首先,在GNSS信号良好的时候,利用卫星确定出定位目标的位置,并利用SLAM去实时观测和更新环境特征标志,当GNSS信号被遮挡时,通过观测定位目标与环境特征标志之间的相对位置,得到定位目标的测量估计值.然后,用所得的测量估计值去修正INS参数,消除累积误差,并将修正后的参数返回到接收机端,使接收机下次较快的重新锁定信号.通过实验仿真分析,对比了GNSS/INS深组合和SLAM/GNSS/INS深组合在GNSS信号良好、差、和完全丢失的环境中的定位误差.实验结果表明,深组合SLAM/GNSS/INS系统能有效提高GNSS信号长时间被遮挡时接收机的定位精度.

摘要： 本申请公开了一种构建地图的方法、构建高精度地图的方法及移动设备，本申请仅对角点帧进行基于点到面的点云配准，而不对普通点云帧做配准，避免了在隧道场景下的由于场景相似度较大而导致的错误配准问题，自动、简单、高效地实现了隧道场景下高精度地图的构建。

摘要： 本发明公开了一种地图构建方法和设备以及一种提供地图构建信息的方法和设备。该地图构建方法可以包括：接收多个移动设备的位置数据和相应的服务点的信息；基于所述服务点的信息和所述位置数据，确定与每个服务点相关的地理区域；以及基于用户通过移动设备在社交网络上的位置报告行为所提供的与其所在位置对应的位置名称，在所述地理区域的相应位置处标注所述位置名称，以便构建所述地图。根据本发明的实施方式，提供了一种新的构建地图的技术方案，其可以基于来自多个移动设备的信息，确定出地图的地理区域，并基于社交网络用户的位置报告信息，确定出地理区域中的对应位置的名称，从而逐步形成完整、独立的地图系统，以摆脱对于第三方地图服务提供商的依赖性。

摘要： 本申请属于通信技术领域，尤其涉及一种地图传输方法、地图构建方法、地图构建系统以及介质。该地图传输方法包括：获取自移动设备在移动过程中新增的地图点位信息，地图点位信息用于指示在目标设备显示的地图中，新检测到的点位与预设的非移动参考点的相对位置，向目标设备发送地图点位信息，以使目标设备根据地图点位信息更新地图。本申请不需要在地图传输过程中将所有地图信息全部上传，能够极大程度地提高地图传输效率。

摘要： 本发明实施例公开了一种地图构建方法、地图构建装置、车辆及存储介质。该方法包括：在车辆启动路线记忆功能时，获取待记忆的第一泊车路线的第一起始位置；在已构建的第一语义地图中对所述第一起始位置进行定位，得到所述第一起始位置在所述第一语义地图中的第一定位位置；在所述车辆按照所述第一泊车路线行驶的过程中，获取所述车辆采集到的所述第一泊车路线周边的路面语义信息；根据所述第一定位位置和所述路面语义信息构建第二语义地图。车辆将已构建的第一语义地图作为参照，基于获取的第一起始位置和采集的第一泊车路线周边的路面语义信息，可以构建更为准确的第二语义地图，以便车辆后续召唤使用，提高车辆泊车的成功率。

摘要： 本发明涉及一种环境地图构建方法及机器人，其特征在于：通过如下步骤完成环境地图构建：步骤1、启动建图定位模块和路径规划模块，建立自动探索模块；步骤2、生成前沿位置点队列D；步骤3、判断队列D是否为空，是结束；否进入步骤4；步骤4、取出队列D中首个位置点T，判断点T是否可达，否，将点T加入黑名单后返回步骤3，是进入步骤5；步骤5、向点T移动，启动探索计时进入步骤6；步骤6、等待n秒，更新队列D，并向点T移动；步骤7、判断本轮探索计时是否超时，是，将T加入黑名单并返回步骤2，否进入步骤8；步骤8、判断机器人是否到达点T，如是返回步骤2；如否，返回步骤6。与现有技术相比，本发明降低探索期间的计算要求。

摘要： 本申请公开了一种栅格地图构建方法、栅格地图构建装置、电子设备及计算机可读存储介质。该方法包括：针对三维探测设备当前已采集的每个点云关键帧，根据预设的高度区间生成与所述点云关键帧对应的虚拟线束测距结果；根据各个所述点云关键帧所分别对应的三维探测设备的位姿及各个所述点云关键帧所分别对应的所述虚拟线束测距结果，维护栅格地图结构表，所述栅格地图结构表用于描述环境栅格地图中的各个栅格的状态；根据所述栅格地图结构表，更新所述环境栅格地图。通过本申请方案，可针对不同高度平面的空间障碍实现栅格地图的高效构建。

摘要： 本申请公开了一种栅格地图构建方法、装置、电子设备及计算机可读存储介质。其中，该方法包括：根据探测设备在环境中采集到的多帧探测数据构建环境mesh模型；针对每帧探测数据，根据该探测数据及指定高度，在环境mesh模型中确定虚拟激光雷达的位置，其中，虚拟激光雷达为通过数据处理而仿真得到的具有激光雷达功能的虚拟设备；以虚拟激光雷达的位置为光源位置，在环境mesh模型中模拟光线投射，其中，投射出的光线平行于环境mesh模型的地平面；在基于各帧探测数据得到对应的光线投射结果后，根据光线投射结果构建环境在指定高度下的栅格地图。通过本申请方案，可以准确地构建环境在指定高度下的栅格地图。

摘要： 本申请适用于信息处理技术领域，提供了三维地图构建方法、三维地图构建装置、终端设备及计算机可读存储介质，该三维地图构建方法，包括：获取至少一帧待处理图像；若所述至少一帧待处理图像中存在目标处理图像，则在所述目标处理图像中确定目标物体所在的第一区域，其中，所述目标处理图像为所述至少一帧待处理图像中存在所述目标物体的图像；获取所述至少一帧待处理图像中，除所述第一区域之外的其他区域的图像数据；根据获取的所述图像数据构建目标三维地图。通过上述方法，能够解决三维地图中存在干扰物体，例如各种运动物体，从而降低了三维地图的精确度的问题。

摘要： 本申请提供的一种三维地图构建方法，包括：根据每个场景图像的特征点信息，确定任意两个场景图像之间的匹配关系；根据所述匹配关系，对所述场景图像进行划分，获得至少两个图像集合；对任意两个图像集合，确定所述两个图像集合之间的匹配点对，其中，所述两个图像集合之间的匹配点对中所包含的两个相互匹配的特征点分别位于第一场景图像和第二场景图像中，所述第一场景图像和第二场景图像分别位于所述两个图像集合中；获取三维子地图，根据至少两个图像集合之间的匹配点对，将各个三维子地图进行拼接，获得目标三维地图，其中，每一个图像集合用于唯一地构建一个三维子地图。通过所述方法，能够提升三维地图的重建效率。

摘要： 本发明公开了一种地图构建方法，用于通过无人飞行器(10)和控制终端(20)构建待测区域的地图，地图构建方法包括：(S11)初始化，控制无人飞行器(10)执行特定飞行并回传飞行数据给控制终端(20)，以确定飞行数据在地图中的匹配位置；(S12)控制无人飞行器(10)按照指示路径进行飞行并获取数据，数据包括飞行位置信息和采集图像信息；及(S13)根据飞行位置信息和采集图像信息得到地图。