同时定位与建图(simultaneous localization and mapping,SLAM)是地下空间自主探测、自动巡检和应急救援的关键。然而,地下空间巷道狭长、地形复杂、光照不均等使得激光点云和视觉图像匹配极易发生退化,进而导致多源传感器数据融合SLAM...同时定位与建图(simultaneous localization and mapping,SLAM)是地下空间自主探测、自动巡检和应急救援的关键。然而,地下空间巷道狭长、地形复杂、光照不均等使得激光点云和视觉图像匹配极易发生退化,进而导致多源传感器数据融合SLAM精度不足,甚至失效。为此,本文提出一种增强稳健性的多源传感器数据动态加权融合SLAM方法。首先,在视觉图像预处理阶段,采用了一种基于色调、饱和度、亮度(hue,stauration,value,HSV)空间的图像增强技术,结合单参数同态滤波和对比度受限的自适应直方图均衡化(contrast limited adaptive histogram equalization,CLAHE)算法,有效提升了地下空间图像的亮度和对比度,从而增强了视觉里程计的稳健性。然后,通过马氏距离一致性检验方法对各传感器的数据质量进行评估,分析数据退化情况,并自适应地选择适合当前场景的传感器数据进行融合。最后,在综合考虑各传感器关键参数的基础上,构建了多源传感器因子图模型,并根据数据质量动态调整各传感器数据融合因子的权重,形成多源传感器数据权重动态组合模型。为验证本文方法的有效性,使用自主设计集成的移动机器人在地下走廊、开挖的地铁隧道和煤矿巷道等典型地下空间中分别进行了试验,并与多种主流SLAM方法进行定性、定量对比分析。结果表明:本文方法最大轨迹均方根误差(root mean square error,RMSE)仅为0.19 m,以高精度地面三维激光扫描获取的点云为参考,平均点云直接距离比较(cloud to cloud,C2C)小于0.13 m,所构建的点云地图具有较好的全局一致性和几何结构真实性,验证了本文方法在复杂地下空间具有更高的精度和稳健性。展开更多
地磁同步定位与构图(simultaneously localization and mapping,SLAM)无须先验地磁指纹库,即可实现基于智能手机的未知室内环境定位。然而,智能手机地磁SLAM仍受限于惯性定位精度差、因子图优化算法动态适应能力不足及大型场景SLAM应用...地磁同步定位与构图(simultaneously localization and mapping,SLAM)无须先验地磁指纹库,即可实现基于智能手机的未知室内环境定位。然而,智能手机地磁SLAM仍受限于惯性定位精度差、因子图优化算法动态适应能力不足及大型场景SLAM应用系统性能恶化等技术瓶颈。为解决此问题,本文通过设计方差时序递增机制和多源关键数据帧,提出一种面向大型室内场景的地磁SLAM增强优化算法。首先,为了提高惯性定位精度,本文挖掘行人运动过程中呈现出的特征规律构建观测方程,并融合地磁环境信息实现手机端地磁SLAM。然后,针对因子图优化算法动态适应能力不足,采用前端卡尔曼滤波与后端因子图优化相结合的定位框架提升时效性,同时设计方差时序递增机制,动态融合不同定位方法。最后,为了缓解大型场景地磁SLAM性能恶化,在时序维度上扩展关键帧概念和特征表达能力,有效缓解大型场景地磁误匹配问题;结合多源数据设计稳健回环探测与匹配算法,构建关键帧评分机制降低空间密度,从而提高算法效率。试验结果表明,本文实现了大型室内场景闭环情形下的地磁SLAM,相比惯性定位和经典地磁SLAM,本文提出的地磁SLAM增强优化方法的位置均方根误差降低了18%~67%;并且在仅利用标准方法22.6%的关键帧数量的前提下,本文方法仍能保持更高精度、更平滑的定位结果;通过试验探究了参数设置对定位精度和运行时间的影响,明确了地磁图构建首要因素基函数体素网格边长。展开更多
非量测相机以价格低、体积小、使用灵活等优势被广泛应用于高精度测量工作中,但相机标定结果对测量精度影响较大,针对现有相机标定方法存在着精度不够或标定效率不高等问题,文章提出一种联合加速分割检测特征(features from accelerated...非量测相机以价格低、体积小、使用灵活等优势被广泛应用于高精度测量工作中,但相机标定结果对测量精度影响较大,针对现有相机标定方法存在着精度不够或标定效率不高等问题,文章提出一种联合加速分割检测特征(features from accelerated segment test,FAST)算法和双像光束法平差的相机标定方法。首先利用FAST算法对像片标志点自动提取,利用直接线性变换方法解得相机内、外参数初值;然后基于固定基线长度约束的双像光束法平差模型解算相机相关参数,并通过分类阈值方法提高模型收敛效率。结果表明:该方法相较于普通双像光束法平差的精度有所提升,其标定后的中误差达到0.0064 mm,且实现了相机标定流程的半自动化,提高了作业效率,有望应用于实际场景的相机标定作业。展开更多
文摘同时定位与建图(simultaneous localization and mapping,SLAM)是地下空间自主探测、自动巡检和应急救援的关键。然而,地下空间巷道狭长、地形复杂、光照不均等使得激光点云和视觉图像匹配极易发生退化,进而导致多源传感器数据融合SLAM精度不足,甚至失效。为此,本文提出一种增强稳健性的多源传感器数据动态加权融合SLAM方法。首先,在视觉图像预处理阶段,采用了一种基于色调、饱和度、亮度(hue,stauration,value,HSV)空间的图像增强技术,结合单参数同态滤波和对比度受限的自适应直方图均衡化(contrast limited adaptive histogram equalization,CLAHE)算法,有效提升了地下空间图像的亮度和对比度,从而增强了视觉里程计的稳健性。然后,通过马氏距离一致性检验方法对各传感器的数据质量进行评估,分析数据退化情况,并自适应地选择适合当前场景的传感器数据进行融合。最后,在综合考虑各传感器关键参数的基础上,构建了多源传感器因子图模型,并根据数据质量动态调整各传感器数据融合因子的权重,形成多源传感器数据权重动态组合模型。为验证本文方法的有效性,使用自主设计集成的移动机器人在地下走廊、开挖的地铁隧道和煤矿巷道等典型地下空间中分别进行了试验,并与多种主流SLAM方法进行定性、定量对比分析。结果表明:本文方法最大轨迹均方根误差(root mean square error,RMSE)仅为0.19 m,以高精度地面三维激光扫描获取的点云为参考,平均点云直接距离比较(cloud to cloud,C2C)小于0.13 m,所构建的点云地图具有较好的全局一致性和几何结构真实性,验证了本文方法在复杂地下空间具有更高的精度和稳健性。
文摘地磁同步定位与构图(simultaneously localization and mapping,SLAM)无须先验地磁指纹库,即可实现基于智能手机的未知室内环境定位。然而,智能手机地磁SLAM仍受限于惯性定位精度差、因子图优化算法动态适应能力不足及大型场景SLAM应用系统性能恶化等技术瓶颈。为解决此问题,本文通过设计方差时序递增机制和多源关键数据帧,提出一种面向大型室内场景的地磁SLAM增强优化算法。首先,为了提高惯性定位精度,本文挖掘行人运动过程中呈现出的特征规律构建观测方程,并融合地磁环境信息实现手机端地磁SLAM。然后,针对因子图优化算法动态适应能力不足,采用前端卡尔曼滤波与后端因子图优化相结合的定位框架提升时效性,同时设计方差时序递增机制,动态融合不同定位方法。最后,为了缓解大型场景地磁SLAM性能恶化,在时序维度上扩展关键帧概念和特征表达能力,有效缓解大型场景地磁误匹配问题;结合多源数据设计稳健回环探测与匹配算法,构建关键帧评分机制降低空间密度,从而提高算法效率。试验结果表明,本文实现了大型室内场景闭环情形下的地磁SLAM,相比惯性定位和经典地磁SLAM,本文提出的地磁SLAM增强优化方法的位置均方根误差降低了18%~67%;并且在仅利用标准方法22.6%的关键帧数量的前提下,本文方法仍能保持更高精度、更平滑的定位结果;通过试验探究了参数设置对定位精度和运行时间的影响,明确了地磁图构建首要因素基函数体素网格边长。
