摘要：为实现室内结构化环境中仅依靠激光雷达数据进行实时自定位并创建精确的特征地图,提出了一种基于几何特征关联的室内扫描匹配SLAM方法。几何特征关联与匹配方法的优劣很大程度上影响SLAM的实时性和精度。结合室内结构化环境的特点,提出了一种完备端点定义与提取方法,将直线段特征与完备端点进行关联,优化几何特征扫描匹配过程。此外,姿态角收敛是SLAM进行机器人位姿估计和求解一致性的关键。为确保姿态角准确收敛,采用了基于直线拟合认知的姿态角加权几何平均求解方法。实验证明,提出的SLAM方法得到的定位精度在100mm内,建图精度也较高,能胜任室内SLAM。

摘要：针对室内环境下的2D激光同步定位与制图(simultaneous localization and mapping,SLAM)问题,提出一种改进的扫描匹配方法,扫描到子图匹配。用连续的激光扫描帧构建子图,对齐新的扫描帧到邻近的子图以产生约束,通过高斯牛顿求解约束并估计新的子图,利用Ceres优化来进行闭环,生成全局一致地图。经在室内条件下的测试,定位误差控制在0.4 m以下,制图误差控制在0.5 m左右,在激光匹配效率方面,相比传统方法提高了38.24%,实验结果表明,该方法可以有效提高定位与制图的精度和激光匹配效率。

摘要：针对激光测距仪精度高、抗干扰能力强等优点,选用二维激光测距仪为外部传感器,辅助MIMU(微惯性测量组合)组成微小型飞行器的室内导航系统;结合留点(Residue Points)、Cox和IDC算法特点,设计了R-I-C(留点、IDC和Coxl)匹配算法组合策略(R-I-C激光扫描匹配算法),采用Kalman(卡尔曼)滤波器进行激光/MIMU融合定位;最后,在以ARM为核心处理器的硬件平台上进行定位仿真。仿真结果表明:R-I-C算法满足设计要求;激光/MIMU融合定位方法具有良好的性能,能实现微小型飞行器的室内高精度定位。

摘要：为提高移动机器人自主探索室内未知环境的能力,基于实时获取的里程计和激光雷达数据,提出了一种面向室内环境的主动SLAM算法。首先利用激光雷达高精度特性,进行高频率的扫描匹配,提高了机器人定位和建图精度。同时基于实时地图,通过边界探索算法实现了机器人自主、高效遍历室内环境,并建立全局地图。鉴于室内环境通常是动态的,在全局路径规划的基础上引入局部路径规划,实现了机器人运动过程中的实时避障。使用Kobuki移动机器人平台在室内环境中进行了实验验证,实验结果表明该算法在小规模室内场景下的建图精度约为5cm,全程用时约为人为遥控方式的1.5倍。

摘要：讨论未知多边形室内环境下微型飞行器(MAV)的定位问题。利用惯性测量单元(IMU)测量飞行器运动参数,并计算飞行器的位置、航向。二维激光测距仪测量飞行器相对于障碍的位置,用迭代搜索/最小二乘算法匹配扫描数据,获得2次扫描的相对位移和转动。然后分析激光扫描匹配和惯性导航系统(INS)的误差,建立相应误差模型,并以此设计间接反馈校正Kalman滤波器。仿真结果显示,该激光/INS融合定位方法相比纯INS定位和无融合激光扫描匹配定位的精确度更高,并能将误差限制在一个较小的范围内。