视觉同步定位与建图(simultaneous localization and mapping,SLAM)是实现移动机器人自主定位并构建环境地图的关键环节。SLAM技术虽能精确重建环境几何结构,却难以为机器人提供执行复杂任务所需的语义理解能力;建筑信息模型(building i...视觉同步定位与建图(simultaneous localization and mapping,SLAM)是实现移动机器人自主定位并构建环境地图的关键环节。SLAM技术虽能精确重建环境几何结构,却难以为机器人提供执行复杂任务所需的语义理解能力;建筑信息模型(building information model,BIM)包含丰富的建筑信息,但与机器人操作系统(robot operating system,ROS)之间存在显著的数据格式和表达方式差异,且现有研究多采用人工方式进行转换,效率低下难以规模化应用,且室内环境并非静态不变,从而会影响机器人的导航决策。因此,提出一种集成BIM数据的ROS室内语义地图构建与动态更新方法。通过研发工业基础类(industry foundation classes,IFC)到统一机器人描述格式(unified robot description format,URDF)自动转换器,实现从BIM到机器人仿真环境的自动化建模;融合YOLOv8与随机采样一致性(random sample consensus,RANSAC)算法,建立视觉驱动的语义地图动态更新机制。结果表明,静态建筑元素还原准确率达98%以上,动态物体识别精度达0.9以上,显著提升了语义地图的自动化程度、知识丰富度及环境适应性。展开更多
文摘视觉同步定位与建图(simultaneous localization and mapping,SLAM)是实现移动机器人自主定位并构建环境地图的关键环节。SLAM技术虽能精确重建环境几何结构,却难以为机器人提供执行复杂任务所需的语义理解能力;建筑信息模型(building information model,BIM)包含丰富的建筑信息,但与机器人操作系统(robot operating system,ROS)之间存在显著的数据格式和表达方式差异,且现有研究多采用人工方式进行转换,效率低下难以规模化应用,且室内环境并非静态不变,从而会影响机器人的导航决策。因此,提出一种集成BIM数据的ROS室内语义地图构建与动态更新方法。通过研发工业基础类(industry foundation classes,IFC)到统一机器人描述格式(unified robot description format,URDF)自动转换器,实现从BIM到机器人仿真环境的自动化建模;融合YOLOv8与随机采样一致性(random sample consensus,RANSAC)算法,建立视觉驱动的语义地图动态更新机制。结果表明,静态建筑元素还原准确率达98%以上,动态物体识别精度达0.9以上,显著提升了语义地图的自动化程度、知识丰富度及环境适应性。