基于快速回环检测的室外环境下激光雷达SLAM算法

在室外环境下,基于激光雷达传感器的里程计位姿容易产生累计误差,导致点云地图漂移甚至建图失败,严重限制了激光雷达SLAM的应用。针对这一问题,提出了一种面向室外环境的基于快速回环检测的激光雷达SLAM算法。利用扫描上下文（Scan Context）描述子和Kd-tree搜索获取候选的回环帧,有效提升计算的效率,并采用激光雷达虹膜（Lidar Iris）描述子计算回环帧间的相似度得分,通过残差项加权的特征匹配获取回环帧间的位姿变换,有效提升了回环检测的精度和速度。在KITTI数据集上的实验结果表明,与A-LOAM算法相比,所提算法的平均性能提升约50%,回环耗时有效减少,提升了在室外环境下的位姿估计精度和建图准确度。     

一种改进RANSAC校验的失效卫星位姿估计回环检测方法

为解决失效卫星位姿估计中视觉SLAM方法回环检测效果差的问题,结合空间特殊的应用环境,提出一种改进RANSAC校验的空间失效卫星位姿估计回环检测方法。首先利用深度学习提取图像的全局特征和局部特征;然后对全局特征进行快速检索,建立回环候选帧集合;最后,将图像网格化并提取优质特征点作为RANSAC算法的随机抽样点集,采用改进的RANSAC算法对回环候选帧集合进行图像匹配校验,挑选出匹配程度最高的作为回环检测结果。实验表明：在牛津数据集上,所提方法与无校验的方法对比,100%准确率下的最大召回率提升了30.6%,说明改进RANSAC校验在回环检测中的有效性;在失效卫星数据集上,所提方法无需预训练,对光照变化的空间场景具有高适应性,和基于词袋模型（BoW）算法相比,缩减时间24.1%。     

室内环境下基于图优化的视觉惯性SLAM方法

基于图优化的即时定位与同步构图(SLAM)方法是在视觉里程计运动估计的基础上通过增加一个回环检测,从而对非线性多约束进行优化来提高定位精度。在视觉运动估计中,针对视觉特征点匹配错误率高的问题,提出了一种ORB特征点聚类抽样匹配跟踪的方法。在位姿图优化上,提出了一种改进型的回环检测方法,减少了两种错误匹配的可能性。最后将视觉SLAM与惯性导航进行组合,提高了系统的稳定性和定位精度。使用公开的室内SLAM测试数据集进行仿真,结果表明,该方法的定位均方根误差在厘米级,生成的点云地图清晰可见。     

基于Retinex理论的稀疏直接法VSLAM三维重建

基于视觉的同时定位与建图(VSLAM)已广泛应用于室内机器人导航任务中.面向自主导航及地图复用性的需求,实时三维重建需克服环境光照不均、角点提取数量及质量不高、位姿漂移等问题.为此,提出构建一类基于稀疏直接法单尺度Retinex的SLAM(RDSOL)系统.RDSOL继承稀疏直接法里程计(DSO)主体框架,算法上打破后...     

基于KLD重采样的抗差自适应UFastSLAM算法

针对声呐SLAM系统中噪声统计特性不准确或状态突变而导致无迹快速SLAM(UFastSLAM)算法性能下降及因采用固定粒子数而使得算法实时性不高的问题，提出一种基于改进粒子建议分布估计和自适应KLD重采样的UFastSLAM(RAUFastSLAM)算法。在载体位姿估计阶段，融入抗差自适应因子，利用抗差自适应无迹粒子滤波算法（RAUPF）对载体位姿进行估计；在特征状态估计阶段，利用抗差自适应无迹滤波算法（RAUKF）对环境特征的位置进行更新；在粒子重采样阶段，采用基于KL散度的自适应粒子重采样方法在线实时调整所需的粒子数，在保证精度的同时提高算法的实时性。实验结果表明，在量测噪声统计特性不准确且量测信息中有异常干扰时，与UFast SLAM算法相比，所提方法的载体位置估计、航向角估计和特征位置估计的精度分别提高了18.79%、16.67%和18.81%，对异常干扰具有更好的鲁棒性。     

基于多传感器信息融合的双足机器人自主定位

针对单目视觉SLAM应用于双足机器人过程中易出现跟踪失败和传统位姿传感器累积误差较大的问题,提出了一种融合三种传感器信息的机器人定位方法。首先获取机器人关节编码器数据,运用运动学求解输出位置信息,再由基于特征识别的SLAM系统估计机器人头部单目相机位姿,经过尺度恢复和坐标系校正后输出位置信息,同时获取惯性测量单元的偏航测量,最后通过扩展卡尔曼滤波算法融合三种信息,从而更加精确稳定地对机器人进行定位。以双足机器人NAO为研究平台,在室内进行多组实验对所提出的方法进行验证,结果表明融合所得结果与传统位姿传感器输出信息相比,均方根误差明显降低;相比单目视觉SLAM跟踪失效率至少降低88%。     

基于双向重投影的双目视觉里程计

针对视觉里程计中的特征点漂移与累积误差问题,提出一种基于双向重投影的双目视觉里程计方法。为降低特征点匹配的高错误率及改善匹配效率,提出一种改进的随机采样一致(RANSAC)算法。该算法依据特征点寿命长短、环形匹配、优质匹配等方法选取优质特征点以降低特征点样本容量,从而改善RANSAC算法的效率;为抑制视觉里程计累积误差、提升位姿估计精度,提出一种双向重投影的位姿估计算法,该方法通过解算下一帧图像中的最小化重投影误差得到相机位姿以更新空间点集,更新后的空间点重新投影至当前帧图像以提升位姿解算精度。最后利用KITTI数据集进行了仿真。结果表明该算法的150 m内定位误差在X方向小于1 m,在Z方向小于0.9 m;相对于ORB-SLAM2算法,定位精度提升了约20%,系统的稳定性更好,有效削弱了累积误差,验证了该算法的正确性与可行性。     

一种融合外部姿态信息的SLAM算法

在GNSS信号缺失、地磁受外界干扰等特殊环境下,同步定位与建图(SLAM)技术受到位姿累计误差的严重影响.为消除SLAM系统中的累积误差,提出了融合视觉和外部姿态信息的SLAM算法.建立图像关键帧和稀疏的外部姿态关键帧,分析了位姿协方差关系,并针对外部姿态具有三自由度的特点,推导了融合地理真实姿态的SLAM姿态图优化和...     

基于低成本IMU的捷联航姿系统软件设计与实现

在已设计好的捷联航姿系统硬件平台基础上,集传感器信息处理模块、航姿解算模块和信息融合模块于一体,综合设计了基于低成本IMU的捷联航姿系统软件算法.特别是在信息融合模块中采用了基于模糊推理的变加权系数多传感器信息融合算法,从而实现对惯性数据的融合,减小了系统随时间积累的航姿误差,保证航姿系统的精度指标满足要求(静态航姿精度±1.0°,动态航姿精度±2.5°).软件算法的验证采用低成本MT9-B惯性测量组件的实测数据分别进行了静、动态实验.实验结果表明,所设计的软件算法可时实进行低成本陀螺的零偏估计与补偿,并能准确地进行多传感器信息融合,从而能够有效地提高系统的航姿精度.     

降低电容式角度传感器温度漂移的方法

为了提高激光雷达导航系统高低温环境下的扫描精度,扫描电机作为激光雷达导航系统核心部分,它的关键部分电容式角度传感器,其温漂值大小决定了导航系统的高低温环境下的扫描精度.文中介绍了电容式角度传感器工作原理及其测量电路,对电容式角度传感器温度漂移原因进行了理论分析.根据分析结果提出温度漂移补偿措施,试验验证后效果明显,大大降低了电容式角度传感器的温漂,在高低温(-40℃,+60℃)范围内,电容式角度传感器温漂最大值为28ppm/℃.     

四频差动激光陀螺三种误差模型对寻北精度的影响

分析了四频差动激光陀螺漂移信号的特性,将陀螺输出的漂移误差信号分为常值漂移误差和随时间变化的一次项、二次项漂移误差,并据此建立陀螺漂移误差模型,分别对陀螺漂移进行零次拟合、一次拟合及二次拟合.针对这些模型结合寻北推导了误差的补偿算法,并通过寻北实验精度比较,验证了不同误差模型的补偿效果.实验结果表明,就本文实验所用陀螺,含二次项误差的模型寻北精度较高,使寻北精度从零次拟合模型的1密位降低到0.5密位.     

柱塞气举工艺下基于重力观测的MEMS全姿态位姿测量系统

为解决柱塞小体积自主高精度位姿测量的难题,针对柱塞气举工艺,设计了一种基于重力观测的微机电系统（MEMS）全姿态位姿测量系统。首先,利用柱塞工作过程中大部分时间不存在非重力运动加速度的特性,设计了基于重力观测的自主导航算法提高位姿测量精度;其次,考虑到柱塞垂直运动过程中俯仰翻转时无解的问题,设计了全姿态解算算法。最后,对所设计的位姿测量系统进行了实物实验。实验结果表明：所设计的位姿测量系统进行作业时,水平姿态精度不大于0.05°、航向漂移小于0.5°/h、短时位置精度不大于0.8 m,验证了该系统可解决柱塞目前存在的小体积自主高精度位姿测量难题。     

基于非机动窗口捕捉的陀螺漂移在线补偿方法

针对中低精度自主导航要求,基于MEMS惯组中的加速度计与磁力计,提出一种基于非机动窗口捕捉的陀螺漂移在线补偿方法。通过加速度计输出值判定飞行状态,捕捉非机动窗口。利用地磁矢量以及重力矢量估计陀螺漂移并修正姿态误差。在陀螺漂移6°/h,磁力计精度100 nT的仿真条件下,能有效估计出陀螺漂移,姿态精度优于3′。在80 mg加速度计噪声干扰下定姿精度优于8′,同等条件下比现有互补滤波算法精度提高50%。基于转台开展了MEMS惯组ADIS16488的物理试验,结果表明,所提出算法能有效修正姿态误差,比现有的互补滤波算法更具有抗机动性。所提出方法完全自主,精度较高,可显著提升中低精度惯组中陀螺的性能,具有工程应用价值。     

复杂环境下基于自适应极线约束的AGV视觉SLAM算法

针对传统视觉同步定位与地图构建（SLAM）算法不能有效处理复杂环境中的动态及潜在动态目标而影响定位与建图性能的问题,提出一种基于Mask R-CNN神经网络以及ORB-SLAM3算法改进的视觉SLAM方法。针对动态目标,提出一种基于语义信息的运动一致性检验算法,使用自适应阈值的极线约束方法实现图像中动态特征点的精确剔除;针对潜在动态目标,提出一种改进的长期数据关联方法,通过增大关键帧选取密度及优化关键帧中的潜在动态目标信息,对算法的回环优化和地图融合过程进行改进,提高回环优化效果与地图复用性。在TUM数据集和真实场景中进行验证,实验结果表明与ORB-SLAM3算法相比,采用TUM数据集在低动态场景和高动态场景中的绝对轨迹均方根误差分别减小8.5%和65.6%;在真实场景下测试,所提算法的定位精度提高了62.5%。     

考虑机抖激光陀螺信号滤波特性的圆锥算法修正

捷联惯导系统一般用圆锥算法来补偿其圆锥运动漂移,标准的圆锥算法是以理想的陀螺信号为输入设计的,而机抖激光陀螺常用数字低通滤波器来滤除抖动偏频信号,由于滤波器的非理想性,滤波后信号的幅频特性发生畸变,引入了较大的圆锥算法误差。参考标准圆锥算法误差公式,用相对圆锥误差分析方法比较研究了算法的误差变化特性,证明误差大小与滤波器通带特性有关。基于经典圆锥运动,推导了数据滤波后修正的圆锥算法公式。修正算法考虑了滤波器幅频特性的影响,补偿了滤波器引入的圆锥算法误差。仿真表明:修正算法在保证滤波器较小延时的同时,能明显减小算法精度损失,提高姿态算法整体精度水平。     

基于分布式协同导航的行人三维惯性SLAM方法

针对仅依赖惯性传感器数据进行零速修正的行人航位推算方法导致室内行人协同导航定位累计误差较大的问题,提出了一种三维环境下的分布式行人协同惯性SLAM方法。在行人间初始相对位姿未知的情况下,通过蓝牙检测相遇,使用基于奇异值分解的最小二乘方法求解行人间位姿的刚性变换;然后构建基于三维占用栅格的惯性SLAM地图,通过优化联合后验概率分布获得行人位姿与地图的最优估计,减小系统的累计误差;同时构建了一个分布式协同SLAM框架,使得每个行人的定位系统都能够独立运行。实验结果表明,所提出的算法能有效提升三维惯性行人协同导航系统的定位精度,在大约2000?m2、总长2000?m的多楼层双人协同实验中,算法的平均定位误差为1.22?m,与传统零速修正方法相比,定位精度提升80%以上。     

基于多点动态捕捉的机器人关节位移与几何参数标定

机器人关节位移及几何参数误差是导致位姿出现误差的主要原因,对二者进行高精度标定可提高机器人的绝对精度．传统标定方法的精度受机器人位姿的影响,且需多次实验．本文提出一种基于多点动态捕捉测量的标定方法,可通过单次实验,同时标定串联机器人的关节位移和几何参数．首先基于多点动捕测量获取机器人各连杆上靶标点的3D坐标,结合罗德里格斯变换实现关节位移的求解．其次结合机器人运动学模型和坐标转换关系,实现几何参数误差小量的标定．对方程线性化处理以提高计算效率,并用最小二乘法降低噪声对结果的影响．最后通过对6自由度串联机器人进行仿真,验证了该标定方法的可行性．     

考虑信号处理特性的划摇算法优化

捷联惯导系统一般用划摇算法来补偿其速度漂移,标准的划摇算法是以理想的陀螺和加表信号为输入设计的,而实际中常用数字滤波器处理激光陀螺和加表信号,由于滤波器的非理想性,滤波后信号的幅频特性发生畸变,引入了较大的划摇算法误差。参考标准划摇算法误差公式,用相对划摇误差分析方法比较研究了算法的误差变化特性,证明误差大小与滤波器通带特性有关。基于经典划摇运动,推导了数据滤波后优化的划摇算法公式。修正算法考虑了滤波器幅频特性的影响,补偿了滤波器引入的划摇算法误差。仿真表明:优化算法在保证滤波器较小延时的同时,能明显减小算法精度损失,提高导航算法整体精度水平。     

模糊推理在捷联航姿系统中的应用

为了减小捷联航姿系统航姿解算过程中陀螺漂移和积分过程等因素对航姿精度的影响,结合各传感器输出与载体运动状态相关的特性,提出了一种基于模糊推理的IMU(惯性测量组件)/磁传感器信息融合方法.通过模糊推理系统判断出载体当前的运动状态,在准静态下对IMU中陀螺解算的姿态信息和加表解算的姿态信息进行融合可提高载体的姿态精度,对陀螺解算的航向信息和准静态下磁罗经提供的航向信息进行融合可提高载体的航向精度.经过跑车试验且与跑车过程中作为基准的光纤/GPS航姿系统的航姿结果进行比较,验证了该推理过程和融合算法的正确性.     

基于状态约束的MIMU/磁强计组合姿态估计滤波算法

构建了基于MEMS技术的陀螺、加速度计、磁强计及空速计组合的微小型飞行器姿态测量系统.研究了基于四元数的扩展卡尔曼滤波算法.取姿态误差四元数和陀螺随机漂移构建状态向量,通过误差四元数微分方程和陀螺随机误差模型建立卡尔曼滤波状态方程,采用速度信息实时补偿加速度计输出值得到重力矢量,利用重力矢量估计水平姿态,通过滤波补偿姿态误差,降低了对陀螺的精度要求.将状态向量之间的约束方程作为伪量测方程引入到量测模型中,解决了由于状态向量相互约束导致的滤波发散和奇异.动态飞行滤波噪声的自适应调整增强了系统性能.仿真和实验表明,该滤波算法能够有效避免系统的漂移,提高系统测量精度和稳定性.