在井下斜坡道无人驾驶卡车往往存在因信号传输困难、道路倾斜且缺乏有效特征信息等问题而导致难以稳定高精定位,严重影响井下无人矿卡安全高效作业。为解决上述问题,提出一种基于激光SLAM的井下斜坡道无人矿卡定位与建图算法GFRMINE-LIO...在井下斜坡道无人驾驶卡车往往存在因信号传输困难、道路倾斜且缺乏有效特征信息等问题而导致难以稳定高精定位,严重影响井下无人矿卡安全高效作业。为解决上述问题,提出一种基于激光SLAM的井下斜坡道无人矿卡定位与建图算法GFRMINE-LIO,首先,针对井下斜坡道口两侧均为光滑水泥墙壁,特征点稀少问题,设计了一种基于人工路标的辅助增强定位方法,有效增加特征点云数量,从而优化位姿估计结果,避免建图过程中出现漂移现象;其次,提出融合坡度与曲率信息的SCSA(Slope and Curvature based Segmentation Algorithm)算法,通过分析激光雷达采集的点云数据中的几何特征,精确计算每个点的坡度角和曲率值,有效识别井下倾斜坑洼路面,确保在复杂环境中实现更精确的点云过滤,显著提升算法在复杂地形中的鲁棒性和精度;最后,在已构建地图的基础上利用GICP算法对实时采集的点云数据进行配准,融合GFRMINE-LIO算法修正点云畸变,从而实现高效重定位,相较于原算法定位精度大幅提升。实验结果表明:此算法能够在恶劣环境下更稳定、更快速地实现高精度定位。实际应用表明:在中钢集团山东某井下斜坡道的现场,与原算法相比,该算法精度提升2.90%,Z轴误差降低20.8%,地图质量明显提高,定位精度和鲁棒性均有显著提升,能有效解决井下无人驾驶建图及定位的难题。展开更多
同时定位与建图(simultaneous localization and mapping,SLAM)是具身智能机器人实现环境交互与自主决策的关键技术,目前基于三维激光雷达的SLAM算法大都是基于静态环境的,而动态物体的存在会导致激光SLAM算法的定位和建图精度降低。基...同时定位与建图(simultaneous localization and mapping,SLAM)是具身智能机器人实现环境交互与自主决策的关键技术,目前基于三维激光雷达的SLAM算法大都是基于静态环境的,而动态物体的存在会导致激光SLAM算法的定位和建图精度降低。基于此问题,详细阐述了国内外学者对动态激光SLAM算法的相关研究。根据动态物体检测原理的不同,将去除动态物体的方法分为基于语义分割、基于光线追踪、基于可见性等,并分析了每种方法的主要思想以及相关应用算法;对不同动态程度的物体进行了分类,总结了激光SLAM框架中不同类别动态物体对应的处理策略,并介绍了在线实时处理、离线后处理、终身SLAM策略的难点以及主流算法;归纳了动态激光SLAM算法主要的精度评价指标以及数据集;对动态激光SLAM算法未来的发展趋势进行了展望。展开更多
为解决牛场人工推翻饲料劳动强度大、工作时间长等问题,设计了一种基于激光雷达同步定位与建图(Simultaneous localization and mapping,SLAM)的牛场智能推翻草机器人自主导航系统,以期实现机器人在牛场环境中自主导航完成推翻草任务。...为解决牛场人工推翻饲料劳动强度大、工作时间长等问题,设计了一种基于激光雷达同步定位与建图(Simultaneous localization and mapping,SLAM)的牛场智能推翻草机器人自主导航系统,以期实现机器人在牛场环境中自主导航完成推翻草任务。自主导航系统通过激光雷达感知牛场环境,使用加载里程计信息的Cartographer算法构建牛场环境地图,采用未加载里程计信息的自适应蒙特卡洛定位(Adaptive Monte Carlo localization,AMCL)算法实现机器人的定位,并采用迪杰斯特拉算法(Dijkstra)规划机器人推翻草工作路径。试验表明,在构建牛场环境地图时采用机器人加载里程计信息的方式,横纵向偏差最大值低于未加载里程计信息时构建的地图,分别为0.02 m和0.14 m;在实现机器人的定位与导航时采用未加载里程计信息的方式,横纵向偏差最大值及航向偏角最大值分别小于0.04 m、0.10 m和11°,且导航精度高于加载里程计信息时的数值,满足牛场环境中推翻草作业时的导航精度要求。展开更多
近些年来,移动机器人受到了社会各界的广泛关注,其中SLAM(simultaneous localization and mapping)技术是移动机器人领域的研究热点.针对基于图优化框架下的激光SLAM算法对激光雷达运动畸变处理不够完善的情况,提出一种处理激光雷达数...近些年来,移动机器人受到了社会各界的广泛关注,其中SLAM(simultaneous localization and mapping)技术是移动机器人领域的研究热点.针对基于图优化框架下的激光SLAM算法对激光雷达运动畸变处理不够完善的情况,提出一种处理激光雷达数据的改进方案,调整点云数据中每一帧的时间戳与使用连续两帧之间的时间戳差值代替雷达驱动发出的固定的时间差值,解决了雷达数据反序、扫描时频率不稳定等问题.将基于粒子滤波的激光SLAM算法与基于图优化的激光SLAM算法、改进后的图优化激光SLAM算法进行对比实验,观察所建地图的精度与效果.经过多次实验表明改进的图优化激光SLAM算法显著提升了建图效果.展开更多
文摘在井下斜坡道无人驾驶卡车往往存在因信号传输困难、道路倾斜且缺乏有效特征信息等问题而导致难以稳定高精定位,严重影响井下无人矿卡安全高效作业。为解决上述问题,提出一种基于激光SLAM的井下斜坡道无人矿卡定位与建图算法GFRMINE-LIO,首先,针对井下斜坡道口两侧均为光滑水泥墙壁,特征点稀少问题,设计了一种基于人工路标的辅助增强定位方法,有效增加特征点云数量,从而优化位姿估计结果,避免建图过程中出现漂移现象;其次,提出融合坡度与曲率信息的SCSA(Slope and Curvature based Segmentation Algorithm)算法,通过分析激光雷达采集的点云数据中的几何特征,精确计算每个点的坡度角和曲率值,有效识别井下倾斜坑洼路面,确保在复杂环境中实现更精确的点云过滤,显著提升算法在复杂地形中的鲁棒性和精度;最后,在已构建地图的基础上利用GICP算法对实时采集的点云数据进行配准,融合GFRMINE-LIO算法修正点云畸变,从而实现高效重定位,相较于原算法定位精度大幅提升。实验结果表明:此算法能够在恶劣环境下更稳定、更快速地实现高精度定位。实际应用表明:在中钢集团山东某井下斜坡道的现场,与原算法相比,该算法精度提升2.90%,Z轴误差降低20.8%,地图质量明显提高,定位精度和鲁棒性均有显著提升,能有效解决井下无人驾驶建图及定位的难题。
文摘同时定位与建图(simultaneous localization and mapping,SLAM)是具身智能机器人实现环境交互与自主决策的关键技术,目前基于三维激光雷达的SLAM算法大都是基于静态环境的,而动态物体的存在会导致激光SLAM算法的定位和建图精度降低。基于此问题,详细阐述了国内外学者对动态激光SLAM算法的相关研究。根据动态物体检测原理的不同,将去除动态物体的方法分为基于语义分割、基于光线追踪、基于可见性等,并分析了每种方法的主要思想以及相关应用算法;对不同动态程度的物体进行了分类,总结了激光SLAM框架中不同类别动态物体对应的处理策略,并介绍了在线实时处理、离线后处理、终身SLAM策略的难点以及主流算法;归纳了动态激光SLAM算法主要的精度评价指标以及数据集;对动态激光SLAM算法未来的发展趋势进行了展望。
文摘为解决牛场人工推翻饲料劳动强度大、工作时间长等问题,设计了一种基于激光雷达同步定位与建图(Simultaneous localization and mapping,SLAM)的牛场智能推翻草机器人自主导航系统,以期实现机器人在牛场环境中自主导航完成推翻草任务。自主导航系统通过激光雷达感知牛场环境,使用加载里程计信息的Cartographer算法构建牛场环境地图,采用未加载里程计信息的自适应蒙特卡洛定位(Adaptive Monte Carlo localization,AMCL)算法实现机器人的定位,并采用迪杰斯特拉算法(Dijkstra)规划机器人推翻草工作路径。试验表明,在构建牛场环境地图时采用机器人加载里程计信息的方式,横纵向偏差最大值低于未加载里程计信息时构建的地图,分别为0.02 m和0.14 m;在实现机器人的定位与导航时采用未加载里程计信息的方式,横纵向偏差最大值及航向偏角最大值分别小于0.04 m、0.10 m和11°,且导航精度高于加载里程计信息时的数值,满足牛场环境中推翻草作业时的导航精度要求。
文摘近些年来,移动机器人受到了社会各界的广泛关注,其中SLAM(simultaneous localization and mapping)技术是移动机器人领域的研究热点.针对基于图优化框架下的激光SLAM算法对激光雷达运动畸变处理不够完善的情况,提出一种处理激光雷达数据的改进方案,调整点云数据中每一帧的时间戳与使用连续两帧之间的时间戳差值代替雷达驱动发出的固定的时间差值,解决了雷达数据反序、扫描时频率不稳定等问题.将基于粒子滤波的激光SLAM算法与基于图优化的激光SLAM算法、改进后的图优化激光SLAM算法进行对比实验,观察所建地图的精度与效果.经过多次实验表明改进的图优化激光SLAM算法显著提升了建图效果.
