建圖
- 基于優(yōu)化Hector-SLAM算法的機(jī)器人自主導(dǎo)航系統(tǒng)設(shè)計(jì)
ng，實(shí)時定位與建圖）是機(jī)器人自主導(dǎo)航中的一項(xiàng)關(guān)鍵技術(shù)[6-7]，其是指機(jī)器人在未知環(huán)境中移動時，利用傳感器定位自身位姿，并基于位姿增量式構(gòu)建地圖。近年來，隨著激光雷達(dá)和中央處理器的性能不斷提升，學(xué)者們通過不斷改進(jìn)和優(yōu)化SLAM算法來滿足這些設(shè)備的性能需求。支奕琛等[8]提出了一種基于ZBar 算法和融合Cartographer-SLAM 與Hector-SLAM算法的方法，以實(shí)現(xiàn)對二維碼目標(biāo)點(diǎn)的識別和標(biāo)記。該方法先采用ZBar算法識別機(jī)器人的二維碼信息，
工程設(shè)計(jì)學(xué)報(bào) 2023年6期2024-01-08
- 一種融合IMU的手持旋軸激光雷達(dá)定位建圖方法
)隨著同步定位與建圖(Simultaneous Localization and Mappi-ng,SLAM)技術(shù)的不斷發(fā)展,其已經(jīng)廣泛應(yīng)用于2D/3D建圖、智能機(jī)器人導(dǎo)航等領(lǐng)域[1]。多數(shù)時間,機(jī)器人可以通過GPS、GNSS等設(shè)備獲取位置信息進(jìn)行定位。但當(dāng)機(jī)器人處在地下停車場、隧道等封閉環(huán)境時,GPS、GNSS設(shè)備定位便會失效。機(jī)器人無法獲得自身位置定位從而無法進(jìn)行導(dǎo)航任務(wù),而SLAM技術(shù)為此需求提供了一種解決方法[2]。激光SLAM通過激光雷達(dá)直接獲取
測控技術(shù) 2023年10期2023-11-08
- 基于改進(jìn)Gmapping的室內(nèi)ROS智能車同步定位與建圖系統(tǒng)設(shè)計(jì)
智能車同步定位與建圖系統(tǒng)設(shè)計(jì)閆 鵬，林迎春（電信科學(xué)技術(shù)第四研究所有限公司，陜西 西安 710061）室內(nèi)移動機(jī)器人是近年來研究的熱點(diǎn)問題，同步定位與建圖技術(shù)更是移動機(jī)器人的關(guān)鍵技術(shù)之一。為此文章設(shè)計(jì)了基于機(jī)器人操作系統(tǒng)（ROS）智能車的同步定位與建圖系統(tǒng)，以Gmapping為核心算法，首先采用電機(jī)編碼器構(gòu)建的里程計(jì)對單線激光雷達(dá)的每幀數(shù)據(jù)進(jìn)行運(yùn)動畸變補(bǔ)償，以運(yùn)動畸變補(bǔ)償后的激光雷達(dá)數(shù)據(jù)和里程計(jì)數(shù)據(jù)作為Gmapping算法輸入；然后通過Gmapping算法
汽車實(shí)用技術(shù) 2023年19期2023-10-19
- 換流站巡檢四足機(jī)器人建圖定位系統(tǒng)優(yōu)化
以及狹窄區(qū)域場景建圖定位較為困難,很難部署在換流站或復(fù)雜地形環(huán)境中[5]。因此研究一種智能機(jī)器人在換流站復(fù)雜環(huán)境中的建圖定位技術(shù)對于換流站無人巡檢發(fā)展具有重要意義。機(jī)器人在換流站中所處的環(huán)境往往是未知、難以預(yù)測的,要實(shí)現(xiàn)機(jī)器人在換流站中的自主導(dǎo)航巡檢,關(guān)鍵是要實(shí)現(xiàn)機(jī)器人在換流站中精確的建圖定位[6]。其中建圖的常用方式是采用實(shí)時定位與地圖構(gòu)建(simultaneous localization and mapping,SLAM)技術(shù),SLAM技術(shù)能夠?qū)崿F(xiàn)移
科學(xué)技術(shù)與工程 2023年21期2023-08-06
- 一種基于ROS的多傳感器融合地圖構(gòu)建方法
用基于同時定位與建圖（Simulta-neous Localization and Mapping，SLAM）的靜態(tài)地圖構(gòu)建方法，其作用是先控制機(jī)器人對周圍靜態(tài)環(huán)境感知，將周圍的障礙物等信息掃描識別［4］，然后標(biāo)注到楊蘊(yùn)秀等所構(gòu)建的二維柵格地圖里面［5］，其好處是機(jī)器人在特定環(huán)境的場景中進(jìn)行作業(yè)更加方便，可以提高后續(xù)路徑規(guī)劃與導(dǎo)航的效率。但由于機(jī)器人周圍環(huán)境障礙物結(jié)構(gòu)復(fù)雜，使用傳統(tǒng)方法在室內(nèi)建圖經(jīng)常會漏掃一些特征不明顯，形狀多樣的障礙物，如桌椅等鏤空障礙物
西安科技大學(xué)學(xué)報(bào) 2023年3期2023-07-15
- 復(fù)雜場景下移動機(jī)器人的SLAM與路徑規(guī)劃問題
和低漂移激光雷達(dá)建圖方法，實(shí)現(xiàn)了機(jī)器人位姿運(yùn)動估計(jì)的低漂移和低計(jì)算復(fù)雜度。2018年，Zhongze Liu等人[6]提出了一種實(shí)時6維度激光建圖定位方法，有效地降低了激光測深位姿累積誤差，并具有良好的建圖性能及有助于機(jī)器人完成路徑規(guī)劃。2020年，F(xiàn)UYU NIE等人[7]提出了一種改進(jìn)的激光回環(huán)檢測和修正系統(tǒng)通過對存在高掃描匹配誤差的子圖進(jìn)行分割，減少了地圖內(nèi)部的誤差。提高室內(nèi)復(fù)雜場景下的機(jī)器人導(dǎo)航精度，需要降低實(shí)時建圖與定位的累積誤差。其方法有多種，
計(jì)算機(jī)仿真 2023年2期2023-03-29
- 基于Nvidia Jetson的自主環(huán)境探測機(jī)器人的設(shè)計(jì)與實(shí)現(xiàn)
激光雷達(dá)的可自主建圖、導(dǎo)航、探測的履帶式機(jī)器人系統(tǒng)［2］。并通過gazebo軟件仿真和實(shí)際測試，能夠?qū)崿F(xiàn)復(fù)雜環(huán)境下的探測任務(wù)。1 機(jī)器人自主探測系統(tǒng)總體設(shè)計(jì)1.1 機(jī)器人系統(tǒng)總體設(shè)計(jì)方案機(jī)器人以STM32作為底層控制器，控制底盤的驅(qū)動電機(jī)、霍爾編碼器、IMU慣性傳感器模塊、電量檢測模塊等設(shè)備運(yùn)行。將機(jī)器人姿態(tài)傳感器數(shù)據(jù)和里程計(jì)信息以串口通信的方式傳送給主控制器進(jìn)行分析。為了滿足復(fù)雜環(huán)境下自主探測的功能，機(jī)器人以高性能的Nvidia Jetson NANO作
現(xiàn)代計(jì)算機(jī) 2023年1期2023-03-14
- 基于MEMS激光雷達(dá)的智能輪椅SLAM研究
達(dá)獲取的點(diǎn)云進(jìn)行建圖，可完成室內(nèi)外環(huán)境下的路徑規(guī)劃，這對于無人輪椅的研究有一定的借鑒意義。因此，針對現(xiàn)有輪椅的出行方式，為提高老年人生活、出行的便捷性，開展輪椅的導(dǎo)航研究對實(shí)現(xiàn)輪椅的智能化、提高老年人的出行質(zhì)量有重要意義。多傳感器融合的智能式輪椅將是未來的發(fā)展趨勢，目前國內(nèi)外正在開展有關(guān)智能輪椅的導(dǎo)航研究。丁佳偉[2]將腦機(jī)接口技術(shù)與SLAM技術(shù)進(jìn)行融合，將環(huán)境地圖構(gòu)建、自主避障、路徑規(guī)劃與導(dǎo)航技術(shù)加入到腦控輪椅中，實(shí)現(xiàn)腦控輪椅的自主導(dǎo)航。于福超等[3]設(shè)
測控技術(shù) 2023年2期2023-02-28
- 基于LeGO-LOAM的實(shí)際場景下的同步定位與建圖方法
學(xué)院周圍進(jìn)行實(shí)際建圖，以檢測算法優(yōu)化的可行性，從而更好地為無人車感知技術(shù)提供技術(shù)支持。1 LeGO-LOAM算法1.1 LOAM算法以及存在的問題使用高精度激光雷達(dá)進(jìn)行建圖，有時候不能滿足無人車對環(huán)境的實(shí)時測繪與定位的要求，且成本較高。研究者基于規(guī)則和廣義的 ICP的輕量級環(huán)路檢測和優(yōu)化算法，提出了基于廣義迭代最近點(diǎn)算法（Generalized ICP, GICP）的3D點(diǎn)云配準(zhǔn)的SLAM優(yōu)化方法，但定位和映射精度仍然需要提高。激光雷達(dá)里程計(jì)和建圖[3]（
汽車實(shí)用技術(shù) 2023年1期2023-01-31
- 面向煤礦巷道環(huán)境的LiDAR與IMU融合定位與建圖方法
，地面常規(guī)定位與建圖技術(shù)無法直接應(yīng)用，因此采用同時定位與地圖構(gòu)建（Simultaneous Localization and Mapping，SLAM）[7]技術(shù)輔助煤礦井下移動機(jī)器人執(zhí)行路徑規(guī)劃、自主探索、自主導(dǎo)航任務(wù)[8]?；赟LAM技術(shù)礦井機(jī)器人可以實(shí)時準(zhǔn)確地構(gòu)建煤礦井下三維地圖，該地圖可以靈活、可靠地輔助礦井機(jī)器人進(jìn)行智能導(dǎo)航和避障，并應(yīng)用于礦井下危險(xiǎn)區(qū)作業(yè)、自動巡檢、遠(yuǎn)程調(diào)度等領(lǐng)域，對實(shí)現(xiàn)智能化定位導(dǎo)航起著至關(guān)重要作用[9-10]。然而，在煤礦
工礦自動化 2022年12期2023-01-30
- 基于2D-SLAM 算法的機(jī)器人建圖定位分析
法對移動機(jī)器人的建圖定位進(jìn)行分析,并通過ROS(Robot Operating System)的仿真平臺Gazebo 搭建仿真環(huán)境,實(shí)現(xiàn)了SLAM 算法建圖定位仿真。 針對仿真存在的一些問題,本文同時引入了實(shí)物移動機(jī)器人平臺,進(jìn)行了Gmapping 方法和Hector SLAM 方法的建圖定位測試。 根據(jù)仿真以及實(shí)物測試結(jié)果,分析比較提出了更加適用于實(shí)際場景的SLAM 算法,為SLAM 算法的應(yīng)用提供了一種可靠方法。1 SLAM 技術(shù)發(fā)展現(xiàn)狀SLAM (S
無線互聯(lián)科技 2022年20期2022-12-28
- 基于ROS機(jī)器人的激光與視覺融合建圖方法*
雜環(huán)境中的定位和建圖精度。多傳感器信息融合作為一種可有效增強(qiáng)系統(tǒng)數(shù)據(jù)準(zhǔn)確性、提高數(shù)據(jù)利用率的信息處理技術(shù)，在機(jī)器人、醫(yī)學(xué)、目標(biāo)跟蹤、導(dǎo)航、圖像分析等方面獲得廣泛關(guān)注，因此國內(nèi)外專家學(xué)者已提出許多傳感器信息融合方法，MONTEMERLO、DOUCET等[1-2]使用基于粒子濾波器的SLAM方法，該算法近似得到機(jī)器人定位和建圖的概率密度，但方法會造成粒子種類減少，造成計(jì)算資源浪費(fèi)等問題，CASTELLANOS、莊嚴(yán)等[3-4]對激光雷達(dá)和單目相機(jī)融合SLAM進(jìn)
組合機(jī)床與自動化加工技術(shù) 2022年12期2022-12-21
- 基于激光SLAM 的綜采工作面實(shí)時三維建圖方法
法主要包括站點(diǎn)式建圖[3]和移動式建圖[4]。站點(diǎn)式建圖方法先將整個區(qū)域劃分成多個子區(qū)域，然后逐站掃描獲取激光點(diǎn)云，同時用全站儀測量各個站點(diǎn)的坐標(biāo)，最后結(jié)合激光點(diǎn)云和站點(diǎn)坐標(biāo)進(jìn)行整個區(qū)域的點(diǎn)云拼接。該方法所需時間較長，實(shí)效性較差，不能滿足綜采工作面實(shí)時建圖需求。移動式建圖方法主要采用激光雷達(dá)進(jìn)行實(shí)時掃描，利用慣導(dǎo)和里程計(jì)計(jì)算位姿，實(shí)現(xiàn)激光點(diǎn)云實(shí)時拼接[5-6]，進(jìn)而實(shí)現(xiàn)實(shí)時建圖。該方法依賴高精度的光纖慣導(dǎo)和里程計(jì)進(jìn)行位姿計(jì)算，而在實(shí)際工程實(shí)踐中里程計(jì)精度難
工礦自動化 2022年11期2022-12-07
- 基于激光雷達(dá)的輕量化定位與建圖方法
技術(shù)之一的定位與建圖技術(shù)越發(fā)重要。現(xiàn)有的定位方案主要為全球定位系統(tǒng)（Global Positioning Ststem, GPS）+慣性測量單元（Inertial Measurement Unit, IMU）的方案，然而在高樓林立、隧道等環(huán)境中GPS存在信號缺失問題，在這些場景中上述的定位方案無法達(dá)到良好的效果。激光雷達(dá)是穩(wěn)定性強(qiáng)的且能感知周圍環(huán)境的傳感器，在GPS信號不好的環(huán)境中，通過激光雷達(dá)的輔助定位可以提高定位系統(tǒng)的魯棒性，且通過其感知的周圍環(huán)境可以
汽車實(shí)用技術(shù) 2022年20期2022-11-02
- 基于ROS機(jī)器人的自主探索建圖算法研究
]?，F(xiàn)在大多數(shù)的建圖算法，例如Hector SLAM、Karto SLAM和Cartographer[5，6]等，都是通過人工手動、使用鍵盤或者游戲桿進(jìn)行控制機(jī)器人移動，通過激光雷達(dá)掃描地圖進(jìn)行構(gòu)建地圖[7]。在面對大而復(fù)雜的環(huán)境中，會比較消耗人力物力，因此機(jī)器人的自主探索建圖至關(guān)重要[8]。本文提出一種基于邊界探索的自主探索建圖算法，結(jié)合了Frontier_exploration和Gmapping算法，機(jī)器人操作系統(tǒng)(Robot Operating Sy
- 面向嵌入式平臺的單目ORB-SLAM稠密化建圖實(shí)現(xiàn)
提出了并行追蹤與建圖（parallel tracking and mapping，PTAM）方法[4]，提出并實(shí)現(xiàn)了跟蹤與建圖過程的并行化，并且PTAM是第一個使用非線性優(yōu)化，而非傳統(tǒng)的濾波器（如卡爾曼濾波[5]、粒子濾波[6]和組合濾波[7]）作為后端的方案。國內(nèi)學(xué)者在文獻(xiàn)[8]中對基于RGB-D的SLAM系統(tǒng)也進(jìn)行了深刻的研究。隨著PTAM的提出，許多優(yōu)秀的SLAM系統(tǒng)在其基礎(chǔ)上被設(shè)計(jì)出來，ORB-SLAM 正是PTAM 繼承者中最完善易用的SLAM
計(jì)算機(jī)工程與應(yīng)用 2022年16期2022-08-19
- 基于SLAM的無人機(jī)飛行參數(shù)設(shè)定方法研究*
種基于同時定位與建圖(Simultaneous Localization and Mapping，SLAM)[18-20]的林間無人機(jī)參數(shù)設(shè)定方法。使用3D LiDAR采集林間點(diǎn)云數(shù)據(jù)信息進(jìn)行SLAM建圖，使用SLAM建圖軌跡與GNSS-RTK軌跡進(jìn)行對比分析，根據(jù)其均方根誤差，實(shí)現(xiàn)雷達(dá)點(diǎn)云數(shù)據(jù)質(zhì)量的評測和無人機(jī)的最佳飛行高度與速度的設(shè)定。針對無人機(jī)上激光雷達(dá)在林間環(huán)境運(yùn)動的過程中會使點(diǎn)云產(chǎn)生運(yùn)動畸變，從而影響點(diǎn)云匹配正確率與SLAM建圖精度。本文使用SL
中國農(nóng)機(jī)化學(xué)報(bào) 2022年8期2022-08-12
- 基于Scan Context與NDT-ICP相融合的果園建圖方法研究*
與地圖構(gòu)建技術(shù)在建圖精度及魯棒性上有了很大程度的提升。根據(jù)傳感器類型可以將SLAM技術(shù)分為視覺SLAM與激光SLAM兩大類[4]。其中視覺SLAM借助視覺傳感器獲取環(huán)境信息，成本低、結(jié)構(gòu)簡單，但運(yùn)算量大，易受光照影響，不適用于農(nóng)田等光照變化明顯的環(huán)境[5-6]。激光SLAM技術(shù)相對成熟，測距準(zhǔn)確，受光照影響較小，且激光雷達(dá)相比相機(jī)、超聲波、紅外傳感器等具有抗干擾能力強(qiáng)、精度高、測量范圍廣等優(yōu)勢，更適用于果園環(huán)境[7-9]。目前，農(nóng)業(yè)機(jī)器人搭載激光雷達(dá)實(shí)現(xiàn)局
中國農(nóng)機(jī)化學(xué)報(bào) 2022年7期2022-06-27
- 基于AF和AS算法優(yōu)化的slam_gmapping研究
導(dǎo)航。即時定位與建圖（SLAM）技術(shù)為自主定位與導(dǎo)航提供了扎實(shí)的理論基礎(chǔ)。SLAM具體指機(jī)器人憑借自身的傳感器（激光雷達(dá)或者攝像頭等）感知環(huán)境信息，并進(jìn)行自主定位與建圖。SLAM技術(shù)最早由Smith等人[1]提出，之后一直受到相關(guān)行業(yè)研究者的關(guān)注。早期的濾波研究著重于卡爾曼濾波，但是人們逐漸意識到卡爾曼濾波在處理非線性、非高斯噪聲時的局限性[2]。因此，粒子濾波（Particle Filter，簡稱PF）應(yīng)運(yùn)而生。粒子濾波也叫順序蒙特卡洛方法，該方法是通過
江蘇理工學(xué)院學(xué)報(bào) 2022年2期2022-05-16
- 基于2D建圖算法的導(dǎo)航方法
在2D-SLAM建圖與路徑規(guī)劃的應(yīng)用方面研究較多，文獻(xiàn)[9-11]中機(jī)器人的里程計(jì)信息進(jìn)行坐標(biāo)變換后，利用Gmapping建圖算法可以實(shí)現(xiàn)在室內(nèi)小范圍地圖的建立;文獻(xiàn)[12]提出了一種基于多傳感器融合的室內(nèi)建圖和定位算法；文獻(xiàn)[13]中采用基于高斯牛頓法(Guass-Newton)的Hector建圖算法，不需要里程計(jì)的情況下可以建立出高精度的地圖；文獻(xiàn)[14]提出了一種實(shí)時定位和建圖前端優(yōu)化的解決方法；文獻(xiàn)[15-19]基于機(jī)器人操作系統(tǒng)(Robot Op
無線電工程 2022年4期2022-04-21
- SLAM自主導(dǎo)航系統(tǒng)設(shè)計(jì)
主探索協(xié)同定位與建圖（SLAM）自主導(dǎo)航系統(tǒng)設(shè)計(jì)成為當(dāng)今研究熱點(diǎn)。本文設(shè)計(jì)的自主導(dǎo)航系統(tǒng)是在基于ROS操作系統(tǒng)下的智行Mini平臺實(shí)現(xiàn)的，利用gmapping包，move_base包，amcl包，以及navigation包搭建了一套完整的建圖導(dǎo)航機(jī)器人系統(tǒng)，實(shí)現(xiàn)了建圖及自主導(dǎo)航功能。關(guān)鍵詞：SLAM;自主導(dǎo)航;ROS;建圖一、前言現(xiàn)代科技日新月異，人工智能技術(shù)作為科學(xué)技術(shù)的前沿和重要發(fā)展方向，已經(jīng)成為國內(nèi)外研究機(jī)構(gòu)、高新技術(shù)企業(yè)的熱門研究課題。高智能自主機(jī)
科教創(chuàng)新與實(shí)踐 2022年2期2022-04-20
- 基于ROS的室內(nèi)自主導(dǎo)航移動機(jī)器人系統(tǒng)實(shí)現(xiàn)
。隨著同時定位與建圖(simultaneous localization and mapping，SLAM)技術(shù)的發(fā)展，其技術(shù)迅速被運(yùn)用到機(jī)器人身上。2019年,在美國的TechCrunch AI+機(jī)器人大會上波士頓創(chuàng)始人暨CEO Marc Raibert展示了即將量產(chǎn)化的機(jī)器人SpotMini[1],展示其靈活性及其適用場景。SpotMini使用雙目攝像頭配合IMU通過3D SLAM技術(shù)實(shí)現(xiàn)定位。國內(nèi)的移動機(jī)器人產(chǎn)業(yè)起步時間雖然較短，但是在這一方面也取得
傳感器與微系統(tǒng) 2022年2期2022-02-28
- 荒野環(huán)境中的移動機(jī)器人定位方法研究*
的激光同時定位與建圖（Simultaneous Localization and Mapping，SLAM）方案以及基于圖優(yōu)化的激光SLAM。Smith R 等［1］提出了使用最大似然算法進(jìn)行數(shù)據(jù)關(guān)聯(lián)的擴(kuò)展卡爾曼濾波SLAM 方法（EKF-SLAM）。Montemerlo M 等［2］提出了Fast-SLAM 方法［2］，該方法將SLAM 問題分解成移動機(jī)器人的定位問題與已知移動機(jī)器人當(dāng)前位置條件下的地圖構(gòu)建問題。Grisetti G 等［3］提出了一種使
計(jì)算機(jī)與數(shù)字工程 2022年1期2022-02-16
- 融合里程計(jì)信息的農(nóng)業(yè)機(jī)器人定位與地圖構(gòu)建方法
Gmapping建圖算法，利用高頻率里程計(jì)信息為每一個激光束匹配到近似的機(jī)器人位姿，獲取機(jī)器人當(dāng)前位姿下更為精確的激光數(shù)據(jù)，以減少激光雷達(dá)運(yùn)動畸變對地圖構(gòu)建產(chǎn)生的影響。利用機(jī)器人搭載掃描頻率為5 Hz的RPLIDAR A1激光雷達(dá)在玉米田及香蕉園中進(jìn)行了SLAM建圖精度測試試驗(yàn)。試驗(yàn)結(jié)果表明，在長度為12 m左右的玉米田區(qū)域，Gmapping建圖算法的平均絕對誤差為0.06 m，該研究算法建圖平均絕對誤差為0.01 m，相比于Gmapping建圖算法降低了
農(nóng)業(yè)工程學(xué)報(bào) 2021年21期2022-01-27
- 一種改進(jìn)ORB特征匹配的半稠密三維重建ORB-SLAM算法
算法魯棒性良好，建圖誤差及運(yùn)算復(fù)雜度較低，自提出以來就一直是研究者們重點(diǎn)關(guān)注的對象。但是ORB-SLAM算法建立的是稀疏點(diǎn)云圖，只保留了圖像中特征點(diǎn)的一部分作為關(guān)鍵點(diǎn)，固定在空間中進(jìn)行定位，難以描繪地圖中障礙物的存在。故本文對單目ORB-SLAM算法進(jìn)行改進(jìn)，在ORB-SLAM框架基礎(chǔ)上，提出一種改進(jìn)的半稠密三維重建算法，并將建立的地圖同ORB-SLAM的建圖效果進(jìn)行對比。本文利用德國慕尼黑工業(yè)大學(xué)計(jì)算機(jī)視覺實(shí)驗(yàn)室發(fā)布的TUM數(shù)據(jù)集進(jìn)行仿真實(shí)驗(yàn)，證明本文所
電子科技 2021年12期2021-12-03
- 一種自動規(guī)劃路徑AGV機(jī)器人的設(shè)計(jì)
ctorSLAM建圖打滑現(xiàn)象產(chǎn)生的影響，并進(jìn)行基于A*算法和行為動力學(xué)的路徑規(guī)劃研究。實(shí)驗(yàn)結(jié)果表明，本AGV機(jī)器人能夠完成室內(nèi)環(huán)境的路徑自動規(guī)劃。關(guān)鍵詞：AGV;路徑規(guī)劃;建圖;環(huán)境本系統(tǒng)采用樹莓派4B處理器為主控制芯片，利用慣性測量單元（IMU）、輪式編碼器以及激光雷達(dá)作為導(dǎo)航數(shù)據(jù)源，進(jìn)行了相關(guān)的硬件設(shè)計(jì)。軟件部分基于機(jī)器人開源操作系統(tǒng)（Robot Operating System，ROS）平臺，對機(jī)器人的環(huán)境建模和路徑規(guī)劃進(jìn)行了研究。主要完成基于ROS
科技風(fēng) 2021年32期2021-11-30
- 一種自動規(guī)劃路徑AGV機(jī)器人的設(shè)計(jì)
GV;路徑規(guī)劃;建圖;環(huán)境本系統(tǒng)采用樹莓派4B處理器為主控制芯片，利用慣性測量單元（IMU）、輪式編碼器以及激光雷達(dá)作為導(dǎo)航數(shù)據(jù)源，進(jìn)行了相關(guān)的硬件設(shè)計(jì)。軟件部分基于機(jī)器人開源操作系統(tǒng)（Robot Operating System，ROS）平臺，對機(jī)器人的環(huán)境建模和路徑規(guī)劃進(jìn)行了研究。主要完成基于ROS的移動機(jī)器人平臺構(gòu)建、基于多傳感器信息融合的HectorSLAM環(huán)境地圖創(chuàng)建、基于A*算法和行為動力學(xué)方法的路徑規(guī)劃研究、基于ROS的移動機(jī)器人導(dǎo)航實(shí)驗(yàn)等。
科技風(fēng) 2021年31期2021-11-30
- 自適應(yīng)倉庫值守機(jī)器人
ing)技術(shù)進(jìn)行建圖,利用蒙特卡羅定位算法進(jìn)行定位,調(diào)用OpenCV 技術(shù)進(jìn)行場景識別等。但因這些技術(shù)對硬件要求較高,程序可移植性和兼容性較差,且當(dāng)面對陌生環(huán)境時需手動操作鍵盤建圖,故不適合進(jìn)行二次開發(fā)。如果在系統(tǒng)中加入控制器與傳感器數(shù)據(jù)采集模塊,就需要匹配操作系統(tǒng)協(xié)調(diào)并保證各個子程序的正常運(yùn)行,控制和交互信息的有效傳遞,以及異常和錯誤的及時處理等,否則很難實(shí)現(xiàn)復(fù)雜的應(yīng)用[3-4]。筆者利用光電傳感器返回的信號模擬鍵盤控制信號,結(jié)合SLAM 技術(shù)實(shí)現(xiàn)機(jī)器人
- 基于體素柵格濾波的點(diǎn)云地圖處理方法
征點(diǎn)應(yīng)用到最后的建圖算法中去。在建圖算法中，常使用濾波算法減少地圖中點(diǎn)云的數(shù)量以降低數(shù)據(jù)存儲壓力，這就導(dǎo)致最后生成的地圖中的點(diǎn)云更加稀疏。隨著多傳感器融合SLAM算法[4-7]的發(fā)展，激光雷達(dá)掃描得到的激光點(diǎn)或激光SLAM算法構(gòu)建的點(diǎn)云圖被應(yīng)用到視覺SLAM圖像像素深度值的獲取上。ChenMengxiao[8]等人提出使用2D激光雷達(dá)獲取3D點(diǎn)云并與圖像關(guān)鍵幀融合，利用基于相機(jī)的視覺SLAM回環(huán)進(jìn)行后端優(yōu)化，建立全局地圖。ZhangJi[9]等人提出了DE
電子制作 2021年13期2021-07-20
- 一種視覺SLAM單目半稠密建圖方法的實(shí)現(xiàn)
步邁向市場應(yīng)用。建圖作為SLAM的兩大目標(biāo)之一，可以滿足更多的應(yīng)用需求。本文在給定相機(jī)軌跡的情況下，提出一種視覺SLAM單目半稠密建圖方法，利用極線搜索和塊匹配技術(shù)，加入圖像變換和逆深度高斯深度濾波器處理，以期避免單目稠密建圖嚴(yán)重依賴紋理、計(jì)算量大的缺點(diǎn)，提高單目半稠密建圖的準(zhǔn)確性和魯棒性。經(jīng)測試顯示，改進(jìn)的單目半稠密建圖方法在檢測梯度變化明顯像素點(diǎn)上更加準(zhǔn)確，深度估計(jì)的平均誤差和平方誤差分別減少了9%和47%，是一種可行有效的視覺SLAM單目半稠密建圖解
智能計(jì)算機(jī)與應(yīng)用 2021年1期2021-07-11
- 面向觀測融合和吸引因子的多機(jī)器人主動SLAM
論的自適應(yīng)導(dǎo)航與建圖方法為主動SLAM奠定了基礎(chǔ)。文獻(xiàn)[10]，基于EKF提出局部子地圖的SLAM方法，證明局部子地圖與全局地圖相互獨(dú)立，機(jī)器人只維護(hù)自己所建立的子圖，然后周期性地將子圖融合到全局地圖中，但是其機(jī)器人的路徑事先指定，建圖過程中僅按規(guī)定路線進(jìn)行環(huán)境探索，因此缺乏多機(jī)協(xié)同。文獻(xiàn)[11]擴(kuò)展了基于局部子圖的多機(jī)器人主動SLAM方法，將主動SLAM問題轉(zhuǎn)為多目標(biāo)優(yōu)化問題，并通過EKF對子地圖進(jìn)行融合得到全局地圖。文獻(xiàn)[12]通過引入吸引因子，實(shí)現(xiàn)主
智能系統(tǒng)學(xué)報(bào) 2021年2期2021-07-05
- 森林消防用實(shí)時三維定位建圖系統(tǒng)*
雜環(huán)境的快速航拍建圖以及模式識別（如針葉、闊葉林木的識別）等難題需解決。為此，北京市安全生產(chǎn)科學(xué)技術(shù)研究院聯(lián)合北京清杉科技有限公司圍繞森林消防應(yīng)急場景中林木遮擋環(huán)境下消防人員定位難，以及在復(fù)雜非結(jié)構(gòu)化災(zāi)害現(xiàn)場三維地形和態(tài)勢信息無法及時獲取的難題[3-4]，研制了森林消防用實(shí)時三維定位建圖系統(tǒng)。該系統(tǒng)中存在多架搭載無線定位基站的無人機(jī)。無人機(jī)載無線定位基站通過互相測距實(shí)現(xiàn)實(shí)現(xiàn)自主時間同步及快速自組網(wǎng)，在公里級范圍的火場內(nèi)為救援人員提供定位服務(wù)，解決森林消防應(yīng)
機(jī)電工程技術(shù) 2021年5期2021-06-24
- 基于ROS的無人機(jī)占據(jù)地圖構(gòu)建方案設(shè)計(jì)
提任務(wù)，即定位與建圖[5]。最早源于機(jī)器人領(lǐng)域，Smith和Cheeseman便提出了同時定位與建圖(Simultaneous Localization and Mapping, SLAM)[6]，其目的是當(dāng)機(jī)器人在一個未知的環(huán)境中移動時能夠做到實(shí)時重建環(huán)境的三維結(jié)構(gòu)并同時估計(jì)自身的狀態(tài)和位置信息?，F(xiàn)有的無人機(jī)定位方式多依賴于全球定位系統(tǒng)(Global Positioning System，GPS)，倘若在GPS信號遮蔽嚴(yán)重的區(qū)域,這種方法便不再可靠甚至完
兵器裝備工程學(xué)報(bào) 2021年5期2021-06-02
- 無人駕駛車輛與移動機(jī)器人SLAM方法綜述
后端、閉環(huán)檢測、建圖五個部分所組成。傳感器和視覺里程計(jì)在視覺SLAM中屬于前端，傳感器主要用于環(huán)境信息的采集，視覺里程計(jì)的目的是根據(jù)傳感器將其采集到的圖像數(shù)據(jù)估計(jì)其位姿，后端是將視覺里程計(jì)所形成的不同時刻位姿信息整理優(yōu)化得到完整的環(huán)境地圖。閉環(huán)檢測環(huán)節(jié)是個反饋環(huán)節(jié)，它通過對傳感器、視覺里程計(jì)、后端三個環(huán)節(jié)的信息進(jìn)行比對來判斷機(jī)器人移動的位置是否存在漂移或重復(fù)，若存在則將其信息反饋至后端。經(jīng)過前四個環(huán)節(jié)后，得出最后的建圖信息。在實(shí)際使用當(dāng)中還需依據(jù)經(jīng)典框架進(jìn)
電子世界 2021年13期2021-04-09
- 激光雷達(dá)在智能汽車上的應(yīng)用
測;跟蹤和識別;建圖;匹配定位0 ? 引言節(jié)能環(huán)保、新能源汽車、智能汽車成為我國汽車發(fā)展方向，智能汽車主要是發(fā)展自主式智能汽車和網(wǎng)聯(lián)式智能汽車。自主式智能汽車和網(wǎng)聯(lián)式智能汽車要實(shí)現(xiàn)上述功能只裝配普通微波雷達(dá)是不能實(shí)現(xiàn)的，要實(shí)現(xiàn)上述功能，激光雷達(dá)是自主式智能汽車和網(wǎng)聯(lián)式智能汽車電氣系統(tǒng)控制系統(tǒng)中必不可少的元件。1 激光雷達(dá)在智能汽車上的作用1.1? 掃描式激光雷達(dá)目前能在智能汽車上使用的掃描式激光雷達(dá)有機(jī)械式旋轉(zhuǎn)激光雷達(dá)、微機(jī)電系統(tǒng)掃描式雷達(dá)和相控陣激光雷達(dá)
無線互聯(lián)科技 2021年23期2021-01-08
- 視覺與慣性傳感器融合的SLAM技術(shù)綜述
要：同時定位與建圖（SLAM）是指當(dāng)機(jī)器人在未知的環(huán)境中運(yùn)行時能夠自動繪制環(huán)境地圖，同時確定自身在地圖中的位置。融合視覺和慣性傳感器獲取的數(shù)據(jù)來實(shí)現(xiàn)實(shí)時的高精度和魯棒的SLAM，是當(dāng)前智能機(jī)器人領(lǐng)域的研究熱點(diǎn)。為了全面深入地認(rèn)識VI-SLAM系統(tǒng)，首先，分析了4種典型的VI-SLAM系統(tǒng);其次，綜述了視覺慣性里程計(jì)、定位和建圖技術(shù)方面的最新成果;再次，比較分析了VI-SLAM研究平臺;最后，總結(jié)展望了未來的發(fā)展趨勢。關(guān)鍵詞：SLAM;視覺慣性里程計(jì);定位
- 室內(nèi)環(huán)境下深度相機(jī)V-SLAM的稠密建圖
，視覺同步定位與建圖[1](V-SLAM)問題成為了機(jī)器人領(lǐng)域的熱點(diǎn)研究。由于傳感器中的深度相機(jī)可以直接獲取環(huán)境的彩色及深度信息，使得SLAM數(shù)據(jù)處理相對直接，所以深度相機(jī)被廣泛應(yīng)用于V-SLAM的地圖構(gòu)建[2,3]。韋蘭等[4]利用深度相機(jī)采集到的數(shù)據(jù)，結(jié)合圖像特征進(jìn)行閉環(huán)檢測和優(yōu)化，得到質(zhì)量較高的點(diǎn)云后，再進(jìn)行室內(nèi)稠密地圖重建。還有些學(xué)者利用SFM[5]來解決場景的稠密建圖問題，比如Kinect Fusion和Elastic Fusion，但其實(shí)現(xiàn)的平
計(jì)算機(jī)工程與設(shè)計(jì) 2020年9期2020-09-29
- 一種基于地磁信號的激光同時定位與建圖的閉環(huán)檢測方法
引 言同時定位與建圖(Simultaneous Localization and Mapping，SLAM)技術(shù)自 1988 年被提出以來，主要用于研究移動機(jī)器人的智能化。目前配備了激光雷達(dá)、攝像頭、慣性導(dǎo)航模塊(Inertial Measurement Unit，IMU)等關(guān)鍵傳感設(shè)備的智能載體借助 SLAM 技術(shù)已經(jīng)能滿足室內(nèi)場景的自主導(dǎo)航任務(wù)[1]。SLAM 技術(shù)是在未知環(huán)境中實(shí)現(xiàn)自主定位的關(guān)鍵技術(shù)，而基于激光雷達(dá)同時定位與地圖構(gòu)建(激光 SLAM)
集成技術(shù) 2020年5期2020-09-28
- 一種基于高效邊界探索的機(jī)器人自主建圖方法
感器的同步定位與建圖(Simultaneous Localization and Mapping，SLAM)[2-3]技術(shù)建立外界環(huán)境在機(jī)器人內(nèi)部表示的地圖，用于后續(xù)導(dǎo)航[4-5]。但是傳統(tǒng)機(jī)器人建圖的方式是人工手動或使用鍵盤、游戲桿控制機(jī)器人移動，在面對大而復(fù)雜的室內(nèi)環(huán)境時會浪費(fèi)時間、人力、物力[6]。因此使機(jī)器人脫離人為控制，實(shí)現(xiàn)自主探索建圖路徑具有重要意義[7-8]。機(jī)器人自主探索建圖是一種基于SLAM算法和路徑規(guī)劃算法，自主尋找有建圖路徑的目標(biāo)點(diǎn)以
廣東工業(yè)大學(xué)學(xué)報(bào) 2020年5期2020-09-26
- 多傳感器融合SLAM的研究與實(shí)現(xiàn)
技術(shù);自主導(dǎo)航;建圖一、前言近幾年，無人機(jī)自主導(dǎo)航、自動駕駛、移動機(jī)器人等領(lǐng)域蓬勃發(fā)展，智能移動物體的定位問題尤為重要，在基于GPS的定位技術(shù)不可用的環(huán)境下，SLAM（Simultaneous Localization and Mapping）技術(shù)的發(fā)展逐漸興起，其中文譯名為同步定位于地圖構(gòu)建。SLAM技術(shù)的提出是為了解決運(yùn)動物體的定位與建圖問題，該問題可以具體描述為：在完全未知的環(huán)境中，運(yùn)動物體通過自身配備的環(huán)境傳感器在緩慢移動的同時逐步構(gòu)建環(huán)境特征地圖
看世界·學(xué)術(shù)下半月 2020年7期2020-09-10
- 基于車身傳感器的自主泊車建圖與定位功能實(shí)現(xiàn)
傳感器的自主泊車建圖與定位功能實(shí)現(xiàn)展開探討，先分析主流定位方案的利弊，接下來基于車身傳感器確定方案思路，最后研究建圖和定位系統(tǒng)的設(shè)計(jì)過程，測試實(shí)際的定位效果，希望為自動泊車系統(tǒng)今后的研發(fā)提供一定參考借鑒。Abstract： With the improvement of the level of technology， the automobile manufacturing industry is gradually developing towards
內(nèi)燃機(jī)與配件 2020年23期2020-09-10
- 2D激光slam算法在室內(nèi)建圖對比研究
地圖的精度更高，建圖效果優(yōu)于Hector算法。關(guān)鍵詞：激光SLAM;gmapping算法;室內(nèi);建圖0 ?引言SLAM 技術(shù)發(fā)展到現(xiàn)在已經(jīng)經(jīng)過了30多年，涉及的技術(shù)領(lǐng)域眾多。其中需要多個步驟來完成，如今多樣化的算法為實(shí)現(xiàn)這些步驟提供了多種選擇，SLAM技術(shù)也是如今無人駕駛與機(jī)器人領(lǐng)域的研究的熱點(diǎn)話題。SLAM（Simultaneous Localization and Mapping），中文翻譯為同步定位與地圖創(chuàng)建。SLAM主要解決以下的問題：當(dāng)處于未知環(huán)
內(nèi)燃機(jī)與配件 2020年1期2020-09-10
- 融合反光柱的2D 激光SLAM 和高精度定位系統(tǒng)
2D SLAM 建圖系統(tǒng)，如 GMapping[1]、Hector SLAM[2]和 Cartographer[3]等?；谝呀?jīng)重建好的地圖，定位系統(tǒng)在環(huán)境中的位姿（此時只定位，不建圖）稱為純定位。在過去的幾十年中，研究人員提出了許多基于濾波的純定位方法，如AMCL[4]、NDT-MCL[5]和 Kalman Filter[6]等。在這些系統(tǒng)中，采用KLD 方法的AMCL 被廣泛使用。上述基于激光的2D SLAM 建圖和定位系統(tǒng)，在特征豐富的場景中，可以穩(wěn)
現(xiàn)代計(jì)算機(jī) 2020年11期2020-05-20
- 基于ROS的激光SLAM室內(nèi)建圖定位導(dǎo)航智能機(jī)器人設(shè)計(jì)
機(jī)器人操作系統(tǒng);建圖;導(dǎo)航;定位1? ? 機(jī)器人研究現(xiàn)狀及發(fā)展方向近年來，隨著計(jì)算機(jī)視覺和人工智能等高新技術(shù)的逐漸成熟，其被越來越廣泛地應(yīng)用于人們生活中的每個角落。移動機(jī)器人在各個領(lǐng)域都有著很大的市場需求，使得相關(guān)技術(shù)有著更深入地研究和應(yīng)用。在國防領(lǐng)域里，無人戰(zhàn)機(jī)、無人執(zhí)勤車等被用于情報(bào)收集和地形勘探，減少戰(zhàn)爭風(fēng)險(xiǎn)。在家庭和商業(yè)中心，掃地機(jī)器人、服務(wù)機(jī)器人和安保機(jī)器人給人們帶來便捷服務(wù)的同時還可以減少人力成本。在物流領(lǐng)域里，搬運(yùn)小車更是成為當(dāng)中不可或缺的一
無線互聯(lián)科技 2020年4期2020-04-22
- 基于ROS的服務(wù)機(jī)器人的兩種建圖方法比較研究與實(shí)踐
一般低特征環(huán)境下建圖效果優(yōu)于Hector SLAM算法。關(guān)鍵詞：機(jī)器人操作系統(tǒng);地圖創(chuàng)建;建圖算法中圖分類號：TP242? ? ? 文獻(xiàn)標(biāo)識碼：A 文章編號：2096-4706（2020）01-0160-03Abstract：Based on the robot operating system，this paper uses lidar and odometer to collect indoor environmental information，an
現(xiàn)代信息科技 2020年1期2020-04-10
- 一種優(yōu)化的SLAM變電站復(fù)雜環(huán)境地圖構(gòu)建
術(shù)實(shí)現(xiàn)同時定位與建圖。目前激光SLAM主要應(yīng)用在移動機(jī)器人定位和導(dǎo)航、無人駕駛和測繪等領(lǐng)域[1]。國外的TU Munich公司的LSD-SLAM和Zaragoza大學(xué)的ORB-SLAM功能都十分完善和穩(wěn)定，國內(nèi)SLAM起步較晚，目前有思嵐科技、百度等多個公司研發(fā)。現(xiàn)有的激光SLAM主要有基于濾波和基于圖優(yōu)化兩種技術(shù)?；诳柭鼮V波的SLAM主要有EKF擴(kuò)展卡爾曼濾波(extended Kalman filter，EKF)、UKF無跡卡爾曼濾波(unscen
- 基于ROS系統(tǒng)移動機(jī)器人SLAM算法的研究與實(shí)現(xiàn)
有自主定位、自主建圖、自動導(dǎo)航的智能機(jī)器人。在未來，無人駕駛汽車、巡檢機(jī)器人等設(shè)備的發(fā)展都需要用到機(jī)器人的路徑規(guī)劃與自主導(dǎo)航功能。因此，移動機(jī)器人的自主導(dǎo)航能力至關(guān)重要。本文利用SLAM技術(shù)實(shí)現(xiàn)移動中的不斷自主定位，同時把對環(huán)境的感知建立起全局的地圖，移動機(jī)器人便可以通過算法制定最優(yōu)的路徑。1 ROS系統(tǒng)與SLAM技術(shù)簡介Robot Operating System簡稱ROS，是一個機(jī)器人軟件平臺。ROS在機(jī)器人項(xiàng)目開發(fā)的過程中提供了大量的實(shí)用工具和pac
技術(shù)與市場 2020年7期2020-03-03
- 基于激光點(diǎn)云NDT特征的兩步回環(huán)檢測
引 言同時定位與建圖(simultaneous localization and mapping,SLAM)問題可以描述為機(jī)器人在未知環(huán)境中從一個未知位置開始移動,在移動過程中根據(jù)位置估計(jì)和地圖進(jìn)行自身定位,同時在自身定位的基礎(chǔ)上建造增量式地圖,實(shí)現(xiàn)機(jī)器人的自主定位和導(dǎo)航。1986年，在舊金山舉行的ICRA會議上首次提出將基于概率的估算方法應(yīng)用于局部地圖構(gòu)建[1]。1985年Cheeseman和Smith撰寫的文章創(chuàng)立的原理可作為求解SLAM問題的數(shù)學(xué)基礎(chǔ)
激光與紅外 2020年1期2020-02-19
- 基于激光SLAM的導(dǎo)航車軟硬件系統(tǒng)
用到機(jī)器人定位與建圖。1987年，Smith Self和Cheesman提出了基于卡爾曼濾波的SLAM算法?；诳柭鼮V波器的 SLAM 算法主要是通過卡爾曼濾波器對機(jī)器人的位姿信息不斷的估計(jì)和更新，利用里程計(jì)估計(jì)機(jī)器人所走軌跡以及機(jī)器人此時的位姿，激光測距采集的觀測數(shù)據(jù)作為機(jī)器人的真實(shí)位姿加入卡爾曼濾波器的計(jì)算中，不斷校正機(jī)器人對自身位置的估計(jì)，使估計(jì)量不斷接近真實(shí)狀態(tài)[4]。但在實(shí)際運(yùn)用過程中，不管怎樣改進(jìn)和調(diào)整濾波方程，基于卡爾曼濾波器的 SLAM
電子技術(shù)與軟件工程 2019年15期2019-10-08
- 慣導(dǎo)衛(wèi)星組合導(dǎo)航輔助的視覺導(dǎo)盲儀定位建圖
而視覺即時定位與建圖(visual simultaneous localization and mapping，VSLAM)算法被認(rèn)為是實(shí)現(xiàn)移動機(jī)器人真正自主的關(guān)鍵[3-4]，能夠提供位姿和環(huán)境地圖，已成為研制視覺導(dǎo)盲儀的關(guān)鍵技術(shù)。目前，VSLAM已經(jīng)能夠?qū)崿F(xiàn)小范圍內(nèi)的定位與建圖[5-6]，但在大范圍場景中，還存在魯棒性差和誤差累計(jì)的問題。有研究者提出采用視覺與慣性器件組合來提高VSLAM的魯棒性[7-9]，通過融合不包含累積誤差的測量數(shù)據(jù)來消除視VSLA
自動化儀表 2019年1期2019-01-30
- 基于ROS的機(jī)器人室內(nèi)巡檢技術(shù)仿真
于機(jī)器人的定位與建圖以及路徑規(guī)劃中。唐恒博等[3]通過設(shè)計(jì)一種里程計(jì)與定位針路標(biāo)融合的方法來提高巡檢機(jī)器人的定位精度。Zhu等[4]針對目前巡檢機(jī)器人使用的磁導(dǎo)航和RFID停車系統(tǒng)的不足，設(shè)計(jì)了激光導(dǎo)航系統(tǒng)，并完成了定位與建圖的實(shí)驗(yàn)，使得機(jī)器人的自主性大大增強(qiáng)。但巡檢機(jī)器人應(yīng)用于室內(nèi)的研究鮮有提到。因?yàn)槭覂?nèi)機(jī)器人不可采用GPS進(jìn)行定位導(dǎo)航，故室內(nèi)機(jī)器人大多以磁導(dǎo)航為主進(jìn)行室內(nèi)巡檢，該方案缺乏靈活性，機(jī)器人無法自主規(guī)劃路徑，且只能感知部分室內(nèi)環(huán)境。通過融合同
- 開放式環(huán)境下變電站機(jī)器人SLAM算法研究
增大。同時定位與建圖(Simultaneous Location and Mapping，SLAM)最先是由Smith和Cheeseman提出的，由于其重要的理論研究以及實(shí)際應(yīng)用價(jià)值，被認(rèn)為是實(shí)現(xiàn)機(jī)器人自我定位及導(dǎo)航的關(guān)鍵，因此也成為了該領(lǐng)域的研究熱點(diǎn)[1]。對于SLAM問題的求解，經(jīng)歷了從卡爾曼濾波，到擴(kuò)展卡爾曼濾波等延伸算法，最后到粒子濾波的過程[2-6]?？柭鼮V波因其自身特性，無法有效處理非高斯、非線性情況，而粒子濾波則無此限制。所以，近年來，粒子
網(wǎng)絡(luò)安全與數(shù)據(jù)管理 2018年3期2018-04-20
- 變電站巡檢機(jī)器人激光建圖系統(tǒng)設(shè)計(jì)
站巡檢機(jī)器人激光建圖系統(tǒng)設(shè)計(jì)王振祥1，李建祥2，肖 鵬2（1.中交機(jī)電工程局有限公司，北京 100088；2.山東魯能智能技術(shù)有限公司，山東 濟(jì)南 250101）基于環(huán)境地圖的機(jī)器人導(dǎo)航系統(tǒng)已經(jīng)得到了越來越多的應(yīng)用，針對傳統(tǒng)變電站巡檢機(jī)器人導(dǎo)航方式存在的不足，設(shè)計(jì)了變電站巡檢機(jī)器人激光建圖系統(tǒng)。首先介紹了系統(tǒng)的組成結(jié)構(gòu)，之后著重對地圖創(chuàng)建算法進(jìn)行了詳細(xì)描述，并搭建了原型系統(tǒng)。最后，為驗(yàn)證系統(tǒng)性能，在500 kV變電站現(xiàn)場對系統(tǒng)功能進(jìn)行了測試。測試結(jié)果表明，
山東電力技術(shù) 2017年6期2017-07-19