摘要：为提升机器人专业实验教学质量和人才培养质量,针对机器人状态估计和精确定位工程问题提出一种面向低光弱纹理环境的视觉惯性融合鲁棒SLAM算法,并设计一种面向低光弱纹理环境的SLAM系统实验软件教学平台,实现稳健鲁棒4DOF状态估计和高精度实时定位,并在公开数据集上验证了该算法的有效性。实验结果表明,与现有的视觉惯性SLAM算法相比,所提算法在结构化弱纹理场景中有着更高的精度和鲁棒性,能有效降低机器人系统的累积误差,保证地图构建的一致性。通过上述SLAM系统教学平台在实验教学中的应用,可提升机器人专业本科生在工程问题中的创新能力和实践能力。

摘要：近年来,视觉实时定位与建图技术(visual simultaneous localization and mapping,VSLAM)技术取得了快速发展。然而,大多数传统的VSLAM系统存在鲁棒性较差的问题而基于深度学习的VSLAM存在精度较低等问题。为了提高VSLAM系统的性能,提出了一种基于无监督深度学习的单目VSLAM。该方法首先设计深度估计网络完成对图像的深度估计。然后,设计位姿估计网络进行相机的位姿估计。最后,使用合理的损失函数保证网络在迭代过程中的有效收敛。在KITTI数据集上验证了该系统的性能。实验结果表明,与SfMLearner相比,绝对轨迹误差(absolute trajectory error,ATE)降低大约50%。与传统的VSLAM系统相比,绝对位姿误差(absolute pose error,APE)的平移部分误差也明显下降且鲁棒性得到提升。

摘要：针对移动机器人的同步定位与建图(SLAM)问题,提出了一种基于改进的扩展Kalman滤波算法的同步定位与建图方法。通过建立基于直线特征提取的机器人观测模型,推导了SLAM建图的预测和更新算式,设计了基于特征点数目的SLAM预测与更新率算子,实现了移动机器人的同步定位与建图。实验结果表明该方法有效、可行。

摘要：激光同步定位与建图(SLAM)及路径规划是决定巡检无人车能否高效完成巡检任务的关键环节。围绕激光SLAM定位算法、环境地图、路径规划3个方面,从其优缺点、适用范围、改进方向出发,介绍了巡检无人车激光SLAM与路径规划研究的概况,系统阐述了国内外研究成果,分析了当前常见的技术难题,并对巡检无人车激光SLAM与路径规划的未来发展做出展望。

摘要：自主定位是移动机器人实现完全自主移动的基础,其中的关键技术同步定位与建图(SLAM)备受关注。惯性测量单元(IMU)因具有不受外界环境影响的优势广泛应用在SLAM系统中。SLAM后端使用非线性优化方法优化IMU的状态,实际应用中存在实时性差、能耗高的问题。为此,在现场可编程门阵列(FPGA)平台上设计了用于IMU状态优化的加速器。分析算法的数据流程实现电路和数据复用,充分利用算法特有的稀疏特性实现计算简化和存储压缩,同时对于计算量最大的解方程步骤,硬件电路采用可配置设计,通过改变该电路模块的配置使加速器实现性能、功耗和资源使用的折中,满足不同场景的要求。在Xilinx ZC706平台上的实验结果表明:相比于Intel i5-8250U和Arm Cortex-A57处理器,所设计的加速器应用于高性能场景的电路时,可以达到26.7倍和87倍的加速效果;应用于低功耗场景的电路时,加速效果分别为17.4倍和53.7倍;不同配置的电路均可节约能耗90%以上。

摘要：针对扫地机器人工作场景复杂、算力受限等问题,通过搭载自研视觉模组,设计实现了低算力需求、高精度的视觉同步定位建图与实时避障方案,解决了视觉机型相较雷达机型建图精度低、物理碰撞多等问题,通过应用区域划分与用途预测算法优化整体室内清洁策略与路径规划,清扫覆盖率提升4.19%,污渍清扫完成度提升36.7%,障碍物导致的故障率低于5%.此外,针对轻量移动机器人算力受限问题,在YOLOv5目标检测模型基础上进行改进,使其适应扫地机器人硬件与场景要求,并较同平台处理速度提升了30%.实验采用自研嗅觉传感器设计燃气泄漏、食物腐败等情形的报警功能,增加了污渍识别、家居建模、巡逻看家、失物寻回等实用智能家居服务.

摘要：为了提高组合导航系统的可靠性与位姿估计的精度,把偏振定向传感器引入同步定位与建图过程,提出并设计一种新的偏振光辅助的视觉惯性组合导航系统。采集偏振定向传感器、单目视觉相机及微惯性测量单元的数据,对多传感器数据进行时间戳对齐和预处理后,利用最小二乘优化方法建立目标方程,通过求解非线性方程组获取最佳的运动估计。该系统根据天空偏振分布实现了方位角的可观性,并融合了多传感器数据。基于上述组合导航系统进行户外车载实验,实验结果表明:在2 km的长距离运行中,相比原始视觉惯性系统,偏振光辅助的视觉惯性导航系统的位置误差降低了16.7%,航向角精度提升了23.4%。偏振定向传感器的接入能够抑制惯性器件测量值的漂移,改善导航系统的位置精度和姿态角精度,可满足卫星信号受到干扰等环境下的位姿估计精度和可靠性要求。

摘要：在机器人搬运场景中,经常会出现货物实际姿态与预期不一致的情况,这时往往需要人工协作进行调整,工作效率和节拍因此受到影响。为解决以上问题,设计了一种自主移动运输机器人,可全向移动且具有新型摩擦轮-夹爪复合式取物结构及货物姿态调整结构,其控制系统采用同步定位与建图(Simultaneous Localization And Mapping,SLAM)等技术。通过pitch轴和yaw轴货物姿态调整实验确定了关键工作参数的最优值。最后进行了自主导航实验,结果表明该机器人在室内环境可实现自主导航。

摘要：煤矿井下移动机器人作业精度严重依赖于同步定位与建图(SLAM)技术的准确性。井下长直巷道存在特征缺失、光照条件差等问题,导致激光里程计和视觉里程计易失效,因而限制了传统SLAM方法在煤矿巷道的有效应用,且目前SLAM方法的研究主要聚焦于多传感融合建图方法,较少关注激光SLAM方法建图精度的提升。针对上述问题,面向移动机器人在煤矿巷道的建图需求,提出了一种基于集成式因子图优化的煤矿巷道移动机器人三维地图构建方法,采用前端构建和后端优化的策略,设计了前端点云配准模块和基于滤波、图优化的后端构建方法,使建图结果更准确、适应性更强。针对煤矿长直巷道环境退化导致三维激光点云配准精度低的问题,融合迭代最近点(ICP)和正态分布变换(NDT)算法,兼顾点云几何特征和概率分布特征,设计了集成式前端点云配准模块,实现了点云的精确配准。针对三维激光SLAM后端优化问题,研究了基于位姿图和因子图优化的后端构建方法,构建了集成ICP和NDT相对位姿因子的因子图优化模型,以准确估计移动机器人位姿。分别利用公开数据集KITTI和模拟巷道点云数据集对三维地图构建方法在不同工况下的性能进行了实验验证。公开数据集KITTI上的实验结果表明:在全局一致性上,该方法与传统基于特征点匹配的A−LOAM方法和基于平面分割及特征点提取的LeGO−LOAM方法具有相似的性能,在建图局部精度上优于其他2种方法。模拟巷道点云数据集上的实验结果表明:该方法具有显著优势,通过因子图优化,可得到一致性较高的三维地图,提升了煤矿巷道三维地图构建的精度及鲁棒性,解决了井下长直巷道特征点缺失、激光里程计失效的难题。

摘要：传统的塔式起重机在作业过程中,存在作业效率低、安全隐患多、塔机检修困难等问题,为了解决这些问题,对智能塔式起重机进行了研究,探讨了塔式起重机智能化所需的关键技术。首先,提出了塔式起重机智能化的概念,归纳并分析了塔式起重机在各技术方面的发展历程;然后,提出了塔式起重机智能化应具备的关键技术,将同步定位与建图(SLAM)构建技术、实时动态(RTK)定位技术、故障诊断技术和云监管平台应用至智能塔式起重机中;最后,结合所提出的关键技术,提出了智能塔式起重机自动化作业系统的框架,对智能塔式起重机的自动化作业系统进行了定义和模块化处理,分别对系统框架中的各模块子系统进行了具体阐述分析,强调了自动化作业系统主要依托于关键技术。研究结果表明:今后塔式起重机将朝着智能化、自动化的方向发展,其研究核心是塔机的关键技术和自动化作业系统的框架。