检索规则说明:AND代表“并且”;OR代表“或者”;NOT代表“不包含”;(注意必须大写,运算符两边需空一格)
检 索 范 例 :范例一: (K=图书馆学 OR K=情报学) AND A=范并思 范例二:J=计算机应用与软件 AND (U=C++ OR U=Basic) NOT M=Visual
作 者:李燊阳 邓三鹏[1,2] 权利红 祁宇明 丁昊然[1,2] 刘天慧
机构地区:[1]天津职业技术师范大学机器人及智能装备研究院,天津300222 [2]天津市智能机器人技术及应用企业重点实验室,天津300350 [3]天津博诺智创机器人技术有限公司,天津300350
出 处:《机器人技术与应用》2023年第6期20-23,共4页Robot Technique and Application
基 金:天津市教委科研计划自然科学重点项目“基于数字孪生的机器人智能运维系统研究”(项目编号2022ZD026);天津市教委科研计划自然科学重点项目“智能移动写作机器人全景视觉伺服方法研究”(项目编号2022ZD032)的资助。
摘 要:针对光线强度对机器人视觉同步定位与地图构建(Simultaneous Localization and Mapping,SLAM)建图信息量、时效性和鲁棒性影响大的问题,提出一种基于激光雷达(Light Detection And Ranging,LiDAR)增强的视觉SLAM多机器人协作地图构建方法。在地图构建过程中,将LiDAR深度测量值集成到现有的特征点检测和特征描述子同步定位与地图构建(Oriented FAST and Rotated BRIEF-Simultaneous Localization and Mapping,ORB-SLAM3)算法中,利用改进的扩展卡尔曼滤波算法将激光雷达的高精度数据和视觉传感器的时序信息融合在一起,获得单个机器人的位姿状态,结合深度图进行单个机器人稠密点云地图的构建;利用关键帧跟踪模型和迭代最近点(Iterative Closest Point,ICP)算法得到存在共识关系的机器人之间的坐标转换关系,进而得到各机器人的世界坐标系,在世界坐标系中实现多机器人协作地图的融合与构建。在Gazebo仿真平台中实验验证了方法的时效性和鲁棒性。
关 键 词:ORB-SLAM3 多机器人协作SLAM 深度相机 激光雷达 传感器融合 卡尔曼滤波 稠密点云地图
分 类 号:TP242[自动化与计算机技术—检测技术与自动化装置] TN958.98[自动化与计算机技术—控制科学与工程]
正在载入数据...
正在载入数据...
正在载入数据...
正在载入数据...
正在载入数据...
正在载入数据...
正在载入数据...
正在链接到云南高校图书馆文献保障联盟下载...
云南高校图书馆联盟文献共享服务平台 版权所有©
您的IP:18.117.90.244