Xtion/IMU组合的机器人室内定位方法

针对机器人在室内、深海或者高楼林立的大都市导航定位存在的问题,该文展开了基于Xtion传感器与惯性测量单元(IMU)松组合的移动机器人室内定位算法的研究,采用了组合导航及自适应渐消扩展卡尔曼滤波算法等创新性方法,解决了机器人室内定位精度不高的问题。通过对机器人室内组合导航轨迹的实验验证,该文的组合导航方法能够提高机器人移动轨迹的精度,更接近于真实轨迹,满足了移动机器人室内导航定位的需求。     

基于Realsense传感器的机器人视觉里程计研究

基于RGB-D传感器能直接获取空间环境的深度信息和图像信息的能力,采用最新的RGB-D传感器(Realsense),实现了室内移动机器人的视觉里程计。首先利用张正友相机标定法对Realsense传感器的彩色摄像头进行标定;接着采用ORB算法实现图像特征点的匹配,并用PROSAC算法进行外点剔除;最后采用PnP算法实现相机姿态的估计,利用g2o库对相机的姿态进行光束法平差优化,并绘出相机的运动轨迹,实现了基于RGB-D传感器的机器人视觉里程计。实验结果显示该方法能快速、准确地估计视觉传感器的位姿信息,实现移动机器人的精准定位和导航。     

室内移动机器人自定位方法

针对室内机器人移动导航定位存在的问题,该文研究了基于Kinect传感器的定位算法。该方法应用Kinect传感器采集了移动机器人运动过程中连续帧的彩色和深度信息;通过尺度不变特征变换算法匹配连续场景图像中的特征点对,经随机抽样一致性算法剔除点集中的误匹配点;利用Kinect的深度信息将可用点集的二维坐标转换到相机坐标系下的三维坐标;并使用绝对定向算法计算机器人在相邻位置上的姿态信息和平移量,从而提高了机器人的移动参数的计算精度。通过实验验证了该方法的可行性,且能够满足实时要求,可以同时进行定位与地图创建。     

室内行人移动行为识别及轨迹追踪

作为室内位置服务的基础,室内定位技术近年来得到了广泛的关注。针对现有室内定位技术存在成本高、精度有限以及效率不足等问题,提出了一种融合人类活动识别、行人航迹推算(pedestrian dead recko-ning,PDR)以及地标匹配修正等技术的室内行人位置推算方法。该方法使用基于智能手机的PDR技术来估算用户的位置信息,而人类活动识别技术则用来感知用户室内移动行为中的特定地标,利用这些地标信息来辅助修正PDR轨迹中产生的累积误差。此外,为了解决用户初始位置未知的问题,引入隐式马尔科夫模型进行推断,并提出了一种顾及室内环境特征的维特比算法来确定用户轨迹。实验结果显示,所提方法在提高室内行人移动行为识别和定位精度的同时,有效实现了用户室内轨迹的追踪。     

基于GNSS与网络通信融合定位的隔离者管理系统的设计与实现

针对中高风险地区入境人员在隔离期内管控难的问题,设计了一种基于全球卫星导航系统(GNSS)与网络通信融合定位的“隔离管家”管理系统. 该系统融合GNSS定位、无线蜂窝网络定位、无线局域网室内定位、云计算平台、地理信息系统等技术,实现了隔离者定位、隔离者运动轨迹上报、电子围栏设定、体温上报、体温监控、出圈告警和运动轨迹追踪等主要功能. “隔离管家”系统可为企事业单位提供隔离人员安全、有效地层级管理,做到对号入座、实时掌控、轨迹追溯.      

复杂环境磁转向检测HDE辅助的RTK+IEZ行人定位方法

针对复杂环境下传统INS-EKF-ZUPT (IEZ)方法中存在位置及航向误差累积导致定位精度差的问题,本文提出一种能与RTK一同融入IEZ中的磁转向启发式航向约束(MTHDE)算法,并结合该算法设计了一种适用于四正交主方向场景的RTK+IEZ+MTHDE行人定位方法。在具有开阔地带、林荫道、林荫道及建筑半遮挡、室内等场景的约800 m矩形试验轨迹中,对该方法进行了验证。结果表明,RTK及MTHDE算法对IEZ的位置及航向进行了有效的修正,在12个参考点的试验轨迹中,该方法的平均平面定位误差为1.35 m,优于传统RTK+IEZ方法。     

3D SLAM的室内背包移动测量系统研究

针对室内移动测图中GPS信号缺失,导致无法获取精确定位坐标与导航的问题,该文研发了一套室内背包式移动测量系统,该系统能够利用三维激光定位与测图的方法实现快速同步定位及地图创建和室内三维激光点云获取,可以应用在室内或地下的环境中进行数据采集,在不损失作业效率的前提下获取系统作业轨迹、高精度点云等多种数据结果。为了对系统的精度进行验证,使用该系统在实验室大楼走廊中进行实验获取室内三维激光点云,并将实验结果与采用常规测量手段得到的结果进行对比分析。实验表明,此系统的相对精度和绝对精度分别能够达到0.048和0.047m,在室内三维信息获取过程中相比较于传统作业方式显著提高了作业效率和数据质量,能够满足室内建模与测图要求。     

基于手机内置传感器的无外源信号室内定位方案

为解决无信号源区域的室内定位问题,设计了一套基于惯导系统原理和智能手机内置低分辨率传感器（加速度和方向传感器等基本组件）的室内定位技术。使用卡尔曼滤波算法、后联平滑算法、停止甄别算法等对传感器数据进行误差修正,实现室内定位每10米1.8米误差的精度。最后,针对可用性等问题与传统有外源信号的室内定位方式进行了对比分析.     

一种采用图像特征匹配技术的RGB-D SLAM算法

针对复杂环境下运动机器人自主运行的任务要求,提出了一种采用图像特征匹配技术的视觉SlAM算法。相比于传统滤波器方法在机器人长时间运动过程中产生的误差积累,采用了基于图优化的SlAM方法,本文算法分为两个部分：前端和后端。前端负责处理图像数据提取机器人位姿几何关系,首先提取彩色RGB图像的特征点,创建特征点的高维特征描述子,建立特征点的位置对应关系;后端负责表达各时刻机器人的位姿并最大化地消除轨迹漂移问题,根据前端处理所产生的信息,构建一个代表机器人几何位置关系及其不确定性的关系图,通过对图的优化将测量轨迹最大化地逼近真实轨迹,最后生成稀疏点云地图和高精度的机器人运行轨迹。试验表明本文所提出的方法实用性强,具有较高的鲁棒性。     

移动机器人SLAM位姿估计的改进四元数无迹卡尔曼滤波EI北大核心CSCD

在全自主运动控制的移动机器人系统中,自身位姿的估计和校正对于移动机器人的运动至关重要。卡尔曼滤波是解决移动机器人同步定位与地图构建(SLAM)常用方法。相较于卡尔曼滤波,无迹卡尔曼滤波(UKF)无须对复杂的非线性函数进行雅可比矩阵运算。本文基于无迹卡尔曼滤波,根据先验协方差的平方根选择sigma点,计算协方差以及加权均值。用四元数表示姿态,将四元数矢量转换为旋转空间进行矩阵运算,在此基础上设计了一种位姿估计算法——基于四元数平方根的无迹卡尔曼滤波(QSR-UKF)算法。试验将EKF、QSR-UKF、SR-UKFEKF 3种算法的位姿估计结果进行仿真分析,并通过相关定量指标进行了描述,验证了本文算法的有效性。     

室内位置轨迹的聚类与可视化

室内移动对象轨迹数据分析是商铺促销、室内空间规划、广告竞价等具有重要商业价值的应用基础，在公共安全、应急方案中也是必不可少的部分，近年来越来越受到研究者的重视。为了实现室内移动对象轨迹聚类分析，本文提出了一种将DBSCAN聚类算法与可视化相结合的综合分析方法。首先利用DBSCAN算法对某商场大厦内采集的基于手机WiFi信息的室内轨迹数据进行聚类处理；然后对得到的聚类成果和信息进行分析，为该商场的布局规划和店铺调整等提供一定的参考信息；最后，对该商场大厦的室内轨迹数据进行热度图可视化展示，并将展示效果与聚类结果进行对比，相互验证。     

利用视觉灭点检测室内机器人偏航角的方法

室内障碍地图在呈现给用户端浏览的同时,也是自主运动视觉机器人路径规划和障碍规避的依据。由于自主运动视觉机器人的起始位姿选择具有随机性,当机器人沿随机方向行走时,往往导致所建室内障碍地图产生偏斜。本文利用单张已标定像片检测视觉正交灭点,结合相机几何透视原理和灭点几何特性,提出了一种室内机器人偏航角的简单快速检测方法,并成功应用于自主运动机器人的轨迹优化和所建障碍地图的方向校正。对比试验表明,基于视觉灭点的室内机器人偏航角检测方法精度高,在纠正所建障碍地图朝向的同时,保证了机器人运行轨迹短、耗时低,具有良好的推广应用前景。     

基于SLAM/UWB的室内融合定位算法研究

精确且稳定的自主定位是移动机器人在室内环境下实现自主导航的前提,针对室内定位中视觉即时定位与地图构建(SLAM)存在的累计误差以及环境因素导致超宽带(UWB)定位精度下降的问题,提出一种基于SLAM/UWB的室内融合定位算法. 首先该算法以扩展卡尔曼滤波(EKF)为基础,将UWB的全局定位坐标和视觉SLAM位移增量进行融合,但考虑到测量噪声易受复杂环境影响,引入阈值检测和自适应测量噪声估计器,以抑制异常值和时变测量噪声对滤波器性能的影响,最后使用智能移动小车在不同的室内场地下进行实验. 实验表明:该算法优于单一的UWB或者视觉SLAM定位方式,并且在复杂室内环境下比传统EKF算法拥有更稳定的定位效果.      

一种用于图像特征提取的改进ORB-SLAM算法

针对复杂室内环境下视觉SLAM定位存在实时性差、轨迹漂移等问题，本文提出了一种基于图像特征提取方法的ORB-SLAM算法。该算法在前端中提高图像特征检测与匹配的效率和精度，引入闭环检测策略优化相机位姿轨迹，提高定位精度。以不同来源图像对比分析不同特征提取算法SIFT、SURF、ORB的有效性，运用该算法估计机器人运动轨迹，与真实轨迹相对位姿误差为0.144 8 m，试验表明所提出的方法切实可行，具有较高的稳健性。     

视觉SLAM技术的进展与应用

视觉SLAM技术依靠体积小、功耗低、信息获取丰富的视觉传感器,为未知环境下的机器人提供环境地图及自身在地图中的定位结果,对机器人自动化、智能化应用有着重要意义。本文介绍了视觉SLAM方法的关键技术,总结了目前视觉SLAM的研究现状,分析了当前视觉SLAM研究的主要趋势,最后讨论了视觉SLAM技术在深空、室内等受限环境下的应用现状与前景。     

一种基于地理信息的手机用户定位方法北大核心CSCD

基于手机信令数据的用户轨迹行为分析已广泛应用于交通监测、城市管理、人口分析等多个业务领域。针对手机基站定位与用户实际位置存在偏差且驻留轨迹缺失语义信息的问题,本文提出了一种基于地理信息的手机信令数据用户定位方法。该方法首先构建面向轨迹分析的地理实体数据采集规范;然后对手机信令数据进行聚类,建立地理实体与基站的权重映射关系;最后使用时空推理及对轨迹的深度学习技术,将用户有效驻留轨迹点拟合至实际的地理实体,实现用户定位。验证结果表明,该方法提升了用户定位的准确度,为后续业务场景的应用提供了可靠的数据支撑。     

无人机视觉SLAM协同建图与导航

地面机器人由于其工作空间的限制,对环境感知存在较大局限性,结合空中机器人在视角方面的优势,实现空地机器人协作是主流趋势。本文提出了一种基于无人机视觉SLAM的协同建图与导航方法,利用无人机空中视角带来的大范围环境感知能力,协助地面机器人快速构建环境模型,提高地面机器人在具有挑战性的未知环境中建图与导航能力。本文方法首先构建了一个显著闭合边界实时检测和跟踪线程,结合点、线特征以及显著闭合边界,提出一种视觉SLAM方法用于无人机空中建图,与传统方法相比,闭合边界的结合极大优化了建图的效果。其次,地面机器人根据无人机获得的初始全局地图自动规划全局路径,在移动过程中,利用搭载的激光传感器对无人机建的初始地图进行更新,并且对路径进行连续的重新规划,避免与障碍物发生碰撞。为了验证本文方法的可行性和先进性,分别进行了仿真试验和真实试验。试验结果表明,本文方法显著提高了建图效果,实现了协同建图与导航方法的完整过程,提高了地面机器人在具有挑战的未知区域中进行自主建图和导航的能力。但是本文方法在障碍物分布密集、地面高低起伏等复杂情况下效果不佳,且实现的二维导航局限性大,未来工作立足于融合激光雷达、IMU等多传感器,提高深度估计和位姿估计等任务效果用于构建精准的三维占据栅格地图,并进一步设计三维空间空地协同建图与导航的方法。     

移动激光雷达的瞬时三维构像方法

介绍了基于机器视觉的数字摄影测量智能化新方法：移动激光雷达瞬时三维构像方法。该方法作为移动激光雷达瞬时三维构像理论,解决了无GPS辅助的移动激光雷达自定位与瞬时构像问题,使移动激光雷达灵活应用在室内、室外等多种环境。首先,分析了瞬时构像方法与传统构像方法的不同,以及现有方法的可移植性;接着,给出了视准轴误差自定标方法、基于平整度的有效特征提取算法和快速优化平差算法,构建出移动激光雷达自定位与瞬时构像的核心技术框架;最后,通过3种不同环境构像试验验证本文方法的有效性和适应性。研究表明,该方法可应用在结构化环境与非结构化环境、室内与室外环境,可水平构像也可垂直构像,且无需后数据处理瞬时构像。     

Indoor scene texturing based on single mobile phone images and 3D model fusion

Realistic texture mapping and coherent up-to-date rendering is one of the most important issues in indoor 3-D modelling. However, existing texturing approaches are usually performed manually during the modelling process, and cannot accommodate changes in indoor environments occurring after the model was created, resulting in out-dated and misleading texture rendering. In this study, a structured learning-based texture mapping method is proposed for automatic mapping a single still photo from a mobile phone onto an already-constructed indoor 3-D model. The up-to-date texture is captured using a smart phone, and the indoor structural layout is extracted by incorporating per-pixel segmentation in the FCN algorithm and the line constraints into a structured learning algorithm. This enables real-time texture mapping according to parts of the model, based on the structural layout. Furthermore, the rough camera pose is estimated by pedestrian dead reckoning (PDR) and map information to determine where to map the texture. The experimental results presented in this paper demonstrate that our approach can achieve accurate fusion of 3-D triangular meshes with 2-D single images, achieving low-cost and automatic indoor texture updating. Based on this fusion approach, users can have a better experience in virtual indoor3-D applications.