检索结果-内蒙古大学图书馆

作者：陈钦汉浙江农林大学

学位级别：硕士

随着农业设施化、现代化的不断推进,自动导航技术的温室机器人已经逐渐成为智能农业装备的研究热点之一。由于温室环境下存在作业道路狭窄、GPS信号丢失等问题,本文以多传感器融合slam(Simultaneous Localization and Mapping)为定位系... 详细信息

随着农业设施化、现代化的不断推进,自动导航技术的温室机器人已经逐渐成为智能农业装备的研究热点之一。由于温室环境下存在作业道路狭窄、GPS信号丢失等问题,本文以多传感器融合slam(Simultaneous Localization and Mapping)为定位系统,使用四轮独立转向/驱动(Four-Wheel Independent Steering and Four-Wheel Independent Drive,4WIS-4WID)结构试验样机开展了温室机器人的导航研究并做出了改进。具体工作如下:(1)首先,搭建并完善了满足课题要求的试验样机及控制系统。针对传统图像特征匹配精度较低的问题,提出一种基于改进均匀ORB和LK光流组合的图像特征匹配算法。基于该特征匹配算法,结合深度相机提出了轻量级视觉里程计,并且将该视觉里程计与激光slam进行融合,搭建了基于多传感器融合的slam定位系统。(2)其次,为降低规划路径的拐点数,提高跟踪路径的质量,基于A*算法提出了一种改进型路径规划算法。通过设计拐点对规划路径的惩罚关系函数,改进A*算法的评价函数以优化路径规划结果。通过MATLAB仿真试验验证了算法的有效性。(3)再次,为提高4WIS-4WID结构温室机器人路径跟踪的精度和效率,提出了一种基于4WIS-4WID结构和模型预测控制的路径跟踪算法。在分析了传统纯追踪算法与车体结构的关系及缺陷的基础上,设计了一个以车体的偏差程度为状态量,转向中心位置为控制量的模型预测控制器。通过MATLAB软件仿真试验验证其可行性。(4)最后,开展了温室机器人导航试验。特征提取与匹配试验表明本文算法相较于传统方法可平均提高特征匹配准确率19.73%,匹配总耗时平均缩短56.34%;经定位精度试验可得,该定位系统与超宽带系统的定位误差均值为4.31 cm,定位精度在5.69 cm到14.31 cm间;经路径跟踪试验可得:基于本文算法的路径跟踪的平均偏差在98～132 mm之间,换线后的稳定时间在2.3～4.2 s之间,远优于传统纯追踪算法。本文提出的基于多传感器融合slam的温室机器人具有转向灵活性好,可进行自主定位与建图等特点。各项试验结果均验证了本研究方法的有效性和先进性,且能满足温室内自动导航作业的需求,为温室移动机器人自动导航技术提供技术参考。

关键词：温室机器人多传感器融合slam 新型路径跟踪算法 4WIS-4WID

来源：评论

学校读者我要写书评

暂无评论

基于多传感器融合的智能小车导航技术研究

基于多传感器融合的智能小车导航技术研究

引用

作者：周铖君南京信息工程大学

学位级别：硕士

经过几十年的发展,激光和视觉slam技术在众多领域展现出特有的优势。slam技术使得移动机器人能够在缺乏GPS信号的室内外场景中自主定位和建图。然而,仅依靠单一传感器的slam技术存在一定局限性。例如,激光slam不适用于高度动态或稀疏特... 详细信息

经过几十年的发展,激光和视觉slam技术在众多领域展现出特有的优势。slam技术使得移动机器人能够在缺乏GPS信号的室内外场景中自主定位和建图。然而,仅依靠单一传感器的slam技术存在一定局限性。例如,激光slam不适用于高度动态或稀疏特征的场景,而视觉slam在低纹理或暗场景中的鲁棒性较差。因此,将激光雷达和相机相结合的多传感器融合slam方案具有巨大的潜力。本研究基于ORB-slam3框架,融合激光雷达获取的高精度点云信息,旨在改进前端特征提取与匹配和回环检测过程,适应复杂的户外环境。具体工作如下: (1)针对ORB-slam3中提取ORB特征和描述子耗时,不适用于无纹理环境的问题,提出了基于深度学习的特征提取与匹配方法。通过增加点云特征维度,将局部特征与全局特征进行特征拼接,提出多尺度聚类和多分辨率聚类方法自适应不同的点云密度,显著提高了特征提取的速度和精度。 (2)针对ORB-slam3在大量遮挡场景和弱纹理场景中回环检测方法出现误检测和特征丢失的问题,提出基于点云补全的回环检测方法。通过稀疏点云逐层生成稠密点云,采用联合多层感知机对每一步最大池化的结果进行特征拼接,利用生成对抗网络将生成的点云数据与实际数据进行对比优化,有效提高了回环检测的鲁棒性。 (3)本文对改进后的算法进行了全面测试。从KITTI 3D目标检测数据集和Nusences数据集的测试结果表明,本文方法构建的稠密点云地图明显优于ORB-slam3,极大的还原了室外复杂场景,准确识别出了驾驶场景中的车辆、建筑物和行人。

关键词：多传感器融合slam 深度学习点云补全生成对抗网络

来源：评论

学校读者我要写书评

暂无评论

基于视觉激光惯性相结合的机器人slam算法

引用

机床与液压 2023年第17期51卷 39-44页

作者：王立玲朱旭阳马东王洪瑞河北大学电子信息工程学院河北保定071002 河北大学机器人技术研究中心河北保定071002

针对弱纹理环境下slam系统只依靠单一传感器鲁棒性较差的问题,提出一种视觉、单线激光雷达与惯性相结合的机器人slam算法。在视觉与雷达预处理阶段,视觉提取点线特征,同时雷达帧间匹配过程采用激光点到其最近两个点连线的距离构建误差方... 详细信息

针对弱纹理环境下slam系统只依靠单一传感器鲁棒性较差的问题,提出一种视觉、单线激光雷达与惯性相结合的机器人slam算法。在视觉与雷达预处理阶段,视觉提取点线特征,同时雷达帧间匹配过程采用激光点到其最近两个点连线的距离构建误差方程,实现更高精度匹配效果。采用惯性传感器与轮速里程计进行雷达运动畸变校正,同时雷达估计信息为单目点线特征三角化提供良好深度值,再利用点线视觉信息、雷达点云信息与惯性测量单元紧耦合优化机制提高机器人slam的精确度。最后,将该方法在仿真环境和真实弱纹理环境进行实验。结果表明:该方法定位准确率达到98.6%,在弱纹理环境中定位效果具有较强的鲁棒性和准确性,满足实际需求。

关键词：单线激光雷达视觉slam 多传感器融合slam

来源：评论

学校读者我要写书评

暂无评论

slam技术及其在矿山无人驾驶领域的研究现状与发展趋势

引用

工矿自动化 2024年第10期50卷 38-52页

作者：崔邵云鲍久圣胡德平袁晓明张可琨阴妍王茂森朱晨钟中国矿业大学机电工程学院江苏徐州221116 徐州徐工重型车辆有限公司江苏徐州221112 中国煤炭科工集团太原研究院有限公司山西太原030006

无人驾驶是矿山智能化关键技术之一,其中即时定位与地图构建(slam)技术是实现无人驾驶的关键环节。为推动slam技术在矿山无人驾驶领域的发展,对slam技术原理、成熟地面slam方案、现阶段矿山slam研究现状、未来矿山slam发展趋势进行了探... 详细信息

无人驾驶是矿山智能化关键技术之一,其中即时定位与地图构建(slam)技术是实现无人驾驶的关键环节。为推动slam技术在矿山无人驾驶领域的发展,对slam技术原理、成熟地面slam方案、现阶段矿山slam研究现状、未来矿山slam发展趋势进行了探讨。根据slam技术所使用的传感器,从视觉、激光及多传感器融合3个方面分析了各自的技术原理及相应框架,指出视觉和激光slam技术通过单一相机或激光雷达实现,存在易受环境干扰、无法适应复杂环境等缺点,多传感器融合slam是目前最佳的解决方法。探究了目前矿山slam技术的研究现状,分析了视觉、激光、多传感器融合3种slam技术在井工煤矿、露天矿山的适用性与研究价值,指出多传感器融合slam是井工煤矿领域的最佳方案,slam技术在露天矿山领域研究价值不高。基于现阶段井下slam技术存在的难点(随时间及活动范围积累误差、各类场景引起的不良影响、各类传感器无法满足高精度slam算法的硬件要求),提出矿山无人驾驶领域slam技术未来应向多传感器融合、固态化、智能化方向发展。

关键词：矿山智能化无人驾驶即时定位与地图构建多传感器融合slam 视觉slam 激光雷达slam

来源：评论

学校读者我要写书评

暂无评论

基于slam的无人机测绘方法及应用研究

基于SLAM的无人机测绘方法及应用研究

引用

作者：李璟湖南大学

学位级别：硕士

无人机测绘是室外大尺度场景三维重建的重要手段,广泛应用于国土测绘、工程质量检测、历史遗产保护等行业。目前主流无人机测绘方案包括倾斜摄影与机载激光雷达测绘,然而倾斜摄影精细度差、重建速度慢;机载激光雷达测绘成本高昂,需要精... 详细信息

无人机测绘是室外大尺度场景三维重建的重要手段,广泛应用于国土测绘、工程质量检测、历史遗产保护等行业。目前主流无人机测绘方案包括倾斜摄影与机载激光雷达测绘,然而倾斜摄影精细度差、重建速度慢;机载激光雷达测绘成本高昂,需要精确的GNSS(全球导航卫星系统)信息。针对上述问题,本文搭建了配备多种传感器的测绘无人机平台,开展了基于slam(同步定位与地图构建)的无人机测绘方法研究,并实现了无人机测绘任务,主要工作如下:(1)针对无人机测绘应用需求,搭建了配备IMU(惯性测量单元)、双目鱼眼相机和固态激光雷达的测绘无人机平台,并对每个传感器进行了内参标定与外参标定。(2)针对固态激光雷达视场小、扫描不规则的问题,提出了一种基于PCA(主成分分析)的自适应GICP(Generalized-ICP)算法用于固态激光雷达点云配准。该算法通过PCA分析,将面到面的GICP配准扩展为点到点、点到面、面到面,在配准过程中能够自适应地在各模式间切换,充分利用了场景中的结构信息与非结构信息,并具有较高的计算效率。实验证明该算法在固态激光雷达点云的配准上相较于常用激光点云配准算法具有更好的精度和鲁棒性。(3)针对IMU积分漂移、视觉定位精度低、固态激光雷达点云配准易退化的问题,提出了一种多传感器融合slam算法。该算法将IMU构建的预积分约束、图像构建的重投影误差约束、激光雷达点云构建的配准约束使用LM(Levenberg-Marquardt)算法进行联合优化,能够输出高精度的位姿与地图。实验证明该算法具有准确的定位能力与高质量的建模能力。同时展示了本系统生成的点云模型在建筑领域的应用,体现了本系统的实际应用价值。

关键词：无人机测绘三维重建多传感器融合slam 固态激光雷达点云配准

来源：评论

学校读者我要写书评

暂无评论

面向自动驾驶场景中同时定位与地图创建关键技术研究

面向自动驾驶场景中同时定位与地图创建关键技术研究

引用

作者：宋宝安徽理工大学

学位级别：硕士

作为新基建时代的热点——自动驾驶,其范畴涉及定位、导航、路径规划、智能控制等技术领域,还涉及卡尔曼滤波、粒子滤波等传统算法领域和深度学习、模式识别与图像处理等前沿算法领域。其中,自动驾驶技术领域中的定位与导航方向包括GNSS... 详细信息

作为新基建时代的热点——自动驾驶,其范畴涉及定位、导航、路径规划、智能控制等技术领域,还涉及卡尔曼滤波、粒子滤波等传统算法领域和深度学习、模式识别与图像处理等前沿算法领域。其中,自动驾驶技术领域中的定位与导航方向包括GNSS、IMU等全局定位方式和基于激光雷达和视觉相机等传感器的同时定位与地图创建（Simultaneous Localization and Mapping,slam）局部定位方式。根据当下使用各类slam方法的实际运行落地的产品较少,对各类slam方法/算法在实际环境的运行可靠性和置信度不高的问题,且缺乏充足的路测环境数据支撑,不利于未来自动驾驶在汽车市场推广与大规模商业化,意味着slam问题的研究仍存在不同程度和方向的优化空间。本文分别基于单一传感器如激光雷达、视觉相机的slam实验以及二者融合slam的实际环境下的实测研究。本文以四驱差速转向底盘为基础实验底盘,配置英伟达的Jeston Nano处理器,并根据实际需求搭一个长宽高参数为30cm、26cm、7cm的基础版实验平台。同时,在实验平台上安置了 16线激光雷达、深度相机等传感器,进行单一传感器的slam实验和二者融合slam探索性实验。实验表明:（1）在同一环境下的不同传感器的slam实验中,明亮环境下,基于16线激光雷达的slam实验结果的特征量和特征点的形参数最大偏差为1.961m,均误差为0.398m,中误差为±0.644;基于深度相机的slam实验结果中最大偏差为1.519m,均差为0.112m,中误差为±0.203。黑暗环境下,基于16线激光雷达的slam实验结果的特征量和特征点的形参数最大偏差为2.004m,均误差为0.477m,中误差为±0.683;基于深度相机的slam实验结果中最大偏差为1.154m,均差为0.143m,中误差为±0.282。总上,在关于单一传感器slam实验中,基于深度相机的实验精度和最终效果要由于基于16线激光雷达的精度和效果。（2）对不同环境下的同一传感器的slam实验中,对于16线激光雷达的slam实验,明亮环境下slam实验结果的特征量和特征点的形参数最大偏差为1.961m,均误差为0.398m,中误差为±0.644。黑暗环境下,特征量和特征点的形参数最大偏差为2.004m,均误差为0.477m,中误差为±0.683。总体上,明亮环境下的激光雷达结果的中误差优于黑暗环境下结果中误差5.71%。对深度相机slam实验而言,明亮环境下的结果精度优于黑暗环境的结果精度28.01%。综合而言,基于明亮环境下的实验结果更优于黑暗环境,更有利于自动驾驶安全保障。（3）在多传感器数据融合的slam探索性实验中,分别进行手动和自动标定实验,最终对二者的标定结果进行叠加初步融合精度分析。其中,手动标定下的叠加初步融合的中误差为0.0002,自动标定下的中误差为0.0017,由此证明多传感器融合slam的可行性。图[34]表[13]参[80]

关键词：自动驾驶 slam LOAM RTAB-MAP 多传感器联合标定多传感器融合slam

来源：评论

学校读者我要写书评

暂无评论

煤矿水泵房巡检机器人建图与路径规划研究

煤矿水泵房巡检机器人建图与路径规划研究

引用

作者：安平娟西安科技大学

学位级别：硕士

在机器人技术大力发展的时代背景下,煤矿巡检机器人将朝着小型化、多元化、集成化、智能化的方向发展。路径规划和同时定位与建图(Simultaneous Localization and Mapping,slam)是巡检机器人在陌生环境地图构建与自主导航的关键技术。... 详细信息

在机器人技术大力发展的时代背景下,煤矿巡检机器人将朝着小型化、多元化、集成化、智能化的方向发展。路径规划和同时定位与建图(Simultaneous Localization and Mapping,slam)是巡检机器人在陌生环境地图构建与自主导航的关键技术。目前煤矿水泵房巡检机器人使用单一传感器时,存在定位精度低、地图信息不完整以及路径规划效率低等问题。因此,对水泵房巡检机器人定位、构建地图和路径规划过程进行改进和优化具有重要的研究意义。针对煤矿井下环境对巡检机器人高精度定位的需求,提出基于误差状态卡尔曼滤波(Error State Kalman Filter,ESKF),将惯性测量单元与轮式编码器的数据作为状态预测值,采用视觉里程计进行位姿校正,提高机器人的定位精度。针对激光雷达构建地图信息不完整、可靠性差等问题,将深度相机的深度信息与激光雷达的数据融合,并通过激光与视觉双回环检测对地图进行优化,减小累积误差,提高全局地图的完整性。针对传统蚁群算法在路径规划前期搜索盲目性大、搜索时间长、拐点多等问题,提出增强目标启发信息蚁群算法。将目标位置对下一个待选节点的影响进行放大,引入带有权重的距离启发因子,使蚂蚁大概率向目标栅格搜索,提高了路径规划的效率。采用正弦自适应调整信息素挥发因子,增强算法的全局搜索能力,并删除冗余路径,进行路径安全性检查,重新调整路径,从而减少转弯的次数。最终融合增强目标启发信息蚁群算法和动态窗口算法,实现巡检机器人自主导航和动态避障功能。实验结果表明,本文提出的多传感器融合slam算法可以构建信息完整的水泵房二维地图,融合定位方法可以实现高精度定位,定位精度为8.9 cm。提出的增强目标启发信息蚁群算法在30×30 m2和100 ×100 100m2的环境中比多因素蚁群算法在搜算时间上缩短了 17%和11%,且规划路径更短更平滑。因此,本文提出的算法可以有效应用于水泵房巡检机器人自主巡检任务中。

关键词：路径规划环境地图构建增强目标启发信息多传感器融合slam

来源：评论

学校读者我要写书评

暂无评论

港口三维地图构建与船舶进出港状态监测方法研究

港口三维地图构建与船舶进出港状态监测方法研究

引用

作者：王传成湖南大学

学位级别：硕士

船舶进出港作为船舶海上航行必备环节,实现其安全、快速和有效的进出港口,将能促进海洋产业的发展,并推动船舶技术的进步。基于上述背景,本课题选择从港口三维场景高精度地图构建方法和船舶进出港状态监测方法两大部分进行研究,以此实... 详细信息

船舶进出港作为船舶海上航行必备环节,实现其安全、快速和有效的进出港口,将能促进海洋产业的发展,并推动船舶技术的进步。基于上述背景,本课题选择从港口三维场景高精度地图构建方法和船舶进出港状态监测方法两大部分进行研究,以此实现对港口场景的三维重建和船舶进出港状态的实时监测。针对本课题具体研究内容,所做主要工作如下: (1)面向船舶进出港口应用需求,设计并搭建出了由船舶、激光雷达、IMU和GPS等设备组成的多传感器硬件系统平台和在Ubuntu系统下基于ROS的软件系统平台。并通过软硬件系统平台的相互协作,制作出了多传感器参数标定和不同港口场景下多传感器融合slam实验的数据集。 (2)针对港口环境中所存在的海杂波,本文提出了一种多滤波器联合方法,有效实现了激光点云中海杂波噪声数据的剔除。此外针对激光雷达和IMU传感器所采集数据还进行了相应的预处理操作,包括将三维激光点云投影至二维图像以便数据的处理、对IMU内参和激光雷达与IMU外部参数进行标定以此减少传感器的误差以及通过IMU测量数据对激光雷达由于自身运动所形成的点云畸变进行校正,增加多传感器融合slam算法的准确性。 (3)针对港口周围环境物体特征稀少和分布不均等问题,本文提出了一种由强度特征点、边缘特征点和平面特征点组成的特征提取方式,有效提升了激光点云的利用率,减少了位姿估计的误差。并通过IMU预积分、激光里程计和回环检测联合因子图优化方式实现了面向港口环境的多传感器融合slam算法。在实测港口场景数据集中通过与其它相关slam算法进行对比,评估了本文算法,结果表明本文算法针对不同规模港口场景均具有更好的定位精度和构建地图效果。 (4)针对船舶进出港状态的监测,在Windows系统下采用C++、Qt和OpenGL联合开发出了船舶进出港状态监测软件。该软件的开发主要涉及人机交互界面的设计与制作、三维动画的渲染以及软件与船舶之间的实时网络通信。软件最终具备可加载显示港口三维场景点云地图和船舶3D模型、可以实时展示船舶的位姿和态势感知数据以及可以进行鼠标控制和视角切换等功能。

关键词：船舶海杂波多传感器融合slam 动画渲染 Qt OpenGL

来源：评论

学校读者我要写书评

暂无评论

基于多传感器建图的智能居家机器人的设计与实现

基于多传感器建图的智能居家机器人的设计与实现

引用

作者：王舜章苏州大学

学位级别：硕士

近年来，随着电子与通信、人工智能和机器视觉的高速发展，移动机器人的研究和市场化进入新的阶段，各种室内智能机器人广泛地出现在人们的生活中。同时，市场对机器人的智能化和性能要求逐步提高，其核心技术slam与路径规划成为研究的... 详细信息

近年来，随着电子与通信、人工智能和机器视觉的高速发展，移动机器人的研究和市场化进入新的阶段，各种室内智能机器人广泛地出现在人们的生活中。同时，市场对机器人的智能化和性能要求逐步提高，其核心技术slam与路径规划成为研究的热点。针对空间环境复杂的居家使用场景，本文基于slam与路径规划技术，完成了一种具备多传感器建图、自主导航和语音交互功能的智能机器人的设计。　　本文首先从基础理论出发，分析了机器人坐标系及其坐标变换，并介绍了机器人底盘的运动模型。经过对比，选择了栅格地图作为机器人的环境地图表示方法，分析了栅格地图和costmap的构建原理。接着分析了机器人感知层的各个传感器的模型，并根据设计目标和居家使用场景选择了合适的传感器类型。　　根据设计目标，在工作过程中，机器人需要通过激光雷达、深度相机、IMU等传感器感知环境，使用语音模块获取用户指令，并将数据上传至上位机进行运算，下位机根据上位机给定的运动参数控制机器人移动。将机器人的系统设计分为硬件和软件两个部分，其硬件设计采用阿克曼结构的运动底盘，基于STM32微控制器的嵌入式下位机和基于NVIDIAJetsonnano处理器的决策上位机。　　居家环境中障碍物多且经常变化、地面环境复杂，直流电机的调速波动较大，机器人在移动过程会受到较多干扰，本文的下位机软件使用模糊PID算法控制底盘的速度，以解决机器人运动适应性和稳定性差的问题。上位机软件设计中，使用多传感数据融合slam以提高地图精度，并实现了Gmapping、Karto、Cartographer和RTAB-MAP算法以满足不同类型的房间、或不同使用目的环境地图需求。为实现机器人在室内安全高效的自主移动，还使用A*算法结合TEB算法实现了自主导航功能，并改进A*算法以提高全局路径规划效率和路径的合理性。此外，本文基于自适应步长RRT搜索算法和边界点过滤，提出了适用于居家环境的机器人自主建图方法。　　最后，在模拟居家的室内环境中对机器人系统进行测试，并对实验数据进行了分析。本文智能居家机器人的设计达到了预期的效果，验证了其可行性和实用性，智能化和灵活可靠的特点使其具有良好的市场应用前景。

关键词：智能机器人 PID控制多传感器融合slam 路径规划语音交互

来源：评论

学校读者我要写书评

暂无评论

声源-视觉惯性激光slam融合定位方法

声源-视觉惯性激光SLAM融合定位方法

引用

作者：陆科帆天津理工大学

学位级别：硕士

同时定位与地图构建(Simultaneous Localization and Mapping,slam)是移动机器人领域重要的研究方向,受到了学者们的广泛关注。传统的单传感器slam往往受到复杂环境的制约,例如:视觉相机会在光照不足、特征缺失等场景下跟踪失败,惯性测... 详细信息

同时定位与地图构建(Simultaneous Localization and Mapping,slam)是移动机器人领域重要的研究方向,受到了学者们的广泛关注。传统的单传感器slam往往受到复杂环境的制约,例如:视觉相机会在光照不足、特征缺失等场景下跟踪失败,惯性测量单元存在位姿累计误差。而多传感器融合slam能将不同的传感器数据进行优化的同时,结合各传感器之间的优势,满足移动机器人在未知环境下的定位、建图需求。因此,多传感器融合slam成为slam技术的主要发展方向之一。本文通过将视觉相机、惯性测量单元、麦克风阵列等传感器进行融合,提高相机特征跟踪,以及移动机器人定位的鲁棒性和精度。本文的主要内容为: (1)针对麦克风声源阵列定位易受环境噪声影响的问题,提出了一种基于麦克风阵列的声源定位的参数优化方法,旨在提高定位的准确性。首先,选择了稳态小波变换(Stationary Wavelet Transform,SWT)来降低麦克风信号中的噪音。其次,引入了灰狼优化(Grey Wolf Optimization,GWO)算法,对基于到达时间差(Time Difference of Arrival,TDOA)的麦克风阵列的参数进行优化。最后,通过使用混沌序列和信息熵改进GWO算法,以增强其探索和开发能力。经仿真实验验证,在高噪声环境下,SWT-IGWO(Improved Grey Wolf Optimization,IGWO)方法在绝对误差较GWO方法提高了38.1%-51.6%。结果显示所提SWT-IGWO方法能够提高基于麦克风阵列的声源定位的准确性。 (2)针对视觉里程计在低纹理、暗光环境下,特征匹配跟踪缺失的问题,提出了一种位姿估计方法,采用多状态约束卡尔曼滤波器(Multi-State Constraint Kalman Filter,MSCKF)将轮式里程计与视觉信息结合,以提升移动机器人的定位性能。首先,在视觉预处理阶段使用光流法进行特征点跟踪和基础矩阵计算,以提高特征点的稳健性。其次,在轮式里程计数据处理阶段通过计算轮式里程计的姿态增量,更新全局坐标系方向矩阵和位置向量。最后,在视觉处理阶段使用视觉里程计位姿计算相机自身位姿,并通过滑窗视觉更新器将新的图像帧集成到系统状态中。在公开数据集中所提方法,在MH＿01序列中,改进算法在绝对位移误差和相对位移误差的均方根误差较MSCKF-VIO(Visual-Inertial Odometry,VIO)分别降低了42.3%、54.9%。 (3)针对视觉惯性里程计在位姿估计后期出现轨迹漂移的问题,提出了一种基于VINS-Fusion的改进里程计位姿估计优化方法。首先,在视觉前端采用KLT(Kanade-Lucas-Tomasi,KLT)稀疏光流算法进行特征点跟踪,同时通过检测器维护特征点数量。IMU(Inertial Measurement Unit,IMU)预积分采用了有效的预积分方法,提高了状态估计的计算效率。2D激光雷达和声源融合引入了激光雷达的距离信息以增强声源定位系统。其次,初始化阶段分为视觉和IMU初始化,以及声源初始化,通过图像序列和声音传感器进行定位初始化。最后,后端负责融合多传感器信息,通过优化和滤波提高移动机器人定位的精度。实验证明,经过声源定位改进的VINS-Fusion在位姿估计后期表现出了良好的鲁棒性。

关键词：声源定位轮式里程计多传感器融合slam 多状态约束卡尔曼滤波器

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：