检索结果-南通市图书馆

作者：刘伟西华大学

学位级别：硕士

随着电商行业的快速发展,传统的物流运输技术已经无法满足时代需求,而物流无人化将会为仓储行业带来一次新的变革。其中,叉车式AGV因其载重大,效率高等优势在仓储行业备受青睐,而SLAM技术是叉车式AGV实现自主移动的关键。但是,现有的叉... 详细信息

随着电商行业的快速发展,传统的物流运输技术已经无法满足时代需求,而物流无人化将会为仓储行业带来一次新的变革。其中,叉车式AGV因其载重大,效率高等优势在仓储行业备受青睐,而SLAM技术是叉车式AGV实现自主移动的关键。但是,现有的叉车式AGV导航方案存在诸多局限性,不能满足叉车式AGV实现自主移动的需求,尤其是在动态场景中无法有效解决动态干扰问题。为此,本文使用多线激光雷达融合深度学习来实现叉车式AGV的定位与建图,同时,利用语义信息剔除场景中的动态物体,构建全局一致的语义稠密地图。本论文的主要工作如下:设计激光雷达安装结构,针对本文叉车式AGV的特定工作环境,对采集的16线激光雷达数据进行滤波处理,剔除数据中的离群点云,同时标注大量数据构建了一个真实场景下的车间Li DAR点云数据集。建立叉车式AGV运动模型和激光雷达观测模型,构建基于深度学习的点云语义分割网络并进行模型的训练。本文采用球面投影（Spherical projection）的方式将三维点云数据映射成二维距离图像（Range View）,然后基于Range Net++分割网络进行改进,引入CRF（Conditional Random Field）对Range View进行细化分割,得到带有类别标签的点云数据,对重建后的三维语义点云进行优化处理,并结合地图一致性检测将识别出的动态点云予以剔除。基于经典的激光SLAM框架,前端利用语义分割信息对传统的ICP算法进行优化,降低里程计位姿的估计误差,有效提高叉车式AGV的定位精度。同时,后端在基于图优化的方法上对位姿进行优化,并结合回环检测得到全局一致的语义稠密地图。在搭建的叉车式AGV实验平台上对本文采用的方法进行验证,并与经典的LOAM系列算法对比定位和动态建图效果,验证了本文方案的有效性。

关键词：叉车式AGV 多线激光雷达 SLAM 语义分割动态场景

基于多传感器融合的全向移动机器人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

基于多传感器融合的全向移动机器人SLAM技术研究

作者：张文斌济南大学

学位级别：硕士

伴随科技的蓬勃发展,机器人技术已经不再是一个新奇的东西了,而移动机器人作为机器人家庭中的重要一员,也在很迅猛的发展中,在未知环境中进行SLAM对移动机器人来说相当重要,SLAM也成为了移动机器人走向智能化进程中的重要技术。本文主... 详细信息

伴随科技的蓬勃发展,机器人技术已经不再是一个新奇的东西了,而移动机器人作为机器人家庭中的重要一员,也在很迅猛的发展中,在未知环境中进行SLAM对移动机器人来说相当重要,SLAM也成为了移动机器人走向智能化进程中的重要技术。本文主要是面向于户外的无GPS环境,采用了3D LiDAR与惯导IMU两种传感器,对移动机器人SLAM方面展开了研究。本文的主要研究内容主要包括四个部分:3D LiDAR原始数据处理、激光数据与IMU数据融合、环境地图构建、算法比较和实验验证。针对LiDAR采集的点云数据存在失真问题,对失真的主要原因进行了研究。为进一步提高激光SLAM系统中位姿变换计算的准确度,对IMU数据进行预积分,并将其差值到激光雷达点云数据中,实现点云数据与IMU数据对齐,构建了二者的误差函数,并进行联合求解,进一步提高了SLAM系统的准确度。对于传统地图构建存在重影、漂移严重的问题,使用关键帧进行子图匹配,针对有无回环的情况进行分别处理,从而实现对传统地图存在的问题进行优化。在无GPS信息条件下,机器人的测量误差会随着增大。为克服这一问题,本文采用基于ICP和位置约束的联合方法检测回环,并采用ISAM算法实现对回环进行误差消除,比较显著降低了移动机器人的定位误差。对本文算法及A-LOAM算法在多方面进行对比,证实本文算法建图效果明显高于A-LOAM算法。同时,在校园真实环境下采集数据,在此环境下,从特征点获取、定位误差分析、绘制效果肯定和算法时间复杂度四个方面进行了解析。实验研究,本文提出的实用的方法满足相应的具体指标,满足了实际生产过程中同步建图与实时定位的要求。

关键词：多传感器融合多线激光雷达惯性测量单元移动机器人麦克纳姆轮 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

双足机器人头部结构设计与SLAM算法研究

双足机器人头部结构设计与SLAM算法研究

作者：秦一伟华中科技大学

学位级别：硕士

双足机器人凭借其仿人的机械结构与运动特点,在非结构化环境中具有较强的适应能力。头部结构与SLAM算法是双足机器人的重要组成部分,应具备在大范围、非结构化场景中稳定运行的能力。本文在分析总结国内外机器人头部结构与SLAM算法研究... 详细信息

双足机器人凭借其仿人的机械结构与运动特点,在非结构化环境中具有较强的适应能力。头部结构与SLAM算法是双足机器人的重要组成部分,应具备在大范围、非结构化场景中稳定运行的能力。本文在分析总结国内外机器人头部结构与SLAM算法研究的基础上,针对本课题组研发的双足机器人,设计了基于激光雷达的头部结构与SLAM系统,主要工作如下:首先,设计了双足机器人头部结构并对其进行有限元分析。通过对双足机器人工作场景进行分析,明确了头部结构设计的指标,结合激光雷达硬件参数,确定了稳定器的选型。根据稳定器的尺寸,设计了头部平台结构,基于能量法明确了保护结构的设计尺寸,最终完成了双足机器人头部结构设计。使用Abaqus对头部结构进行有限元仿真分析,验证了保护结构的有效性。其次,针对目前主流3D激光SLAM算法存在的问题,提出了改进Le GOLOAM算法,使其满足本课题双足机器人的工作场景。针对Le GO-LOAM算法累计误差较大且存在重力矢量方向漂移的问题,本文提出了激光雷达融合IMU的算法,在位姿改变时提高匹配精度,并减少重力矢量方向的漂移。针对Le GO-LOAM算法回环检测粗糙、在大范围场景中地图难以闭合的问题,提出了基于SC描述因子的回环检测方法,优化Le GO-LOAM粗略的回环检测算法,使其在大范围场景依然能够完成回环检测。在KITTI数据集中测试改进算法,结果表明改进后的算法回环检测能力更强,IMU与激光雷达的融合减小了重力矢量方向的漂移,提高了地图的精度。然后,在校园实际场景中对本文设计的双足机器人头部SLAM系统进行了测试。实验结果表明本文设计的双足机器人头部SLAM系统能够精准的识别到回环场景,重力矢量方向的漂移更小,满足室外非结构化、大范围环境的建图需求,并能在地形变化的扰动下依然具备较强的稳定性。最后,对全文工作进行了总结,并对未来的研究方向进行了展望。

关键词：双足机器人多线激光雷达 SLAM 回环检测有限元分析

面向SLAM地图任意位置的定姿技术研究与实现

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

面向SLAM地图任意位置的定姿技术研究与实现

作者：吴官东南京理工大学

学位级别：硕士

机器人定姿技术用于确定机器人相对于世界坐标系的位置和朝向。随着3D SLAM技术的研究发展,面向3D SLAM地图的机器人定姿技术成为重要研究方向,信息量的增加对提高定姿的鲁棒性具有重要意义。本文以面向3D SLAM地图任意位置的机器人定... 详细信息

机器人定姿技术用于确定机器人相对于世界坐标系的位置和朝向。随着3D SLAM技术的研究发展,面向3D SLAM地图的机器人定姿技术成为重要研究方向,信息量的增加对提高定姿的鲁棒性具有重要意义。本文以面向3D SLAM地图任意位置的机器人定姿为目标,对基于点云全局描述子的初定位和位姿跟踪技术进行了研究,具体研究内容如下:针对机器人开机后的初定位问题,提出一种NODo S-GL全局定位方法。区别于已有的扫描与扫描的匹配方式,该方法以可行域栅格采样为基础,设计了新的扫描与局部地图的匹配方案。为了使得局部地图和单帧点云生成的描述子具有一致性,设计了统计内表面距离信息的NODo S描述子,以及具有旋转不变性的C-NODo S。定位时,首先利用KD-Tree完成C-NODo S粗匹配,得到候选帧集合,然后基于NODo S精匹配得到唯一的匹配帧,最后经局部点云配准得到定姿结果。KITTI数据集和实车平台上的实验结果表明,NODo S-GL能够取得较好的定位准确率和实时性。为了充分利用多线激光雷达感知数据提高位姿跟踪的稳定性,设计了基于全局描述子匹配观测模型的BOSS-MCL位姿跟踪方法。该方法提出了以极坐标方式统计周围障碍物结构信息的BOSS描述子,并设计了基于快速位运算的描述子相似度计算方法,借助描述子预生成策略提高粒子权值更新速度。通过实地环境下的对比实验数据可以看出,BOSS-MCL在位姿跟踪鲁棒性和实时性方面均有提升。本文最后搭建了阿克曼无人车自主导航系统。硬件方面使用编码器作为里程计,使用多线激光雷达作为环境感知传感器,使用工控机作为计算单元;导航软件方面以Cartographer和Le GO-LOAM构成SLAM模块;以NODo S-GL和BOSS-MCL构成定位模块,以A*和TEB构成规划模块;此外还设计了Nav Aid图形化应用程序用于地图编辑和任务管理。在真实道路环境下,无人车成功完成了自主导航和避障实验,表明本文提出的NODo S-GL全局定位方法、BOSS-MCL位姿跟踪方法,以及自主导航系统具有实际应用价值。

关键词：多线激光雷达全局描述子初定位位姿跟踪

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

室外无人扫地车路沿感知技术研究

室外无人扫地车路沿感知技术研究

作者：胡长安哈尔滨工业大学

学位级别：硕士

在基于多线激光的移动机器人路沿感知技术中,构建路沿特征是目前提取路沿的一个主要方式。本课题结合室外无人清扫车路况,利用神经网络学习路沿特征,进行路沿提取,并将路沿点作为激光SLAM的特征点,构建出室外无人扫地车的3D激光SLAM系... 详细信息

在基于多线激光的移动机器人路沿感知技术中,构建路沿特征是目前提取路沿的一个主要方式。本课题结合室外无人清扫车路况,利用神经网络学习路沿特征,进行路沿提取,并将路沿点作为激光SLAM的特征点,构建出室外无人扫地车的3D激光SLAM系统。根据课题研究内容,本文研究主要分为以下几个部分:基于多平面迭代的路面分割算法。本课题提出一种多平面迭代的路面分割算法对三维激光点云进行分割。由于原始点云数据量较大,很多空间点云冗余,而研究重心是路沿感知问题,因此需要将路面点云进行分离。由于实际路面存在明显但不绝对的平面几何特征,因此提出一种带有先验知识的平面模型估计方法去拟合路面,对路面点云进行估计,并且针对实际路面存在局部斜坡、凹坑等不平整问题,提出一种分段分割的思想,对每一小段的点云进行平面模型估计,最终拼接成一个完整路面。该算法能分离出含有直道、弯道、坡道和岔道的复杂路面,并且比传统的路面分割算法更稳定,分割速度更快。基于图卷积的路沿提取网路。提出一种图卷积网络用于路沿点提取(Road Curb Detection Net)RCDNet,将路沿点提取转化成点云分割问题。传统人工路沿特征具有很大的局限性,只能应对某一固定的路况,对多路况下的路沿提取准确度很低。针对路沿提取问题,本课题提出一种边缘图卷积、自动提取路沿特征的神经网络框架,通过将点云的局部信息和全局信息在高维空间进行融合,可以获取点云更多的邻域信息,实现每一点的分类,从而使网络对三维点云的分割精度更高。该网络框架能够稳定地对提取多种路况下的路沿点,并且具有很高的提取准确度。基于RCDNet的3D激光SLAM系统。一般特征点在环境特征较多的情况下提取更稳定和准确,结合无人车实际工况,由于路沿点连续、稳定性特点,提出将RCDNet网络提取的路沿点作为特征点的方法,可以更精确地构建激光里程计,并通过因子图优化的方法修正估计误差,实现室外无人扫地车的增量式地图构建。

关键词：路面分割路沿提取图卷积神经网络 3D激光SLAM 多线激光雷达

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

多传感器同步定位与地图构建技术研究

多传感器同步定位与地图构建技术研究

作者：王开鑫长春理工大学

学位级别：硕士

在移动机器人领域及智能驾驶领域,其关键技术之一就是同步定位与地图构建（Simultaneous localization and mapping,SLAM）技术。随着面临的场景越来越复杂和对定位技术的要求越来越高,基于单一传感器的定位技术在很多场合下其稳定性和... 详细信息

在移动机器人领域及智能驾驶领域,其关键技术之一就是同步定位与地图构建（Simultaneous localization and mapping,SLAM）技术。随着面临的场景越来越复杂和对定位技术的要求越来越高,基于单一传感器的定位技术在很多场合下其稳定性和建图精度都不能满足任务要求。本文提出了一种融合多线激光雷达、相机和IMU（Inertial measurement unit）的多传感器紧耦合SLAM技术,通过使用多个传感器的数据输入以获取更加丰富的环境特征,实现复杂环境下稳定性更好、精度更高的同步定位与地图构建的技术目标。首先,将多线激光雷达与相机进行联合标定,求解激光雷达与相机间的外参。由于相机采集的像素与激光雷达采集的点云具有稀疏性,很难找到点到点的对应关系,所以设计了面到面的匹配方法,在激光雷达采集的点云内分割一个特定三维平面,并在图像中找到与特定平面对应的像素平面,将像素平面的像素值恢复成空间三维点（简称3D点）。再使用点云配准算法求取3D点到3D点的变换矩阵,即可得到相机坐标系与激光雷达坐标系之间的外参矩阵,3D到3D的标定方式降低了因图像像素和点云的稀疏性造成的误差。另外,传感器之间需要进行时间戳对齐,则通过线性插值的方式解决传感器间的工作频率差异造成的时间不统一问题。最后,单目视觉的SLAM前端里程计和多线激光雷达SLAM的前端里程计进行位姿融合,融合后的里程计输出做为系统的前端里程计输出,后端优化的目标函数采用图像的特征信息和点云的几何特征信息共同建立的误差函数,利用图优化方式进行全局位姿优化,输出最优位姿估计,并使用滑动窗口对全局地图进行维护。本文通过相机与激光雷达的联合标定和线性插值算法,将相机与激光雷达的坐标系和传感器间的时间戳进行了统一,再结合相机的单目视觉SLAM算法和多线激光雷达的激光SLAM算法设计联合位姿估计算法,实现相机、IMU和多线激光雷达融合的紧耦合SLAM系统。实验结果表明,与LOAM（Lidar Odometry and Mapping）算法相比,本文设计的多传感器融合的SLAM系统在复杂环境下得到的位姿估计更加稳定,建图的精度更高。

关键词：多线激光雷达相机 IMU 多传感器融合 SLAM 位姿估计

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于雷达信息的道路与目标检测算法研究

基于雷达信息的道路与目标检测算法研究

作者：岳元琛南京理工大学

学位级别：硕士

近年来,无人驾驶技术发展迅速,无论是在民用领域还是军用领域都具有广阔的发展前景。环境感知是无人驾驶系统中至关重要的一个模块,本文主要针对环境感知中三项重要的任务开展研究工作,主要的研究成果和创新点如下:提出了一种基于多线... 详细信息

近年来,无人驾驶技术发展迅速,无论是在民用领域还是军用领域都具有广阔的发展前景。环境感知是无人驾驶系统中至关重要的一个模块,本文主要针对环境感知中三项重要的任务开展研究工作,主要的研究成果和创新点如下:提出了一种基于多线激光雷达的道路检测算法。通过栅格映射和统计高度分布的方法构建改进多属性栅格图,有效滤除空间内噪声点,并将栅格标记为正障碍、悬浮障碍和地面。然后,直接在栅格图中运用自适应圆弧区域搜索确定左右候选道边点,最后运用最小二乘法和改进RANSAC算法相结合的方法拟合道路边界。实验结果表明,算法在校园道路和KITTI道路集里的城市道路中都能有效检测出道边,具有很好的鲁棒性,并且可以满足无人车对道路检测精度和实时性的需求。针对环境感知中动态障碍物检测这一难点问题,提出了将毫米波雷达和多线激光雷达数据融合实现动态障碍检测的算法。首先,基于目标生命周期实现了毫米波雷达有效目标确定,得到了具有鲁棒性的测量数据,然后,运用扩展卡尔曼滤波实现目标运动状态估计。将毫米波雷达得到的动态目标点和激光雷达的多属性栅格图融合,通过聚类算法和边框模型构建得到标记有运动状态信息的动态障碍物方向边框,实现了动态障碍物检测功能。本算法有良好的实时性性能,在超车、会车等复杂决策任务中起到了重要作用。针对现有一些3D目标检测算法实时性和精度的不足,提出了一种新颖的基于深度神经网络的3D目标检测与识别算法。首先,通过栅格化映射的预处理方法,建立3D点云数据与2D栅格图之间的映射关系,并运用一个小型的点云特征提取网络实现栅格特征编码,将3D无序点云数据转化为了一个鸟瞰视角下的2D特征图。然后,运用图像目标检测中成熟的算法实现3D目标检测。在实验分析过程中,分析了一些关键参数的选择对实验结果的影响,并在最终的对比实验中证明本算法在多个类别中的检测精度超过了一些现有算法,并在算法执行速度上有很大提升。

关键词：多线激光雷达道路检测毫米波雷达动态障碍物检测 3D目标检测与识别深度神经网络

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

移动激光扫描测量系统集成与质量控制

移动激光扫描测量系统集成与质量控制

作者：俞德崎战略支援部队信息工程大学

学位级别：硕士

地理信息技术、通信技术、感知技术和超算技术是智慧城市建设的关键技术。其中,地理信息技术是采集数据和信息的关键,高效高速高精度的采集用于智慧城市建设所需的城市空间地理信息数据,是当前研究的热点问题。基于多传感器集成的移动... 详细信息

地理信息技术、通信技术、感知技术和超算技术是智慧城市建设的关键技术。其中,地理信息技术是采集数据和信息的关键,高效高速高精度的采集用于智慧城市建设所需的城市空间地理信息数据,是当前研究的热点问题。基于多传感器集成的移动激光扫描测量系统是城市空间地理信息采集的一项主要技术,是一种新兴的、综合的、高动态的测量手段,已广泛用于街景数据采集、市政管理和道路测量等。然而,在移动激光扫描测量系统普及和实际应用过程中还存在着不少问题:(1)一套完整的移动测量系统价格昂贵,使用成本较高;(2)多线激光雷达与惯导间的位置关系存在偏差,导致点云数据偏移;(3)复杂环境下系统点云数据质量下降严重。因此,降低移动测量系统的使用成本,研究多线激光雷达安置参数标定和复杂环境下点云数据精度的质量控制方法对移动激光扫描测量系统的普及和使用具有重要的实践意义。基于此本文完成的主要工作如下:1、详细梳理了移动测量系统集成在国内外发展的现状;总结了安置参数标定和移动测量系统点云数据质量改善的研究现状;对移动测量系统涉及的相关理论基础进行了介绍。2、完成了移动激光扫描测量系统设计集成和实现工作。对系统进行模块化分解完成了系统的整体设计,介绍了传感器选型策略,利用双天线测姿技术辅助IMU初始对准提高IMU测量精度;针对系统的时间基准统一问题,提出了基于秒脉冲触发的时间同步方法,介绍了插值算法;而后,对传感器进行了连接和系统外观设计集成;针对空间基准统一问题,推导了坐标转换过程,介绍了基于直接测量法的安置参数初值标定;对于多线激光雷达特有的数据格式,在分析数据解析方法的基础上,基于Matlab平台编写了数据解析程序;最后,通过路测实验验证了本文设计集成的移动激光扫描测量系统能够实现数据采集与数据融合的功能。3、研究了基于矩形标志的多线激光雷达安置参数一站式快速标定方法。针对多线激光雷达安置参数解算问题,在分析多线激光雷达的扫描特性和传统人工标志局限性的基础上,提出使用标准的矩形纸板作为人工标志,并以标志角点为公共点;对于点云中矩形标志角点的提取,提出利用随机抽样一致算法拟合点云中矩形标志边缘,以边缘交点作为矩形标志角点的方法,当拟合边缘无交点时,以边缘距离最近处连线中点为角点;对于安置参数解算利用基于Kabsch算法求解最优旋转矩阵和平移参数并与直接测量法得到的安置参数进行对比;最后,将求得的安置参数带入路测实验的数据融合过程,验证安置参数的准确性。4、研究复杂环境下移动测量系统点云数据质量的控制方法。针对单帧激光扫描数据的质量控制,提出顾及激光内参数点云改正的方法改善激光雷达测距误差,提出基于测量范围约束的点云滤波剔除原始点云中的冗余数据;针对点云点位精度改化,提出基于已知约束的数据驱动质量控制方法,利用全站仪测得的已知控制点与点云中控制点建立对应关系,构建坐标转换模型求解转换参数,用该参数直接改化点云数据,并分析控制点数量和分布对检核点坐标改化效果的影响;针对融合后点云数据质量控制,提出改进的k-近邻算法剔除离散点和基于协方差矩阵剔除体外孤点;最后,通过实验验证以上方法对于复杂环境下点云数据质量控制的有效性。

关键词：移动激光扫描测量系统质量控制多线激光雷达安置参数数据驱动