检索结果-南通市图书馆

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

多线激光雷达发射与接收光学系统设计

多线激光雷达发射与接收光学系统设计

作者：王冬梅北京理工大学

学位级别：硕士

随着激光雷达在军用和民用等领域的不断发展,高精度、小体积、低成本的激光雷达的需求不断增加,对光学系统设计领域和相关配合领域提出了新的要求和挑战。对于多线激光雷达光学系统,实现高精度准直发射和回波信号精准会聚使激光雷达技... 详细信息

随着激光雷达在军用和民用等领域的不断发展,高精度、小体积、低成本的激光雷达的需求不断增加,对光学系统设计领域和相关配合领域提出了新的要求和挑战。对于多线激光雷达光学系统,实现高精度准直发射和回波信号精准会聚使激光雷达技术难点。针对上述设计难点,本文首先对半导体激光器的工作原理以及其发光光束特性,进行了深入研究。并针对以上难点设计了三种多线激光雷达发射光学系统,第一是基于MEMS镜的柱面镜准直光学系统,光束发散角为0.72mrad,发射光学效率为77.3%;第二是基于柱面镜准直式多线发射光学系统,准直出射光斑为长方形,将长方形激光光斑分成8份即实现了8线的激光光束发射,光束束散角为0.3mrad×1.2mrad,整体接收能量为73.55%;第三是在单个非球面准直发射基础上,采用八个激光光源与8个非球面组成的透镜阵列模式实现八线发射,最终得到束散角0.5mrad×2mrad的八线发射光学系统,发射能量为92.66%。三种设计束散角均优于目前市场中激光雷达发散角度。同时,接收部分本文设计了两种多线激光雷达接收光学系统,第一种是基于MEMS反射镜形式的大视场接收光学系统,结构简单,接收效率可达91.53%。第二种是基于阵列接收形式光学系统,通过采用望远镜物镜成像方式仿真并设计出了该系统。系统点列图最大为24.177μm小于艾里斑;波像差小于1/4λ;MTF＞0.9,各视场MTF在最大空间频率上接近衍射极限;可将远处激光光斑完全成像到阵列探测器上。

关键词：多线激光雷达发射光学系统接收光学系统 MEMS镜柱面透镜非球面镜望远物镜

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

一种基于多线激光雷达的无人艇避障系统设计

中国造船 2020年第S1期61卷 80-88页

作者：毕卫红孙迎坤谈木付广伟张保军燕山大学河北省特种光纤与光纤传感重点实验室秦皇岛066004

为了实现无人艇在复杂的海洋环境下能够顺利地躲避障碍物,并按照相应的设计路线进行自主航行的目的,完成了一种基于多线激光雷达的海上无人艇软硬件设计。利用多线激光雷达获得周围环境中的连续数据和无人艇实时的位姿信息,建立无人艇... 详细信息

为了实现无人艇在复杂的海洋环境下能够顺利地躲避障碍物,并按照相应的设计路线进行自主航行的目的,完成了一种基于多线激光雷达的海上无人艇软硬件设计。利用多线激光雷达获得周围环境中的连续数据和无人艇实时的位姿信息,建立无人艇所在位置的坐标系,对无人艇周围环境中的障碍物点云数据进行过滤、聚类和分割处理。在角度与距离上同时对障碍物进行分类,判断每个角度中障碍物的占比是否小于预设阈值,使用改进的A*算法对无人艇路径进行规划,使无人艇按照规定的路线航行。

关键词：无人艇多线激光雷达路径规划

旋转捷联惯导系统辅助的多线激光雷达新型SLAM方法

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

计算机科学 2022年第S2期49卷 961-965页

作者：吕润李冠宇亓霈钱伟行汪澜泽冯太萍南瑞集团有限公司(国网电力科学研究院有限公司) 南京211106 国电南瑞南京控制系统有限公司南京211106 南京师范大学电气与自动化工程学院南京210046

针对惯性传感器精度低下影响基于激光雷达/惯性信息融合的同时定位与建图(Simultaneous Localization and Mapping,SLAM)技术性能的问题,提出了一种旋转捷联惯导系统辅助下的多线激光雷达SLAM优化方案。该方案探讨了基于模糊自适应卡尔... 详细信息

针对惯性传感器精度低下影响基于激光雷达/惯性信息融合的同时定位与建图(Simultaneous Localization and Mapping,SLAM)技术性能的问题,提出了一种旋转捷联惯导系统辅助下的多线激光雷达SLAM优化方案。该方案探讨了基于模糊自适应卡尔曼滤波的旋转捷联惯导对准方法,在载体运动过程中完成载体姿态与惯性传感器误差的实时修正;在此基础上,将修正后的惯性传感器数据与激光雷达点云数据进行紧耦合模式下的信息融合,以提高载体在复杂场景中运动时定位与建图的精度和实时性。实验结果表明,基于旋转惯导与多线激光雷达信息融合的SLAM方案,在保证运算实时性的同时,有效提高了激光雷达/惯性里程计的定位性能,以及点云地图的准确性。

关键词：旋转惯导模糊自适应卡尔曼滤波多线激光雷达同步定位与建图激光雷达/惯性里程计

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于多线激光雷达的多目标跟踪方法研究

基于多线激光雷达的多目标跟踪方法研究

作者：储艺桂林电子科技大学

学位级别：硕士

在真实的交通环境中对周围的多个运动目标进行跟踪,经常容易出现前方的运动目标被遮挡或传感器被短暂遮挡等情况。这时传感器检测到的运动目标外形特征信息和质心坐标信息都会发生变化,进而导致对运动目标的跟踪出现不稳定甚至失效的问... 详细信息

在真实的交通环境中对周围的多个运动目标进行跟踪,经常容易出现前方的运动目标被遮挡或传感器被短暂遮挡等情况。这时传感器检测到的运动目标外形特征信息和质心坐标信息都会发生变化,进而导致对运动目标的跟踪出现不稳定甚至失效的问题。针对这一问题,本文对多目标跟踪的相关技术进行研究。（1）设计了基于多线激光雷达的检测目标遮挡等级以及分级依据。以汽车为主要研究对象,将基于多线激光雷达的检测目标分为无遮挡、轻度遮挡和重度遮挡三个等级。并通过实验确定了分级依据:遮挡前后检测目标激光点云的数量比值在70%以上时,检测目标为无遮挡状态;遮挡前后检测目标激光点云的数量比值在50%～70%之间时,检测目标为轻度遮挡状态;遮挡前后检测目标激光点云的数量比值在50%以下时,检测目标为重度遮挡状态。（2）改进数据关联算法,提高多目标跟踪在遮挡环境下的精度。首先使用跟踪双波门滤波算法,筛选出跟踪目标质心坐标一定范围内的检测目标,减少关联度的计算量。接着针对不同遮挡程度的检测目标,使用不同的关联度计算方法。对于没有遮挡的检测目标,参考Apollo提供的关联度计算方法;对于轻度遮挡的检测目标,使用基于端点坐标的关联度计算方法;对于重度遮挡的检测目标,不对其进行关联度计算。通过设置检测密度阈值和丢帧密度阈值方法,保证突然出现的障碍物不会成为立刻成为新的跟踪轨迹,短暂丢失检测目标或是出现重度遮挡的跟踪轨迹不会立刻消失。通过实验表明:当检测目标在轻度遮挡状态时,使用改进的数据关联算法比常用方法计算出的关联度准确率高5%到10%,且跟踪轨迹更加稳定。（3）将车辆的定位信息和检测目标信息融合,得到运动目标在全局坐标系下的坐标信息。利用全局坐标进行状态估计,避免了自动驾驶车辆给运动目标状态估计带来的影响。并通过实验验证了:使用全局坐标比雷达坐标能够更加准确的估计出运动目标的运动状态。其次利用改进交互式多模型算法,使得自动驾驶车辆可以同时对不同的模型进行跟踪。通过仿真对该算法计算出的运动目标状态与原数据进行比较。结果显示:该算法在运动目标进行直线和曲线运动时,均能够准确的获得目标的状态。

关键词：智能驾驶多线激光雷达多目标跟踪数据关联状态估计

基于深度学习和多线激光雷达的机器人导航方法研究与实现

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于深度学习和多线激光雷达的机器人导航方法研究与实现

作者：陈伟山东大学

学位级别：硕士

随着工业制造能力和人工智能技术的不断发展,移动机器人逐渐应用在了国防、工业、农业、服务业等各行各业,这要求移动机器人能够根据周围环境进行感知,并按照路线到达最终的目标点,同时在行驶过程中能够应对各种静态、动态障碍物。因此... 详细信息

随着工业制造能力和人工智能技术的不断发展,移动机器人逐渐应用在了国防、工业、农业、服务业等各行各业,这要求移动机器人能够根据周围环境进行感知,并按照路线到达最终的目标点,同时在行驶过程中能够应对各种静态、动态障碍物。因此,机器人的导航与避障问题引起了越来越多研究人员的注意。虽然在该领域已经有了许多经典的研究工作,但是其中大多数工作使用的是视觉传感器或单线激光雷达,视觉传感器对于光照等外界环境信息很敏感,而单线激光雷达只能获取一定高度的平面,无法完整地感知周围环境,这限制了机器人的泛化能力和感知范围。因此,本研究选择感知范围更广的多线激光雷达作为传感器。但是,一方面,现有的大多数使用多线激光雷达的工作是基于笛卡尔坐标系来对点云数据的鸟瞰图进行处理,将点云数据分配到网格中,由于靠近雷达的点密集,而远处点稀疏,最终会导致网格中点云数据分布不均匀。另一方面,在处理点云数据时往往只考虑到点云的位置信息,但是忽略了从传感器到该点之间的通路信息。此外,使用多线激光雷达的工作往往需要预先建立高精地图,高精地图的制作难度大、费时费力且需要人工标注和定期维护,增加了额外的工作负担并容易局限于结构化的场景中。本研究针对上述问题,提出了一种基于深度学习与多线激光雷达的机器人导航方法,能够在不依赖高精地图的情况下进行导航与避障。同时,本研究提出使用更符合激光雷达采集点云数据时的物理特点的极坐标系来代替笛卡尔坐标系,并将点云数据与可见度信息相结合,使用简化版本的PointNet和基于深度可分离卷积与注意力机制的U-Net将稀疏的点云数据构建成稠密的中间视觉表示——环形鸟瞰分割图,其能够提取出机器人周围360度的可行区域,并以一种鸟瞰分割图的形式表现。然后从中提取出各项表征环境的低维逻辑指标,用于后续的规划控制模块。在规划控制模块中,本研究基于逻辑指标针对各种场景设计了一套逻辑控制器,使得机器人的控制指令具有更好的解释性和安全性。此外,由于现有的点云标注工具多是直接对点云数据进行标注,难以应用于本研究的方法中,因此,本研究还设计了一个基于多线激光雷达的可行区域鸟瞰分割图标注工具。本文在Carla仿真平台中对上述提出的机器人导航系统进行了多种消融实验,并与一些经典工作进行了对比实验,本研究还在真实机器人SCOUT平台上进行部署,并在现实环境中进行了测试,最终证明本研究的方法面对静态、动态障碍物时都能够具有较好的避障性能。

关键词：深度学习多线激光雷达环形鸟瞰分割图机器人导航

基于多线激光雷达检测的智能跟随作业识别控制系统

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

大众标准化 2023年第7期 28-30页

作者：张岁寒陈凯张斌广东盈峰智能环卫科技有限公司广东佛山528000 长沙中联重科环境产业有限公司湖南长沙410000

在社区、公园、步行街等区域大型设备无法进入进行清扫保洁作业,绝大部分由人工进行清洁,作业方式效率低下。文章提出的智能自跟随方法使用多线激光雷达准确定位前方特定作业人员,定位精度高,在3m范围内定位精度达1 cm;文章通过分位数... 详细信息

在社区、公园、步行街等区域大型设备无法进入进行清扫保洁作业,绝大部分由人工进行清洁,作业方式效率低下。文章提出的智能自跟随方法使用多线激光雷达准确定位前方特定作业人员,定位精度高,在3m范围内定位精度达1 cm;文章通过分位数值Ω分段相应地设置DBSCAN中的Eps参数及MinPts参数,不同的Eps参数及MinPts参数可以更好地锁定跟踪目标,防止由于点云疏密变化造成的目标丢失,对跟踪点云有较好的聚类适用性,从而获得最佳的聚类效果,以提高跟踪准确率。

关键词：多线激光雷达智能自跟随环卫机器人 DBSCAN算法

基于多线激光雷达和单目相机的深度补全技术研究

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于多线激光雷达和单目相机的深度补全技术研究

作者：祝飞武汉大学

学位级别：硕士

场景深度信息的获取一直是计算机视觉和图像处理领域一个重要的研究方向,在一些具体应用领域,例如自动驾驶,SLAM,AR/VR,目标监控和导航决策等,深度信息可以帮助计算机视觉算法做出更精确的预测结果。但是现有的深度感知技术,包括被动视... 详细信息

场景深度信息的获取一直是计算机视觉和图像处理领域一个重要的研究方向,在一些具体应用领域,例如自动驾驶,SLAM,AR/VR,目标监控和导航决策等,深度信息可以帮助计算机视觉算法做出更精确的预测结果。但是现有的深度感知技术,包括被动视觉方案（单目深度估计,双目视觉）和主动感知方案（深度相机,三维激光雷达）都有其缺陷和局限性。为了克服现有的使用单一类型传感器获取深度信息的技术缺陷,本文提出了一种基于多线激光雷达和单目相机数据融合的深度补全技术,该算法融合了相机采集的彩色图像信息和多线激光雷达采集的稀疏深度信息预测得到高精度的深度图像。具体而言,本文提出的深度补全技术包含两个关键算法,第一个是激光雷达和单目相机之间外参标定算法。本文以棋盘格为标定物,提出了一种基于共面约束条件的外参初值求解和优化算法。第二个关键步骤是融合稀疏深度图和彩色图像输出稠密深度图的算法。本文从经典的编码器-解码器的卷积神经网络出发,提出了一种将彩色图像和稀疏图像的特征提取过程分开的网络结构,成功解决了像素深度补全的问题。本文主要的研究成果包括以下两个方面:（1）提出了一种基于共面约束条件的多线激光雷达和单目相机标定算法。该算法理论上只需要两个传感器在不同的位置和姿态下同时观测棋盘格三次就可以求解出它们之间的外参初值。同时,通过增加观测次数,该算法求解出的外参初值精度和稳定性都能得到提升。该算法还利用了激光点在棋盘平面上的条件进一步优化了外参初值,使得算法即使是在激光数据或者图像数据存在噪声时依然可以得到可靠的解。通过设计仿真实验和实际采集的数据实验,文章验证了初值求解算法和非线性优化算法的可行性和精度。（2）提出了一种基于编码器-解码器结构的深度卷积神经网络模型,用于融合稀疏深度图和彩色图像输出稠密深度图。该网络模型以残差编码器和残差解码器作为图像的特征提取和信息恢复模块,保证了网络的精度和收敛速度。同时,该模型将彩色图像和稀疏图像的特征提取过程分开,然后在编码器逐层合并,避免了两种数据训练过程中的相互干扰。这样的设计使得本文模型补全的深度图像物体轮廓清晰而且不会和背景重合。通过在公开数据集和实际采集上的定性分析实验和定量精度评定,文章验证了该模型能在不同场景和不同点云密度下取得很好的深度补全结果。

关键词：多线激光雷达单目相机外参标定深度补全卷积神经网络

基于多线激光雷达的移动机器人SLAM技术研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于多线激光雷达的移动机器人SLAM技术研究

作者：刘东洋哈尔滨工业大学

学位级别：硕士

随着科技的发展,机器人正在慢慢的走进大众的视野,移动机器人作为机器人家族的重要组成部分也在快速的发展,其中在未知环境中即时定位与地图构建是移动机器人后续导航以及环境感知的必要条件,是移动机器人最终走向全面智能化运动过程中... 详细信息

随着科技的发展,机器人正在慢慢的走进大众的视野,移动机器人作为机器人家族的重要组成部分也在快速的发展,其中在未知环境中即时定位与地图构建是移动机器人后续导航以及环境感知的必要条件,是移动机器人最终走向全面智能化运动过程中的关键性技术。本文针对室外无GPS的厂区环境,使用多线激光雷达为主要传感器,惯性测量单元作为辅助传感器,对厂区物流移动机器人的即时定位与环境地图构建问题进行研究。本文主要研究内容包括多线激光雷达原始数据预处理、帧间运动估计、环境地图构建及定位、算法对比及仿真验证四个部分。针对多线激光雷达采集到的点云数据存在运动畸变以及干扰点的问题,分析了运动畸变以及干扰点产生的原因,利用IMU的信息对激光点云的运动畸变进行了矫正,并使用一种基于深度图的办法有效的去除了干扰点。为了提高激光SLAM系统中相邻帧之间相对运动求解的精度,本文改进了传统的点云匹配求取相对运动的方法,使用多线激光雷达与IMU数据融合的办法来求取相邻帧之间的相对运动,通过数据集对比进行验证,该方法可以更加准确的求解出相邻帧之间的相对运动。在没有GPS提供绝对位置的条件下,机器人的定位误差会随时间累积逐渐增大。为了解决这一问题,本文使用一种基于位置约束与ICP约束联合判断的回环检测方法,并使用ISAM算法对检测到回环的位姿进行修正,有效的减小了移动机器人的定位误差。另外,改进了地图的更新方式,将地图分解为由关键帧位姿集合及关键帧对应点云集合的形式,在回环修正完成后对地图进行重新构建,有效的减小了地图重影的出现。使用KITTI数据集中的序列对本文方法以及LOAM方法在相对轨迹误差、绝对轨迹误差以及建图效果三个方面进行对比,证实本文方法要优于LOAM。同时,在Gazebo仿真环境中进行室外厂区环境以及室外物流机器人的仿真,并在该环境下对特征点提取、定位误差分析、建图效果以及算法耗时四个方面进行分析,结果表明,本文方法可以满足相应的指标。总之,本文改进了传统激光SLAM系统的定位精度和建图效果,并满足实际应用时实时定位的要求。

关键词：移动机器人多线激光雷达帧间运动估计 SLAM

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

融合多线激光雷达的视觉定位方法研究

融合多线激光雷达的视觉定位方法研究

作者：朱泽凡广东工业大学

学位级别：硕士

近几年来,基于传感器技术和控制技术的发展,机器人导航、虚拟现实、增强现实成为了工业界和学术界的研究热点。视觉传感器具有价格低、质量轻等特点,并且在手机等移动设备上大量部署,基于视觉传感器的定位方法成为热门的研究方向。在实... 详细信息

近几年来,基于传感器技术和控制技术的发展,机器人导航、虚拟现实、增强现实成为了工业界和学术界的研究热点。视觉传感器具有价格低、质量轻等特点,并且在手机等移动设备上大量部署,基于视觉传感器的定位方法成为热门的研究方向。在实际应用中,基于单目相机进行地图构建产生的点云地图的尺度信息缺失,复杂的室内环境会对视觉定位方法的正常运行造成较大的影响。本文针对以上问题,围绕复杂室内环境下视觉定位算法进行研究,主要工作如下:(1)对视觉SLAM、运动恢复结构(Sf M)和点云定位的国内外发展现状进行调研,以SIFT和ORB为例对特征点的提取和匹配方法进行分析,对2D-2D、2D-3D和3D-3D的特征匹配求解方法进行研究。(2)研究单目相机内参标定及其和多线激光雷达的外参标定原理和方法,并对基于多线激光雷达里程计的实现方法进行阐述。以多线激光雷达里程计算法输出的轨迹信息和外参标定结果为基础,提出一种融合多线激光雷达的点云地图尺度计算方法。(3)室内环境存在较多重复的纹理结构和移动物体,基于点云地图的定位方法容易出现定位错误和定位不准确的现象,针对这一现象,提出一种基于识别图的视觉定位方法。论文中提到的方法基于图像处理库Open CV和优化库Ceres在实际场景进行了实验,证明了本文方法的精确性和鲁棒性。论文的最后对全文进行总结,说明了研究的创新点和主要成果,指出了未来的研究方向。

关键词：多线激光雷达视觉定位识别图 SLAM SfM