期刊导航
期刊开放获取
vip
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
3
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
昏暗环境下自适应ORB-SLAM2算法研究
被引量:
4
1
作者
马哲伟
周福强
王少红
《电子测量技术》
北大核心
2024年第6期94-99,共6页
本文针对ORB-SLAM2算法在黑暗环境或纹理较少的环境下提取特征点少,从而导致SLAM系统定位精度不高、匹配对数较少,进而导致系统崩溃的问题,提出了一种基于自适应阈值的特征点提取算法与改进的四叉树均匀化策略。首先基于图像的亮度进行...
本文针对ORB-SLAM2算法在黑暗环境或纹理较少的环境下提取特征点少,从而导致SLAM系统定位精度不高、匹配对数较少,进而导致系统崩溃的问题,提出了一种基于自适应阈值的特征点提取算法与改进的四叉树均匀化策略。首先基于图像的亮度进行基于自适应阈值的FAST特征点提取,之后通过改进的四叉树均匀化策略对图像的特征点进行剔除与补偿,完成特征点选取。实验结果表明,与原算法相比,改进后的特征点提取算法在黑暗环境与纹理较少的环境下,匹配对的数量提升了17.6%,SLAM轨迹精度提升了49.8%,有效的提升了SLAM系统的鲁棒性和精度。
展开更多
关键词
fast
角点
特征提取
四叉树分解法
slam
原文传递
基于激光雷达的智能车SLAM系统
被引量:
13
2
作者
刘丹
段建民
孟晓燕
《激光杂志》
北大核心
2018年第7期76-82,共7页
为了使智能车在室外未知大范围环境中实现真正的自主导航,采用激光雷达传感器获取车辆周围环境信息,基于自适应渐消扩展卡尔曼滤波(AFEKF)和改进的快速联合兼容关联方法设计了一套同时定位与建图(SLAM)系统,简称为AFEKF-SLAM。首先...
为了使智能车在室外未知大范围环境中实现真正的自主导航,采用激光雷达传感器获取车辆周围环境信息,基于自适应渐消扩展卡尔曼滤波(AFEKF)和改进的快速联合兼容关联方法设计了一套同时定位与建图(SLAM)系统,简称为AFEKF-SLAM。首先,采用一种基于局部关联策略和聚类分组策略改进的快速联合兼容关联方法解决SLAM中的数据关联问题,为状态估计提供准确的量测-特征匹配关系;其次,采用自适应渐消扩展卡尔曼滤波对车辆状态和环境路标的位置进行估计。基于"Victoria dataset"的仿真实验表明,设计的SLAM系统实时性强,获得的定位和建图结果准确,能够为智能车在大范围环境自主导航提供可靠的保障。
展开更多
关键词
激光雷达
智能车
同时定位与建图
自适应渐消扩展卡尔曼滤波
快速联合兼容关联方法
原文传递
基于激光雷达的Bobac机器人S型障碍物避障轨迹规划研究
被引量:
2
3
作者
张志军
陈贺
+4 位作者
周娜
冯暖
韩召
李文义
李芳芳
《辽宁科技学院学报》
2023年第1期10-13,共4页
文章基于Bobac移动机器人的室内S型障碍物避障轨迹规划设计研究,采用激光雷达传感器与双轮控制相结合方式,实现S型障碍物避障轨迹规划,并实现精准定位,达到避障目的。论文主要以Bobac智能移动机器人平台为研究对象,分析智能移动机器人...
文章基于Bobac移动机器人的室内S型障碍物避障轨迹规划设计研究,采用激光雷达传感器与双轮控制相结合方式,实现S型障碍物避障轨迹规划,并实现精准定位,达到避障目的。论文主要以Bobac智能移动机器人平台为研究对象,分析智能移动机器人中里程信息不精确的问题,并基于网格Fast SLAM方法环境模型的建立实现提高计算效率以及定位精度。通过对激光雷达精度与距离关系的深入分析,提出了在精准区与模糊区内建立一种S型障碍物避障方法,引入运动模型和激光雷达传感器测量误差模型进行实时修正。文章采用自适应控制方法在实时估计Bobac机器人与障碍物距离的同时,控制移动机器人渐进跟踪期望轨迹,证明了双轮实时控制与激光雷达配合的稳定性。实验证明,相较于传统的激光雷达避撞方法,本研究所提出方法可以有效地提高在S型障碍物内避障运动。
展开更多
关键词
室内避障规划
Bobac移动机器人
fast
slam
方法
S型障碍物
在线阅读
下载PDF
职称材料
题名
昏暗环境下自适应ORB-SLAM2算法研究
被引量:
4
1
作者
马哲伟
周福强
王少红
机构
北京信息科技大学现代测控技术教育部重点实验室
出处
《电子测量技术》
北大核心
2024年第6期94-99,共6页
文摘
本文针对ORB-SLAM2算法在黑暗环境或纹理较少的环境下提取特征点少,从而导致SLAM系统定位精度不高、匹配对数较少,进而导致系统崩溃的问题,提出了一种基于自适应阈值的特征点提取算法与改进的四叉树均匀化策略。首先基于图像的亮度进行基于自适应阈值的FAST特征点提取,之后通过改进的四叉树均匀化策略对图像的特征点进行剔除与补偿,完成特征点选取。实验结果表明,与原算法相比,改进后的特征点提取算法在黑暗环境与纹理较少的环境下,匹配对的数量提升了17.6%,SLAM轨迹精度提升了49.8%,有效的提升了SLAM系统的鲁棒性和精度。
关键词
fast
角点
特征提取
四叉树分解法
slam
Keywords
fast
corner
feature extraction
quadtree decomposition
method
slam
分类号
TP2 [自动化与计算机技术—检测技术与自动化装置]
原文传递
题名
基于激光雷达的智能车SLAM系统
被引量:
13
2
作者
刘丹
段建民
孟晓燕
机构
北京工业大学信息学部
出处
《激光杂志》
北大核心
2018年第7期76-82,共7页
基金
北京市教委基金项目(No.JJ002790200802)
文摘
为了使智能车在室外未知大范围环境中实现真正的自主导航,采用激光雷达传感器获取车辆周围环境信息,基于自适应渐消扩展卡尔曼滤波(AFEKF)和改进的快速联合兼容关联方法设计了一套同时定位与建图(SLAM)系统,简称为AFEKF-SLAM。首先,采用一种基于局部关联策略和聚类分组策略改进的快速联合兼容关联方法解决SLAM中的数据关联问题,为状态估计提供准确的量测-特征匹配关系;其次,采用自适应渐消扩展卡尔曼滤波对车辆状态和环境路标的位置进行估计。基于"Victoria dataset"的仿真实验表明,设计的SLAM系统实时性强,获得的定位和建图结果准确,能够为智能车在大范围环境自主导航提供可靠的保障。
关键词
激光雷达
智能车
同时定位与建图
自适应渐消扩展卡尔曼滤波
快速联合兼容关联方法
Keywords
laser radar
intelligent vehicle
slam
AFEKF
fast
joint compatible association
method
分类号
TN958.98 [电子电信—信号与信息处理]
原文传递
题名
基于激光雷达的Bobac机器人S型障碍物避障轨迹规划研究
被引量:
2
3
作者
张志军
陈贺
周娜
冯暖
韩召
李文义
李芳芳
机构
辽宁科技学院电气与自动化工程学院
华晨宝马汽车有限公司
出处
《辽宁科技学院学报》
2023年第1期10-13,共4页
基金
营口市企业博士双创计划资助项目“基于服务机器人激光雷达传感器光源模块研究”(20211218)。
文摘
文章基于Bobac移动机器人的室内S型障碍物避障轨迹规划设计研究,采用激光雷达传感器与双轮控制相结合方式,实现S型障碍物避障轨迹规划,并实现精准定位,达到避障目的。论文主要以Bobac智能移动机器人平台为研究对象,分析智能移动机器人中里程信息不精确的问题,并基于网格Fast SLAM方法环境模型的建立实现提高计算效率以及定位精度。通过对激光雷达精度与距离关系的深入分析,提出了在精准区与模糊区内建立一种S型障碍物避障方法,引入运动模型和激光雷达传感器测量误差模型进行实时修正。文章采用自适应控制方法在实时估计Bobac机器人与障碍物距离的同时,控制移动机器人渐进跟踪期望轨迹,证明了双轮实时控制与激光雷达配合的稳定性。实验证明,相较于传统的激光雷达避撞方法,本研究所提出方法可以有效地提高在S型障碍物内避障运动。
关键词
室内避障规划
Bobac移动机器人
fast
slam
方法
S型障碍物
Keywords
Indoor obstacle avoidance planning
Bobac mobile robot
fast slam method
S-shape obstacle
分类号
TP273 [自动化与计算机技术—检测技术与自动化装置]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
昏暗环境下自适应ORB-SLAM2算法研究
马哲伟
周福强
王少红
《电子测量技术》
北大核心
2024
4
原文传递
2
基于激光雷达的智能车SLAM系统
刘丹
段建民
孟晓燕
《激光杂志》
北大核心
2018
13
原文传递
3
基于激光雷达的Bobac机器人S型障碍物避障轨迹规划研究
张志军
陈贺
周娜
冯暖
韩召
李文义
李芳芳
《辽宁科技学院学报》
2023
2
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部