摘要：为提高湖北省十堰市聚仙庙水库建设期现场地质勘察智能化水平,并为其导流洞支护优化设计提供准确的地质资料,利用slam三维激光扫描仪对导流洞开展围岩编录工作。使用ZEB Horizon扫描仪搭配ZEB Vison全景相机进行数据采集,并在进行三维点云扫描的同时拍摄全景照片。将扫描数据导入长岩实景三维地质编录软件,融合匹配激光点云和全景照片,生成现场实景三维视图,在实景视图下开展地质编录工作,最终得到导流洞的围岩地质编录图和结构面编录数据表。实践结果表明:使用slam技术开展地质扫描和实景编录可减少现场工作时间,提高整体工作效率,具有一定的推广价值。

摘要：针对煤矿井下的恶劣环境,自主设计了一款多功能集成的矿用AGV,替代部分人工作业程序,实现巡检及紧急情况下的辅助救援功能。为了克服井下的特殊环境,着重考虑了防爆设计及机械结构的合理性,保证整车封闭部分及外部必要传感器均达到防爆或隔爆标准。为了进一步扩展自主作业功能,设计了一种基于雷达-惯性融合的slam导航方案,提出一种改进的回环检测激光建图算法进行试验测试,利用不同线数激光雷达进行算法实时性优化,先后通过地面室内环境建图试验及井下真实巷道建图试验进行效果测试,其中地上试验运动距离为60 m,整车Z轴运动方向最大突变波动在0.06 m以内,井下试验运动距离为200 m,在井下颠簸地面情况下,整车上下最大突变波动为0.25 m以内,Z轴线性度关键部分仅为3.87%,X轴方向约为0.37%,证明了机器人的运动的稳定性高及建图的鲁棒性优良,能够顺利完成巡检及救援任务,对井下AGV邻域关键技术突破具有重要意义。

摘要：路径规划是物联网专业本科阶段“机器人与人工智能”课程的重要内容,具有理论性与实践性强及知识更新快等特点。为了使学生直观深入地掌握该知识点,以机器人操作系统ROS为基础,设计了面向智能家居服务移动机器人的路径规划实验内容。机器人采用Gmapping算法建图,采用Amcl算法实现定位,利用A*算法和WTO算法实现路径规划。基于ROS的家居服务机器人路径规划实验设计科学、合理,能够让学生更深刻地理解各部分运行原理,提高学生的学习兴趣。

摘要：为解决外卖配送“最后一公里”存在的一系列问题,实现真正的无接触式配送,设计了一款基于物联网的送餐机器人。机器人以STM32作为核心控制器,以卡片式电脑(Jetson Nano)作为ROS主控,通过激光雷达、IMU等多传感器融合获取外界信息并结合slam导航算法,实现机器人自主导航与实时定位,采用机械臂按电梯的方案实现机器人自主上下电梯,机械臂搭配深度摄像头对电梯按钮进行精准识别。同时机器人搭建了友好的人机交互系统,可通过液晶屏、语音模块、微信小程序为机器人下达指令,并通过4G模块连接云平台,便于用户通过微信小程序查看机器人当前的状态。测试结果表明,机器人能有效提供优质的送餐服务。

摘要：视觉slam(simultaneous localization and mapping)是智能车辆领域的研究热点,在包含运动目标干扰或近景特征不显著的场景中,容易产生帧间位姿估计结果精度不足或失效问题.为此,本文提出一种结合场景语义信息和路面结构化特征的slam算法.首先,针对上述特殊场景中运动目标干扰的情况,设计带有改进金字塔池化模块的语义分割神经网络,得到图像中各像素对应的目标类别,作为剔除运动像素点的依据,从而避免运动点参与特征匹配导致的位姿计算准确性下降问题;然后,针对有效近景特征点不足的情况,基于V视差算法确定图像中的道路平面区域并拟合出精确的视差方程,以计算路面上像素点的精确视差值,并提出一种基于路面结构化特征(车道线、马路边界、路面交通标记等)的位姿计算方法;最后通过场景实验得出,本文提出的改进算法计算结果的绝对轨迹误差小于原算法.证明该方法能够在存在运动目标干扰或缺乏近景特征的场景中具有较高的位姿估计精度,建立了有效的包含语义信息的稠密点云地图,具有良好的环境适应性.

摘要：为提升压雪车在滑雪场行驶与作业的夜间环境感知能力,提出了压雪车车载激光雷达点云时域波形阶跃值检测的雪道分割算法,并构建了适用于高山滑雪场的实时定位与建图算法(slam)。首先,对点云反射率分布进行统计并标记飘雪噪声点,利用邻近点线性插值方法对标记的飘雪噪声进行处理,保证点云的时域波形连续性,同时在特定扫描视角内划分栅格并以相邻网格高程值变化实时估计坡度。其次,根据山地滑雪场典型障碍设计了相应的时域波形阶跃值检测判据,筛选雪道-障碍分界点,划分扫描区间并对区间内的波形阶跃值进行包络,实现雪道点云特征分割。然后,根据雪道分割结果对特征进行分类匹配,并利用特征约束方法提高建图速度。最后,在张家口万龙滑雪场的高级和中级雪道进行算法效果验证测试。测试结果表明:所提出的雪道分割算法对单帧点云数据的处理平均耗时为2.36 ms,平均分割准确率可达98.54%,在基于雪道分割算法的改进slam方法中可以准确实现雪道-障碍分割,在建图精度方面表现更为优越且大幅缩减了计算耗时。

摘要：基于单一传感器的同时定位与地图构建技术已经逐渐不能满足移动机器人、无人机及自动驾驶车辆等智能移动载体日益复杂的应用场景。为了进一步提升移动载体在复杂环境下的定位与建图性能,基于多传感器融合的slam技术成为目前研究的热点内容。本文提出了一种基于图优化的紧耦合双目视觉/惯性/激光雷达slam方法(S-VIL slam),该方法在视觉惯性系统中引入激光雷达原始观测,基于滑动窗口实现了IMU量测、视觉特征及激光点云特征的多源数据联合非线性优化。利用视觉与激光雷达的互补特性设计了视觉增强的激光雷达闭环优化算法,进一步提升了多源融合slam系统的全局定位与建图精度。为了验证本文算法的性能,利用自主搭建的集成多传感器的硬件采集平台在室外场景下进行了车载试验。试验结果表明,本文提出的紧耦合双目视觉/惯性/激光雷达里程计相比于紧耦合双目视觉惯性里程计和激光雷达里程计定位定姿性能显著提升,视觉增强的激光雷达闭环优化算法能够在大尺度场景下有效探测出轨迹中的闭环信息,并实现高精度的全局位姿图优化,经过闭环优化的点云地图具有良好的分辨率和全局一致性。

摘要：协同即时定位与地图构建(slam)建立在多无人机的联合感知能力之上,通过局部地图的交互融合构建一个增量式全局环境地图,以提高多无人机任务协同的准确性、实时性和鲁棒性.针对多无人系统协同定位与构图中数据高效共享与利用的难题,面向快速、准确、大范围多机协同slam需求,本文提出了一种基于集中式架构的多无人机局部地图数据高效共享和融合的slam方法——Data Sharing Oriented Multi-UAV Collaborative slam(DSM-slam).该方法创新性地提出了:(1)基于共享局部地图的两步重定位机制,实现了多机间全局地图的高效闭环检测;(2)基于层次聚类的地图融合选择机制,提高了地图融合的快速性和准确性,最终,在增强单无人机跟踪定位鲁棒性的同时,实现了高效地闭环检测,提升了多无人机视觉slam系统的数据协同处理能力.本文不仅基于ROS实现了DSM-slam的原型系统,而且采用公开数据集KITTI对该方法展开了一系列实验验证,结果表明,基于上述两种机制设计的DSM-slam方法,不仅能够快速高效地恢复单无人机跟踪定位,而且可以自适应选择数据融合的顺序,有效增强了全局地图构建的完整性和准确性.

摘要：研制了一款具备自主巡检和自动灭火功能的智能化消防机器人,以应对火灾中的复杂环境和紧急情况。在方法上,基于ROS系统,结合slam和深度学习目标检测技术,设计了履带式移动载体机器人,通过融合激光雷达、IMU和里程计等传感器数据来构建slam地图,并结合热成像与YOLO技术进行火焰识别与定位。在slam方面,选择并优化了Cartographer,以解决大规模建筑环境中的构图误差问题。此外,提出了YOLOv4-F火焰检测模型,并将其移植至ROS系统,实现自动瞄准功能。结果表明,优化后的slam算法在大规模环境中,有效减少了构图误差,YOLOv4-F模型的mAP@0.5达85.53%,实时检测精度为81%,速度为11帧/秒。该机器人在试验中,成功实现了自主巡检和自动灭火功能,能够在烟气环境中实时准确识别火焰并迅速扑灭初期火灾,为智能消防机器人的实际应用提供有效的技术支持和新思路。

摘要：提出了一种多传感器信息紧耦合的无人驾驶车辆slam方法—Ligom,此方法在复杂环境中,可以实现无人驾驶车辆状态的实时估计与环境地图的构建。Ligom基于迭代扩展卡尔曼滤波(iEKF)理论设计,融合了惯性测量单元(IMU)、全球导航卫星系统(GNSS)、激光雷达(Lidar)与相机(Camera)等不同传感器。首先利用IMU预测车辆的先验状态与消除点云畸变,并使用滑动窗口方法保存点云特征以提高点云匹配精度;然后,通过对GNSS信息作初始化与坐标系变换,分别完成滤波更新得到后验状态;最后在后端环节引入关键帧进行状态优化与反馈更新,构建全局环境点云地图。此外,利用Camera-Lidar联合检测的多目标检测与跟踪算法,完成全局桩桶地图的构建。Ligom在四个不同平台与环境采集的数据集上进行了充分验证。