共查询到10条相似文献，搜索用时 15 毫秒
1.
殷江林建德孔令华邹诚游通飞易定容 《福建工程学院学报》2020,(4):370-374
针对室外环境建图与定位缺乏有效的回环检测导致累计漂移误差以及点云地图形式不够紧凑,提出基于Livox(览沃)激光雷达采集数据模块,使用三维点云片段匹配方法消除室外建图出现的误差。首先,对激光雷达采集的三维点云数据进行采样和体素滤波完成数据预处理?然后,使loam(lidarodometryandmappinginreal-time)算法作为前端,采用ICP算法实现快速有效的帧间匹配?最后,结合三维点云片段匹配与GSTAM优化位姿累计误差获得全局一致的的轨迹,并将点云地图优化成为立体占用地图输出。通过将点云片段匹配方法作为回环检测在实际室外环境进行三维激光建图实验证明,该方法能够解决实际室外环境建图中存在的建图不精准的问题。 相似文献
2.
3.
在机器人领域,同时定位与地图构建（SLAM）是导航定位的关键技术。单目视觉传感器由于结构简单、成本低且能获取丰富的视觉信息,被广泛应用于 SLAM。随着无人机、AR 设备以及自动驾驶汽车技术的快速发展,视觉惯性 SLAM（VI-SLAM）技术得到了越来越多人的关注。针对 VI-SLAM,从滤波与非线性优化的角度出发,首先介绍相关算法理论框架,然后分析几种具有代表性的单目 VI-SLAM 算法创新点及实现方案,并通过 EuRoC MAV 数据集评估各算法优劣,最后结合深度学习与语义 SLAM,对 SLAM 未来发展趋势进行探讨。 相似文献
4.
为提升自主导航精度,使用Jetson Nano控制器,采用同步定位与地图构建和路径规划算法,融合轮式里程计、激光雷达和惯性测量单元等多传感器信息,实现精确的单点和多点自主导航。采用机器人操作系统搭建自主导航框架,使用基于图优化的cartographer算法实现环境地图构建与机器人位姿估计,采用A*算法作为全局路径规划算法,同时利用基于g2o优化的TEB算法实现环境突变时的局部路径规划。实验结果表明,基于图优化的cartographer算法建图效果优于常见的基于粒子滤波的Gmapping算法。基于g2o优化的TEB算法可避免动态窗口算法在局部路径规划中机器人被挟持的情况,提升智能机器人地图构建和路径规划的准确性。 相似文献
5.
针对室内环境的三维视觉同步定位与地图构建(3D VSLAM)计算量大、耗时长、硬件要求高的问题,提出了一种基于RGB-D的云机器人VSLAM实验平台。采用Kinect传感器,获取环境的RGB图像和深度信息,采用金字塔Lucas-Kanade算法实现帧间FAST特征点的快速追踪与匹配,运用RANSAC算法进行初始配准,提取关键帧。借助于云计算动态供给、弹性计算的优势,将VSLAM中计算消耗大的精确配准、闭环检测和全局优化处理过程卸载至云端进行,以减轻本地处理器的运算负担。实验结果表明,该方法能够有效地减轻VSLAM对硬件的依赖度,缩短SLAM的执行时间并提高构图精度,为云机器人以较低的成本实现先进SLAM算法提供了有效的解决途径。 相似文献
6.
针对智能小车在未知环境的条件下,利用单一传感器同时定位与地图创建不能准确构建复杂环境地图的问题,提出采用一种RTABMAP算法,用于融合激光雷达和RGB-D相机建图,该算法采集了激光雷达、RGB-D相机和里程计的数据,将其存储在内存管理机制的节点中,提取这些节点的特征。通过匹配节点间的视觉词汇次数更新节点的权重,采用离散贝叶斯滤波估计进行回环检测,优化局部地图,最终构建全局地图。在安装有开源机器人操作系统(ROS)的智能小车上实验。结果表明,本研究方法在障碍物检测率方面与激光建图和RGB-D相机建图方法相比,提高了30.75%和18.63%;地图尺寸误差分别减少了0.013和0.150 m;角度误差分别减少了3°和1°。 相似文献
7.
8.
为了寻找更优的机器人移动路径,将沙猫群优化算法与三次样条插值方法进行融合,对沙猫群优化算法进行改进。在改进的沙猫群优化算法中,利用混沌映射的均匀性初始化种群以提高种群多样性;通过融合互利共生和莱维飞行策略减少局部最优解的消极影响,提高算法的收敛速度和精度。通过两种仿真实验对比6种优化算法的实验数据,结果表明,改进的沙猫群优化算法的最优解、最差解和平均解都优于对比算法,验证了改进沙猫群优化算法对于解决移动机器人路径规划问题的有效性和工程实用性。 相似文献
9.
刘复元 《陕西教育学院学报》1997,(1)
在科学计算中,Lagrange与Newton插值公式不失为简便、有效、可靠、常用的两种插值方法.但当有结点的数据对存在误差时,使用这些方法出现Runge现象.解决这个问题除了采用分段、低次插值方法之外.还可以使用回归分析法.算法直线型拟合简便、实用.由计算方法知其算法是: 相似文献
10.
花罡辰 《深圳信息职业技术学院学报》2015,(1):83-88
SLAM(Simultaneous Localization and Mapping)被广泛应用于生成地图和机器人导航领域。基于视觉特征的SLAM是一种低成本的解决方案,且能够提取环境的丰富的特征点用于机器人导航,但是,现实世界的可视特征往往是动态的,很多基于视觉特征的SLAM方法都不能排除环境中移动物体的影响,比如:在餐厅或购物中心的行人等等。ICGM(Incremental Center of Gravity Matching)是一个通过图像队列之间特征点的几何结构互相匹配而得到稳定特征点的方法,基于ICGM的SLAM能有效地排除环境中移动物体的影响。本研究在前人研究的基础上提出了一种新的算法,利用ICGM的方法提取环境稳定的视觉特征,结合Kinect距离传感器,在高度动态环境中实现了较高精度的机器人自动导航。并通过实验检验了这种算法,实验结果显示,本方法的速度能够达到实时处理的要求,与此前研究的其它方法相比,这种方法能够达到更高的精度,所提出的SLAM和导航系统更加接近实用要求。 相似文献