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。     

基于图优化的紧耦合双目视觉/惯性/激光雷达SLAM方法

基于单一传感器的同时定位与地图构建技术已经逐渐不能满足移动机器人、无人机及自动驾驶车辆等智能移动载体日益复杂的应用场景。为了进一步提升移动载体在复杂环境下的定位与建图性能,基于多传感器融合的SLAM技术成为目前研究的热点内容。本文提出了一种基于图优化的紧耦合双目视觉/惯性/激光雷达SLAM方法(S-VIL SLAM),该方法在视觉惯性系统中引入激光雷达原始观测,基于滑动窗口实现了IMU量测、视觉特征及激光点云特征的多源数据联合非线性优化。利用视觉与激光雷达的互补特性设计了视觉增强的激光雷达闭环优化算法,进一步提升了多源融合SLAM系统的全局定位与建图精度。为了验证本文算法的性能,利用自主搭建的集成多传感器的硬件采集平台在室外场景下进行了车载试验。试验结果表明,本文提出的紧耦合双目视觉/惯性/激光雷达里程计相比于紧耦合双目视觉惯性里程计和激光雷达里程计定位定姿性能显著提升,视觉增强的激光雷达闭环优化算法能够在大尺度场景下有效探测出轨迹中的闭环信息,并实现高精度的全局位姿图优化,经过闭环优化的点云地图具有良好的分辨率和全局一致性。     

视觉SLAM环境感知技术现状与智能化测绘应用展望

视觉SLAM技术是现代智能装备环境感知的核心技术之一,是驱动测绘向智能化方向发展的重要因素。本文围绕视觉SLAM环境感知技术,从特征点法、直接法、视觉指纹库、语义和类脑SLAM 5个方面,梳理了30多年来典型视觉SLAM环境感知技术框架、重要算法基础和测绘应用方式;总结分析了智能化时代视觉SLAM环境感知技术在智能化环境交互感知、即时众包化信息处理和多样化感知数据服务3个方面的发展趋势;探讨了视觉SLAM环境感知技术在交互式导航定位、数字孪生城市建设、实时地表监测解译、众包地图POI生产、无人值守地质灾害监测和自主交互能力支持的深度空间探测应用模式。当前,测绘行业正处于重大发展变革时期,视觉SLAM环境感知技术与人工智能技术的结合,将会进一步赋能测绘生产方式的转变,提升智能化测绘生产和服务水平。     

基于ORB-SLAM2算法的水下机器人实时定位研究

随着近几年视觉SLAM的快速发展,为机器人、无人机、汽车等导航定位提供了更多选择。针对当前水下机器人定位技术存在的系统复杂、操作难度大等问题,本文提出了一种基于ORB-SLAM2算法的水下定位方案。利用单目相机作为传感器,构建了单目视觉SLAM水下机器人定位模型,完成像素坐标系到世界坐标系的转换,介绍了ORB-SLAM2算法定位涉及的关键技术。通过水下理想环境试验,对ORB-SLAM2算法在水下定位性能进行了综合评价,通过海洋环境试验证明ORB-SLAM2算法可以有效对水下机器人进行实时定位。     

深空探测巡视器视觉导航定位方法研究与地面试验场验证

地外天体表面巡视器就位探测是深空探测研究的重要手段,其自主导航定位能力是任务开展的重要前提。本文主要对视觉导航方法中的视觉同时定位与地图构建(SLAM)方案开展应用研究。介绍了当下经典的视觉SLAM框架,并以具有代表性的ORB-SLAM3算法为例开展研究;分别利用公开数据集、深空探测地面模拟场数据进行试验验证,探索视觉导航定位算法在深空探测场景下的有效性。本文研究为我国后续开展长距离连续巡视任务提供参考。     

SLAM技术及其在测绘领域中的应用

即时定位与地图构建（SLAM）是机器人领域的关键技术之一。基于SLAM技术可以对视觉信息和激光雷达数据进行三维重建与地图构建,这些三维模型及地图在测绘领域有着广泛的应用,尤其是更加精确的三维模型数据,对于精确测量和高精度导航等方面有着重要的意义。因此,本文从测绘领域的视角对SLAM技术的发展、原理及其在测绘领域的应用进行了论述和讨论,且对SLAM技术在测绘领域的应用前景进行了展望,为国内外测绘和机器人方面的研究人员提供了重要参考。     

一种水平面估计的水域环境视觉SLAM算法

针对内河水域环境水面镜像极易受扰动产生扭曲形变，从而导致视觉SLAM位姿估计不准确的问题，提出匹配地图点和最大梯度估计的方法用于估计水平面位置，区分了水域环境和真实环境的地图点。提出了一种判断水域环境可靠性方法，用于决定追踪侧重于真实环境或全局环境；建图环节中保留水域环境的地图点，用于估计当前水面范围。基于USVInland数据集提供的内河水域场景测试表明，相比原ORB-SLAM3算法，该文算法在仿真平台运行速度比原算法多花费约10%的时间，但绝对轨迹误差平均降低了47%。     

场景语义感知的视障行人导航路径优化方法

针对现有视障行人出行辅助方法缺乏对环境感知和路径动态优化的有效结合，视障导航缺乏有效动态避障手段的问题，该文提出一种场景语义感知的视障行人导航路径优化方法。该方法根据双目视觉感知周边障碍物的位置及特征，结合场景语义信息和三维坐标建立视障人群与环境的局部感知地图模型，利用改进的人工势场算法动态规划视障行人安全路径。实验结果表明，该文构建的感知地图模型在10 m内的平均坐标误差为2.49%。相比A^*算法，改进人工势场算法的路径盲道利用率从7.85%提高到58.39%,最高路径碰撞系数从0.55降低到了0.24,具有更高的安全性和导航辅助能力。该方法能够有效增加视障行人导航方法的场景语义感知能力，提高视障导航路径规划的安全性。     

一种结合动态目标检测的视觉SLAM算法

针对目前视觉SLAM算法大多基于小区域静态环境,较少考虑实际场景常存在动态物体,从而导致视觉SLAM位姿估计不准确的问题。该文采用深度学习方法对图像进行语义分割,结合实时图像语义分割和基于稠密金字塔光流法的动态检测确定动态目标,消除了动态目标导致的SLAM特征点匹配误差,提高了视觉SLAM位姿估计的精度,解决了动态场景中视觉SLAM的不稳定性问题。同时,建图过程中,剔除运动物体构建出的地图点,构建静态地图。基于TUM数据集中动态场景测试表明,在室内动态场景下,该文算法绝对估计误差相较ORB-SLAM2算法平均减少92%,并且该文算法的速度与精度优于同类型的DS-SLAM算法。     

多镜头组合式相机的全景SLAM

同步定位与地图构建(simultaneous localization and mapping,SLAM)是摄影测量、计算机视觉和机器人学的研究热点,并广泛应用于移动测图系统、机器人、无人驾驶车等。本文提出一种针对多镜头组合式全景相机的基于特征的SLAM解决方案。首先,本文建立了鱼眼相机的高精度检校模型,以保证鱼眼相机与全景相机之间的高精度坐标转换;然后,将多镜头组合式全景成像模型嵌入SLAM的初始化、局部地图生成、关键帧选取、图优化等各个流程中。此外,考虑全景相机变形大、基线长的不利因素,本文在特征匹配、平差、特征点跟踪等SLAM的各个步骤都进行了针对性改进。本文在两套车载全景数据集共8000余张全景影像上进行试验。结果表明,本文所提出的全景SLAM很好地实现了全景相机的自动定位与地图构建功能,并达到了接近GPS参考的极高定位精度而无须借助GPS/IMU组合导航系统。相对于主流的基于平面相机的各类SLAM系统,如Mono-SLAM、Stereo-SLAM以及RGB-DSLAM,本文提出的全景SLAM可作为良好的补充,并为GPS信号失锁时的传感器定位提供廉价的自动解决方案。     

高精度无人机影像空三处理方法

针对无人机影像生产测绘产品时需要地面控制点数量多、外业工作量大的问题,提出无人机影像高精度空三处理方法研究。首先,通过引入构架航线,在无控制点、稀少控制点等不同情况下的进行改进的高精度GPS辅助空中三角测量;然后利用试验对无人机影像高精度空三处理方法的精度分析。结果表明,在稀少控制点情况下,利用改进的高精度GPS辅助空中三角测量方法能够满足1:2000比例尺地形测绘生产要求。     

无人机航摄方案计算机辅助设计研究

随着科技发展,无人机航空摄影测量以其实时性高、机动灵活、数据获取精度高的优势逐渐成为现代测绘技术的重要手段,在测绘领域发挥着越来越重要的作用.然而,当前无人机航摄方案设计书的制定主要依赖人工,未通过系统设备进行辅助完成,需要耗费大量的精力,难以满足无人机航摄的具体工作要求.针对上述问题,提出了利用计算机辅助设计无人机航空摄影测量方案的技术方法,在无人机航飞之前根据航区设计及相关参数制定一份方案设计书,方便工作人员对无人机飞行作业的可行性及安全性进行理论验证,提升了航摄方案设计的自动化过程,提高了工作效率,同时为开展摄影测量工作提供技术和安全保障.      

推车SLAM室内实景三维测图及应用

以推车SLAM移动测图系统NavVis为数据采集手段,简要介绍了其工作原理,并详细介绍了室内实景三维测图的技术流程,实现了室内三维实景地图的网络发布。同时,对该地图定制了兴趣点(POI)添加查询和室内导航路径规划两种应用功能。NavVis推车SLAM系统提供的从数据采集、数据处理、网络发布到地图应用的一整套解决方案,为室内推车SLAM的发展和高精度三维实景地图的制作提供了有益的参考。     

天狼星无人机大比例尺测图精度分析

无人机航测技术的发展已经日渐显著,越来越多的航测无人机野外作业可以满足大比例尺地形图精度要求,提高了作业效率。拓普康天狼星无人机具有高精度的航测系统,并在无人机航测领域内首次实现了无地面像控的测量方式,具有明显的可操作性优势。本文以1：500大比例尺测图精度要求为标准,对天狼星无人机小范围地形测图精度进行了验证分析,为相关航测项目需求提供参考。     

基于嵩山定标场的无人机数据快速成图应用

无人机作为一个高效的测绘平台,越来越多地被应用到生产作业中。研究无人机数据快速成图的技术基础,基于GPU加速的同名点匹配技术,并根据嵩山定标场的测绘需求进行试验。采用无人机获取的影像16 179张,结合场内高精度地面控制点,快速处理得到嵩山定标场约50km2的高精度数字正射影像图(DOM),精度为平面点位中误差2.7cm,约0.5个像素。通过试验验证基于无人机数据快速成图的高效率和高精度,同时为后续的国产卫星、大型航测相机、无人机等定标检校提供参考。     

机器人室内运动轨迹修正控制算法

移动机器人在室内的应用提升了人们的工作效率和生活品质,但针对移动机器人室内运动轨迹漂移误差,产业界一直没有较好的解决办法。为了在室内环境下实现机器人运动轨迹的高精度控制,本文结合基于LiDAR搭建的SLAM （simultaneous localization and mapping）功能模块,提出了一种机器人室内测图运动轨迹PID反馈修正控制方法,利用机器人的运动姿态、位置及设计轨迹的偏差设计了闭环模式的轨迹修正控制算法,显著提高了机器人室内作业的轨迹精度。针对机器人室内运动的几种典型轨迹,通过大量的机器人室内测图运动轨迹测试,进一步优化算法中的机器人运动控制参数,有效地减小了移动机器人室内运动轨迹的偏移。相对于依靠里程计定位的机器人室内运动控制系统,修正算法充分利用了激光雷达的定位定姿信息,满足了室内测图需求,得到了具备高可靠性和高稳定性的机器人室内精确运动控制方案。