基于声纳的水下机器人同时定位与地图构建技术研究

业分类-物理装置-一种扫地机器人的终端地图构建方法、终端设备及清扫系统.zip

行业分类-物理装置-一种高精度三维点云地图构建方法.zip

以相机作为输入的视觉同时定位与建图(SLAM)系统在地图构建过程中虽然可以保留点云的空间几何信息,但是并没有完全利用环境中物体的语义信息。针对这个问题,对当前主流视觉SLAM系统和基于Faster R-CNN、YOLO等神经网络结构的目标检测算法进行研究。并提出一种有效的点云分割方法,该方法引入支撑平面以提升分割结果的鲁棒性。最后在ORB-SLAM系统的基础上,结合YOLOv3算法进行环境场景的物体检测并保证构建的点云地图具有语义信息。实验结果表明,所提方法可以构建几何信息复杂的语义地图,从而可应用于无人车或机器人的导航工作中。

SLAM技术框架，内含自动驾驶学习资料

移动机器人的路径规划技术和同时定位与建图技术是机器人实现真正智能化的前提。针对该问题，本文设计实现了一个基于机器人操作系统（ROS）的解决方案。在定位与建图中使用开源软件包Gmapping提供的算法，用于完成机器人在陌生环境中的自定位与地图构建功能。同时利用软件包navigation提供的路径规划算法完成机器人在已知环境地图中的导航和自主避障的能力。最后在机器人操作系统提供的仿真工具Gazebo中模拟机器人的真实环境，完成该系统测试和验证。仿真实验表明，该系统能够很好地完成机器人在室内环境中的定位、建图和导航功能。

针对搜救机器人在灾后特征环境下同步定位与地图构建问题,提出了改进动态阎值分裂合并算法,与固定阎值算法相比提高了直线拟合的准确性。推导出匹配条件参数,通过比较始末点距离解决了误匹配,提高了匹配精度在此基础上,进行全局定位计算利用最小二乘法进行滤波处理,提高了定位精度通过仿真与模拟现场实验表明,本文方法能使提取的直线更准确地反映实际地形环境,完成二维栅格地图的实时创建任务。

针对煤矿井下无GPS环境下巡检机器人自主定位问题，研究了基于激光雷达的同步定位与地图构建方法。首先建立激光雷达观测模型和里程计预测模型，将机器人定位和地图构建的实际问题转换为概率数学模型的逻辑推理问题。同时采用自适应蒙特卡罗定位算法进行机器人实时位姿估计，提出了根据粒子权重（地图的匹配度）进行重采样的方法,以去除权重小的粒子，实现了用较少、较好粒子精确表达机器人位姿的后验概率分布，满足机器人利用传感器在栅格地图上实时定位的需求。通过对Fast-SLAM算法进行优化，减少了粒子数量，缓解了粒子耗散,提高了地图构建的精确性。实验结果表明，基于激光雷达的同步定位与地图构建方法有效解决了巡检机器人实时位姿估计和环境地图构建的问题，结合自适应蒙特卡罗定位算法和优化Fast-SLAM算法提高了机器人定位的自适应性和地图构建的精确性。

Gmapping的地图构建部分

分享SLAM地图构建与定位算法，含有卡尔曼滤波和粒子滤波器的程序,有需要的可以看看