激光SLAM精度测试场设计与实现

同时定位与地图构建（SLAM）系统在机器人、自动驾驶和移动测量等领域有广泛的应用，但目前系统精度的测试方法尚不完善。针对SLAM系统精度测试的实际需求，本文提出了一种SLAM高精度测试场的建立方法。首先建立三维控制网，然后利用三维激光扫描技术对环境信息进行采集，最终构建出用于测试SLAM系统精度的高精度三维点云特征库。试验结果表明，建立的三维点云特征库包含丰富的特征信息，具有真实地理坐标，精度达到毫米级，可以较好地满足SLAM精度测试的需求。     

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。     

水下视觉SLAM相机成像畸变纠正研究

针对水下视觉SLAM相机成像畸变问题,分析了水下机器人相机成像畸变原因,构建了纠正模型计算畸变系数以获取正确的像素坐标,实验证明在空气和水两种不同介质中,相机内参和畸变系数均有较大差异,而在不同水体中,仅畸变系数存在变化。表明在进行水下SLAM时,采用当前实验水体标定参数可以获取更好的定位和地图构建结果。     

背包、车载激光扫描结合无人机倾斜航测实践于社区全息数据采集

随着测绘地理信息使用需求的变化及测绘数据获取技术的进步,全息测绘成为新型基础测绘数据生产的一种思路。SLAM背包结合车载激光扫描系统以其灵活、全时、室内外一体、高精度及全息采集的方式,在地面及内部信息的获取中具有效率高、信息全的特点。与无人机倾斜航测相结合采集目标的全景三维信息,融合处理后可获得测区的全息数据,能为社区的信息化建设提供底图数据。本文通过在广东软件园采用GeoSLAM背包、Trimble MX9车载激光扫描系统及大疆M300无人机倾斜航测3种采集方法获取园区全息数据,然后进行标定、匹配、融合、分类和处理,开展要素化、实体化、三维化生产,形成园区的三维对象化地图数据,为智慧社区的位置服务、管理、展示提供了基础底图。试验结果表明,采用激光结合倾斜航测生产的社区全息地图,在丰富性、准确性、完整性、精度上均比传统的光电测距等方法生产的地图更优。     

室内移动测量系统在新型基础测绘中的应用

室内移动测量系统在北京市新型基础测绘体系空间实体建设中发挥着重要作用。本文提出了室内移动测量系统在新型基础测绘体系空间实体建设中的技术框架,该框架包括室内外数据采集、处理流程与方法、多源点云数据拼接与融合及一体化点云和全景影像数据在全要素三维建模中的应用。并以NavVis M6室内移动测量系统为试验设备,选取怀柔区金隅水泥厂地区作为开展北京市新型基础测绘的试点区域。结果表明,本文室内移动测量系统作业流程可满足新型基础测绘体系空间实体建设的需求。     

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。     

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。     

A survey on vision-based UAV navigation

Abstract

Research on unmanned aerial vehicles (UAV) has been increasingly popular in the past decades, and UAVs have been widely used in industrial inspection, remote sensing for mapping & surveying, rescuing, and so on. Nevertheless, the limited autonomous navigation capability severely hampers the application of UAVs in complex environments, such as GPS-denied areas. Previously, researchers mainly focused on the use of laser or radar sensors for UAV navigation. With the rapid development of computer vision, vision-based methods, which utilize cheaper and more flexible visual sensors, have shown great advantages in the field of UAV navigation. The purpose of this article is to present a comprehensive literature review of the vision-based methods for UAV navigation. Specifically on visual localization and mapping, obstacle avoidance and path planning, which compose the essential parts of visual navigation. Furthermore, throughout this article, we will have an insight into the prospect of the UAV navigation and the challenges to be faced.     

Survey of underwater robot positioning navigation

Underwater robot positioning and navigation achieve autonomous underwater robot movement based on the premise that positioning obtains the coordinates of the relative position of the underwater robot using a sensor, and navigation yields a known location to the destination path planning. Due to the location of an underwater robot and the complex and changing environment in which it operates, it is difficult to achieve precise positioning using the traditional positioning method. This paper systematically analyzes and summarizes several typical localization and navigation methods of underwater robots, such as multisensor information fusion technology, underwater acoustic localization and navigation methods, GPS buoy, underwater vision, SLAM and coordinate localization and navigation of multiple underwater robots. Multisensory information fusion technology integrates the advantages of the above methods, enhances the system stability and robustness, overcomes the disadvantages of traditional positioning and navigation, and enables the autonomous navigation and positioning of underwater robots. Underwater acoustics enable flexible and convenient positioning, whereas GPS can achieve high-precision and high-positioning navigation information, and visual positioning effectively overcomes the problem of error accumulation. Multirobot cooperative positioning resolves the problem of positioning failure caused by the collapse of a single system and completes complex tasks that cannot be completed by a single robot, thus enhancing the stability and robustness of the system. This paper systematically describes the realization of these methods, presents an actual analysis of their respective advantages and problems, and discusses the development of the field of research prospects and application prospects.     

基于图像语义分割的动态场景下的单目SLAM算法

在恢复场景信息和相机运动时,传统的SLAM算法是基于静态环境假设的。场景中的动态物体会降低算法的稳健性和最终的定位精度。本文提出将基于深度学习的图像语义分割技术与传统的视觉SLAM算法结合,以减少动态物体对定位结果的干扰。首先,构建有监督的卷积神经网络对输入图像中的动态物体进行分割,获得语义图像;然后,从原始图像中提取特征点,并根据语义图像剔除动态物体特征点,保留静态物体特征点;最后,利用静态物体特征点采用基于特征点的单目视觉SLAM算法对相机运动进行跟踪。在ApolloScape自动驾驶数据集上的试验表明,与传统方法相比,本文算法在动态场景中定位精度提升约17%。