融合激光SLAM实现无人驾驶轮椅空间定位优化

移动机器人空间定位是实现无人驾驶的重要环节,但仅使用单一传感器进行定位会产生定位误差,且误差会不断累积。为提高对移动机器人的空间定位精度,提出了一种融合3种传感器的空间定位方法,即激光雷达（LiDAR）、惯性测量单元（IMU）、光电编码器三种传感器。首先,采用扩展卡尔曼滤波算法融合了基于距离流算法的光电里程计信息、IMU偏航数据信息及双光电编码器的轮式里程计信息;其次,通过对扩展卡尔曼滤波进行差分改进来消除在融合过程中因存在两个绝对姿态信息而产生的振荡现象;最后,在自主搭建的无人驾驶轮椅移动平台上对优化后的定位精度进行了实验验证。经多次重复实验的结果表明,多传感器融合优化后的轨迹在定位偏差最值和绝对误差均值方面均较真实运动轨迹有明显降低,且环境越复杂优化效果越好,表明所提方法可有效提高无人驾驶轮椅的空间定位精度。     

基于激光雷达的料堆特征提取方法优化

对料堆表面和形态进行特征提取是实现仓储自动化、智能化的前提与基础，为货料的自动存、取控制提供判断依据。为了提取料堆的形态与覆盖面特征，首先，采用激光雷达对料堆进行扫描，获取三维点云后使用融合算法进行预处理；其次，基于表面法向量的差异和空间距离差异对点云进行超体素聚类；最后，利用曲面凹凸判断方法对聚类后的三维点云曲面提取出凸面，从而实现了料堆表面形态的判断。实验结果表明，该方法可较好地识别料堆表面特征，识别误差小于3.11%，且不需要针对场景进行训练，可直接应用于不同料堆场景。