煤矿井下视觉同步定位与地图构建SLAM(Simultaneous Localization and Mapping)应用中,光照变化与低纹理场景严重影响特征点的提取和匹配结果,导致位姿估计失败,影响定位精度。提出一种基于改进定向快速旋转二值描述符ORB(Oriented Fast...煤矿井下视觉同步定位与地图构建SLAM(Simultaneous Localization and Mapping)应用中,光照变化与低纹理场景严重影响特征点的提取和匹配结果,导致位姿估计失败,影响定位精度。提出一种基于改进定向快速旋转二值描述符ORB(Oriented Fast and Rotated Brief)-SLAM3算法的煤矿井下移动机器人双目视觉定位算法SL-SLAM。针对光照变化场景,在前端使用光照稳定性的Super-Point特征点提取网络替换原始ORB特征点提取算法,并提出一种特征点网格限定法,有效剔除无效特征点区域,增加位姿估计稳定性。针对低纹理场景,在前端引入稳定的线段检测器LSD(Line Segment Detector)线特征提取算法,并提出一种点线联合算法,按照特征点网格对线特征进行分组,根据特征点的匹配结果进行线特征匹配,降低线特征匹配复杂度,节约位姿估计时间。构建了点特征和线特征的重投影误差模型,在线特征残差模型中添加角度约束,通过点特征和线特征的位姿增量雅可比矩阵建立点线特征重投影误差统一成本函数。局部建图线程使用ORB-SLAM3经典的局部优化方法调整点、线特征和关键帧位姿,并在后端线程中进行回环修正、子图融合和全局捆绑调整BA(Bundle Adjustment)。在EuRoC数据集上的试验结果表明,SL-SLAM的绝对位姿误差APE(Absolute Pose Error)指标优于其他对比算法,并取得了与真值最接近的轨迹预测结果:均方根误差相较于ORB-SLAM3降低了17.3%。在煤矿井下模拟场景中的试验结果表明,SL-SLAM能适应光照变化和低纹理场景,可以满足煤矿井下移动机器人的定位精度和稳定性要求。展开更多
自动导引车(Automatic Guided Vehicle,AGV)作为智能制造系统的重要组成部分之一,为智能制造系统提供柔性物料搬运,其无人化趋势已是必然。针对此,这里研究开发了基于同步定位与建图(Simultaneous Localization and Map⁃ping,SLAM)导航...自动导引车(Automatic Guided Vehicle,AGV)作为智能制造系统的重要组成部分之一,为智能制造系统提供柔性物料搬运,其无人化趋势已是必然。针对此,这里研究开发了基于同步定位与建图(Simultaneous Localization and Map⁃ping,SLAM)导航的堆垛垛式叉车AGV,提出了一种基于IEPF算法(Iterative End Point Fit,IEPF)以及最小二乘法的雷达点云线段提取方法,在此基础上,研究基于线段特征匹配的SLAM定位算法,并将设计的SLAM导航算法移植到试验车测试。测试结果表明这里设计的基于激光SLAM导航的堆垛式叉车AGV具有较好的稳定性,能够实现横向7mm、纵向13mm的定位误差,为无人叉车的研究提供了技术支撑。展开更多
针对基于线面特征的激光雷达里程计算法易导致表面特征信息的冗余表述、增加计算复杂度的问题,提出一种基于水平扫描线段结构的轻量化激光雷达里程计构建方法。首先通过分析激光点云扫描线几何结构,将点云特征分为线段特征、边特征和离...针对基于线面特征的激光雷达里程计算法易导致表面特征信息的冗余表述、增加计算复杂度的问题,提出一种基于水平扫描线段结构的轻量化激光雷达里程计构建方法。首先通过分析激光点云扫描线几何结构,将点云特征分为线段特征、边特征和离散特征,分别表示3维点云中物体的平面信息、边界信息和空间分布信息,以线段表示平面降低特征数量;然后基于历史位姿,采用运动估计方式获取初始位姿,通过非迭代的两步加权位姿估计算法进行特征配准与位姿解算;最后以提取关键帧方式存储点云,避免因点云地图过大造成匹配延时。在KITTI数据集和自研数据集上的实验表明,与现有的开源LOAM(LiDAR odometry and mapping)系列算法相比,本文算法在实现高精度稳定定位的基础上运行效率显著提升,且绝对轨迹误差抑制效果较好。展开更多
文摘煤矿井下视觉同步定位与地图构建SLAM(Simultaneous Localization and Mapping)应用中,光照变化与低纹理场景严重影响特征点的提取和匹配结果,导致位姿估计失败,影响定位精度。提出一种基于改进定向快速旋转二值描述符ORB(Oriented Fast and Rotated Brief)-SLAM3算法的煤矿井下移动机器人双目视觉定位算法SL-SLAM。针对光照变化场景,在前端使用光照稳定性的Super-Point特征点提取网络替换原始ORB特征点提取算法,并提出一种特征点网格限定法,有效剔除无效特征点区域,增加位姿估计稳定性。针对低纹理场景,在前端引入稳定的线段检测器LSD(Line Segment Detector)线特征提取算法,并提出一种点线联合算法,按照特征点网格对线特征进行分组,根据特征点的匹配结果进行线特征匹配,降低线特征匹配复杂度,节约位姿估计时间。构建了点特征和线特征的重投影误差模型,在线特征残差模型中添加角度约束,通过点特征和线特征的位姿增量雅可比矩阵建立点线特征重投影误差统一成本函数。局部建图线程使用ORB-SLAM3经典的局部优化方法调整点、线特征和关键帧位姿,并在后端线程中进行回环修正、子图融合和全局捆绑调整BA(Bundle Adjustment)。在EuRoC数据集上的试验结果表明,SL-SLAM的绝对位姿误差APE(Absolute Pose Error)指标优于其他对比算法,并取得了与真值最接近的轨迹预测结果:均方根误差相较于ORB-SLAM3降低了17.3%。在煤矿井下模拟场景中的试验结果表明,SL-SLAM能适应光照变化和低纹理场景,可以满足煤矿井下移动机器人的定位精度和稳定性要求。
文摘自动导引车(Automatic Guided Vehicle,AGV)作为智能制造系统的重要组成部分之一,为智能制造系统提供柔性物料搬运,其无人化趋势已是必然。针对此,这里研究开发了基于同步定位与建图(Simultaneous Localization and Map⁃ping,SLAM)导航的堆垛垛式叉车AGV,提出了一种基于IEPF算法(Iterative End Point Fit,IEPF)以及最小二乘法的雷达点云线段提取方法,在此基础上,研究基于线段特征匹配的SLAM定位算法,并将设计的SLAM导航算法移植到试验车测试。测试结果表明这里设计的基于激光SLAM导航的堆垛式叉车AGV具有较好的稳定性,能够实现横向7mm、纵向13mm的定位误差,为无人叉车的研究提供了技术支撑。
文摘针对基于线面特征的激光雷达里程计算法易导致表面特征信息的冗余表述、增加计算复杂度的问题,提出一种基于水平扫描线段结构的轻量化激光雷达里程计构建方法。首先通过分析激光点云扫描线几何结构,将点云特征分为线段特征、边特征和离散特征,分别表示3维点云中物体的平面信息、边界信息和空间分布信息,以线段表示平面降低特征数量;然后基于历史位姿,采用运动估计方式获取初始位姿,通过非迭代的两步加权位姿估计算法进行特征配准与位姿解算;最后以提取关键帧方式存储点云,避免因点云地图过大造成匹配延时。在KITTI数据集和自研数据集上的实验表明,与现有的开源LOAM(LiDAR odometry and mapping)系列算法相比,本文算法在实现高精度稳定定位的基础上运行效率显著提升,且绝对轨迹误差抑制效果较好。
