激光雷达同时定位与建图(LiDAR SLAM)技术通常适用于静态环境下,而在动态场景下,定位与建图效果会受到影响;同时,地面分割模块通常用作点云分类处理,然而地面欠分割问题会影响特征点的选择;并且,通常的框架只使用一种回环检测方法,这可...激光雷达同时定位与建图(LiDAR SLAM)技术通常适用于静态环境下,而在动态场景下,定位与建图效果会受到影响;同时,地面分割模块通常用作点云分类处理,然而地面欠分割问题会影响特征点的选择;并且,通常的框架只使用一种回环检测方法,这可能会导致漏检现象。针对上述问题,提出一种动态场景下基于地面分割与回环优化的LiDAR SLAM系统(GSLC-SLAM)。首先,利用lmnet对点云进行动态剔除,该算法将生成的距离图像与残差图像作为网络的输入,并通过SalsaNext网络预测出动态物体;其次,利用高效的gridestiamte算法进行地面分割,该算法利用不均匀网格划分的方法来减少网格的数量,从而保证分割的效率,并利用正交性、高度和平坦度这3个指标进一步筛选地面点;最后,使用由LinK3D(Linear Keypoints for Three Dimensions point cloud)描述子与BoW3D(Bag of Words for Three Dimensions point cloud)词袋构成的新回环检测方法检测回环,该方法利用边缘特征点生成描述子,使用类似于汉明距离的方式进行描述子匹配,并采用类似于词袋的方法构建BoW3D作为LinK3D描述子的数据库,从而对关键帧提取的描述子进行存储以及回环检测。在数据集KITTI(Karlsruhe Institute of Technology and Toyota Technological Institute at Chicago)上的实验结果表明,在KITTI00、02与05序列中与Lego-Loam(Lightweight and ground-optimized LiDAR odometry and mapping)相比,GSLC-SLAM的均方根误差(RMSE)分别降低了5.8%,78.2%,12.5%;相较于F-LOAM(Fast LiDAR Odometry And Mapping),在KITTI00与05序列中GSLC-SLAM的RMSE分别降低了76.7%和53.8%,而在KITTI02序列中GSLC-SLAM表现不佳。经过验证可知,GSLC-SLAM可以有效减少动态物体的干扰、精确分割地面点并减少回环检测的漏检,进而使系统定位精度更高且更鲁棒。展开更多
随着智能电网技术的发展,变电站巡检对定位和建图精度的要求不断提高,但单一传感器难以满足复杂环境下的巡检需求。多传感器融合即时定位与建图(simultaneous localization and mapping,SLAM)技术在变电站巡检中显得尤为重要,为此对该...随着智能电网技术的发展,变电站巡检对定位和建图精度的要求不断提高,但单一传感器难以满足复杂环境下的巡检需求。多传感器融合即时定位与建图(simultaneous localization and mapping,SLAM)技术在变电站巡检中显得尤为重要,为此对该技术的发展进行综述。首先,回顾多传感器融合SLAM技术的发展历程,从传感器类型、融合架构和数据处理3个维度对技术进行分析;其次,将融合架构划分为松耦合、紧耦合2种模型,探讨它们在变电站巡检中的应用效果;同时,总结SLAM算法的评价标准,包括定位精度、建图效率、环境适应性和计算复杂度等关键指标,并分析当前技术面临的挑战。多传感器融合SLAM技术能够显著提升变电站巡检机器人的定位精度和环境感知能力。通过协同集成多种传感器信息,该技术可有效解决单一传感器的局限性问题,在变电站巡检中的应用正在逐步现实化。展开更多
同步定位与地图构建(simultaneous localization and mapping, SLAM)技术能够在陌生环境中定位自身位置的同时构建周围环境,已经成为机器人、无人驾驶和虚拟现实等领域非常重要的基础技术.隐式建图方法对于场景未观测区域具有一定补全...同步定位与地图构建(simultaneous localization and mapping, SLAM)技术能够在陌生环境中定位自身位置的同时构建周围环境,已经成为机器人、无人驾驶和虚拟现实等领域非常重要的基础技术.隐式建图方法对于场景未观测区域具有一定补全预测能力,可以实现对遮挡或稀疏观测区域的孔填充,近年来,将该方法融入SLAM,以提高其系统性能逐渐成为SLAM领域的研究热点.文中首先总结应用于视觉SLAM中的隐式建图方法并基于地图存储载体对其进行分类;然后基于建图渲染速度提高、大规模场景扩展方法、建图鲁棒性提高、前端功能的改进和回环检测的补充等改进方向对结合隐式建图的视觉SLAM进行分类说明,并梳理了面向语义建图、动态场景和多传感器融合等特定场景的隐式建图SLAM系统;随后介绍隐式建图SLAM系统常用的数据集和评价标准,并基于相同数据集和评价标准对多个SLAM系统进行对比和分析;最后总结隐式建图视觉SLAM系统提高自身性能的改进方式,剖析系统现存的计算量大和遗忘严重等短板,并与其他技术对比展望未来发展趋势.展开更多
文摘激光雷达同时定位与建图(LiDAR SLAM)技术通常适用于静态环境下,而在动态场景下,定位与建图效果会受到影响;同时,地面分割模块通常用作点云分类处理,然而地面欠分割问题会影响特征点的选择;并且,通常的框架只使用一种回环检测方法,这可能会导致漏检现象。针对上述问题,提出一种动态场景下基于地面分割与回环优化的LiDAR SLAM系统(GSLC-SLAM)。首先,利用lmnet对点云进行动态剔除,该算法将生成的距离图像与残差图像作为网络的输入,并通过SalsaNext网络预测出动态物体;其次,利用高效的gridestiamte算法进行地面分割,该算法利用不均匀网格划分的方法来减少网格的数量,从而保证分割的效率,并利用正交性、高度和平坦度这3个指标进一步筛选地面点;最后,使用由LinK3D(Linear Keypoints for Three Dimensions point cloud)描述子与BoW3D(Bag of Words for Three Dimensions point cloud)词袋构成的新回环检测方法检测回环,该方法利用边缘特征点生成描述子,使用类似于汉明距离的方式进行描述子匹配,并采用类似于词袋的方法构建BoW3D作为LinK3D描述子的数据库,从而对关键帧提取的描述子进行存储以及回环检测。在数据集KITTI(Karlsruhe Institute of Technology and Toyota Technological Institute at Chicago)上的实验结果表明,在KITTI00、02与05序列中与Lego-Loam(Lightweight and ground-optimized LiDAR odometry and mapping)相比,GSLC-SLAM的均方根误差(RMSE)分别降低了5.8%,78.2%,12.5%;相较于F-LOAM(Fast LiDAR Odometry And Mapping),在KITTI00与05序列中GSLC-SLAM的RMSE分别降低了76.7%和53.8%,而在KITTI02序列中GSLC-SLAM表现不佳。经过验证可知,GSLC-SLAM可以有效减少动态物体的干扰、精确分割地面点并减少回环检测的漏检,进而使系统定位精度更高且更鲁棒。
文摘随着智能电网技术的发展,变电站巡检对定位和建图精度的要求不断提高,但单一传感器难以满足复杂环境下的巡检需求。多传感器融合即时定位与建图(simultaneous localization and mapping,SLAM)技术在变电站巡检中显得尤为重要,为此对该技术的发展进行综述。首先,回顾多传感器融合SLAM技术的发展历程,从传感器类型、融合架构和数据处理3个维度对技术进行分析;其次,将融合架构划分为松耦合、紧耦合2种模型,探讨它们在变电站巡检中的应用效果;同时,总结SLAM算法的评价标准,包括定位精度、建图效率、环境适应性和计算复杂度等关键指标,并分析当前技术面临的挑战。多传感器融合SLAM技术能够显著提升变电站巡检机器人的定位精度和环境感知能力。通过协同集成多种传感器信息,该技术可有效解决单一传感器的局限性问题,在变电站巡检中的应用正在逐步现实化。
文摘同步定位与地图构建(simultaneous localization and mapping, SLAM)技术能够在陌生环境中定位自身位置的同时构建周围环境,已经成为机器人、无人驾驶和虚拟现实等领域非常重要的基础技术.隐式建图方法对于场景未观测区域具有一定补全预测能力,可以实现对遮挡或稀疏观测区域的孔填充,近年来,将该方法融入SLAM,以提高其系统性能逐渐成为SLAM领域的研究热点.文中首先总结应用于视觉SLAM中的隐式建图方法并基于地图存储载体对其进行分类;然后基于建图渲染速度提高、大规模场景扩展方法、建图鲁棒性提高、前端功能的改进和回环检测的补充等改进方向对结合隐式建图的视觉SLAM进行分类说明,并梳理了面向语义建图、动态场景和多传感器融合等特定场景的隐式建图SLAM系统;随后介绍隐式建图SLAM系统常用的数据集和评价标准,并基于相同数据集和评价标准对多个SLAM系统进行对比和分析;最后总结隐式建图视觉SLAM系统提高自身性能的改进方式,剖析系统现存的计算量大和遗忘严重等短板,并与其他技术对比展望未来发展趋势.
