不依赖于卫星的无人系统视觉/激光雷达感知与自主导航技术

智能化的无人系统在现代社会中起着重要作用,而对环境信息的准确感知以及自身位置的精准估计是无人系统智能、高效执行任务的核心基础,视觉与激光雷达传感器是无人系统常用的感知与导航传感器.近年来,随着应用场景的拓展,无卫星信号、无光等恶劣环境对无人系统的感知与自主导航技术提出了新的挑战.针对上述环境,对无人系统中视觉/激光雷达感知技术与自主导航技术及其进展进行了分析和总结.从感知和导航定位两个应用层面出发,深入讨论和分析了基于视觉和激光雷达手段的深度估计、目标检测、自主导航、地图构建等技术的机理差异、实现方法及特性.分析了目前国内外研究成果及进展,总结对比了目前的技术特点与局限性,并展望了未来无人系统感知与导航的关键技术挑战与发展趋势.     

RGB-D SLAM综述

RGB-D SLAM是指使用RGB-D相机作为视觉传感器,进行同时定位与地图构建(SLAM)的技术。RGB-D相机是近几年推出的能够同时采集环境RGB图像和深度图像的视觉传感器。首先对主流RGB-D相机,RGB-D SLAM算法框架流程做了介绍,然后对RGB-D SLAM算法的国内外主要标志性成果,以及RGB-D SLAM的研究现状进行介绍,并对RGB-D SLAM方法前端视觉里程计中特征检测与匹配、后端位姿图优化、回环检测等关键技术进行介绍总结。最后,对RGB-D SLAM算法的优缺点进行了分析,并对RGB-D SLAM算法的研究热点及发展趋势进行了讨论。     

一种改进的RatSLAM仿生导航算法

RatSLAM 是模拟鼠类感知环境机制提出的一种定位与构图的导航算法, 算 法的提出者利用该方法成功地进行了66km 的车载试验。在机器人导航领域,RatSLAM 是非常优秀的纯视觉仿生导航算法。然而,该算法完全依赖视觉信息,在复杂的环境中 存在可靠性低、导航精度不高的问题。在RatSLAM 的基础上引入光学双轴速度传感器和 MIMU 信息, 建立了融合光学双轴速度传感器和MIMU 信息的航位推算模型, 对Rat- SLAM 仿生导航算法进行了合理改进,搭建了硬件系统并进行了动态车载实验。实测结 果表明改进的仿生导航算法环境适应性更强、导航精度更高。     

复杂环境下微小飞行器惯性/激光雷达Robust-SLAM方法

针对微小型飞行器在巡检、探测和地图构建等应用中关键的自主导航技术,提出了一种基于惯性辅助的激光雷达Robust-SLAM方法用于微小型飞行器自主导航。相对于传统的激光雷达SLAM方法,该方法在SLAM框架中引入了感知环境突变检测方法,并且加强了惯性与SLAM的组合程度,有效地解决了高程方向感知环境发生突变时激光雷达SLAM定位误差大的问题。室内车库实际飞行实验结果表明,该方法能够实现微小型飞行器在三维空间中实时可靠的自主导航,具有较好的工程应用价值。     

地面无人作战平台导航技术发展现状与趋势

当前,国内外地面无人作战平台处于快速发展阶段,其自主性、智能性的特点使得其相较于传统地面武器平台对导航系统提出了更高的要求,除了具备常规意义上的测姿、定位、定向等功能之外,还需要具备环境相对位姿感知与导航能力。目前,典型的地面无人平台均采用惯性基组合导航方案,以惯性传感器为主,配备卫星、视觉、雷达等多类辅助传感器,通过组合导航算法实现传感器间的有机融合。针对地面无人作战平台的导航需求,对当前主流惯性基组合导航技术进行梳理,分别介绍了惯性/里程计、惯性/卫星、惯性/视觉、惯性/激光雷达组合导航技术的发展现状,并对适用于地面无人作战平台的导航技术进行了展望。     

合作环境下基于惯性/里程计/Lidar融合的UGV导航方法

近年来，无人车在巡检、探测等方面的应用愈发广泛,且应用环境愈发复杂。在这些应用中，无人车必须对自身的位姿进行准确估计，以确保作业安全、高效完成。其中，可在复杂环境下适用的自主导航能力是核心关键技术。提出了一种基于惯性/里程计/激光雷达的地面无人车导航方法，区别于传统的激光雷达SLAM方法，该方法根据已知的几何结构特征进行定位，避免了因有效点数量稀少而导致的匹配误差。同时对惯性/里程计/激光雷达的融合算法进行了研究，提高了自主导航系统的鲁棒性和准确性。最后，在Gazebo中搭建了相应的仿真环境，并进行了算法验证。仿真结果表明，该方法能够实现无人车在巡检过程中实时可靠的自主导航，具有较好的工程应用价值。     

多智能体协同视觉SLAM技术研究进展

多智能体的协同视觉SLAM系统在地面机器人或空中飞行器梯队中应用得越来越广泛。由于不同的智能体之间会交换或共享信息,协同视觉SLAM系统不同于应用在单个智能体上的典型的视觉SLAM系统,具有更好的鲁棒性、准确性和高效性。阐述了多智能体协同视觉SLAM的发展历史和现有的研究方法,描述了协同视觉SLAM系统实现所涉及的关键技术,包括协同姿态估计和地图构建,以及新兴的分布式架构。此外,对多智能体协同视觉SLAM技术的发展趋势进行了展望。     

基于多模态感知与融合的无人车韧性导航系统

针对野外复杂环境下的无人车自主导航需要,建立了一种基于多源融合定位、语义建图与运动规划的智能导航系统.首先,针对IMU、轮式里程计、视觉SLAM与激光雷达SLAM等测量子系统,设计了误差状态扩展卡尔曼滤波器进行融合定位.其次,基于改进的CNN语义分割网络生成环境的语义图像,与3D激光雷达点云融合,并使用最大概率更新算法构建语义3D地图.接着,在语义和几何信息投影获得可通行性代价的基础上,提出了一种语义动态窗口的局部路径规划方法.最后,将以上感知、定位与规划方法整合成完整的智能导航系统,在城市与野外典型场景的测试中,相对定位误差小于0.4％D,具备一定的韧性导航定位和智能感知规划能力.     

ICP配准算法的影响因素及评价指标分析

基于3D激光雷达传感器的同时定位与地图构建(SLAM)技术,是机器人自主定位解决方案的核心。三维点云配准环节是3D激光雷达SLAM实现自身定位与地图构建的关键所在。重点围绕ICP算法在三维激光点云配准中的应用开展研究,首先对ICP算法的配准原理及其求解过程进行详细分析,其次介绍了ICP的影响因素并提出了相应的评价指标,最后测试了ICP算法在不同角度和位移下的配准效果并进行了实验分析。     

月面特征稀疏环境下的视觉惯性SLAM方法

月球车在执行科学探测任务过程中,其自身的高精度定位是一项亟需解决的关键问题。针对在特征稀疏的月面环境下的定位问题,提出一种视觉惯性融合的SLAM方法,将视觉测量与惯性传感器的信息利用位姿图优化方法融合,实现高精度的联合定位。针对特征稀疏环境下的前端视觉数据关联误差较大的问题,提出了一种基于四元树的光流跟踪算法,能够有效地跟踪鲁棒的特征点,提升了关键帧之间相对位姿估计的准确性。并且针对月面环境特有的恒星无穷远点干扰问题,提出一种高效的恒星点剔除算法,能够有效改善无穷远点导致的定位精度下降的问题。搭建了一套模拟月面环境的计算机仿真系统,并构建了多个月面环境视觉惯性SLAM仿真数据集,在不同的模拟月面场景下进行定位性能仿真验证,仿真测试结果表明本文算法的鲁棒性更强,具有更高的定位准确度。     

移动工业机器人在飞机装配生产线中的应用研究

在总结移动工业机器人在飞机装配生产线等航空制造场景典型应用的基础上,重点分析了移动工业机器人多传感器融合的同步定位和建图、移动机器人导航控制、机械臂精度控制和数字化测量等关键技术,并对未来航空领域移动机器人的人机协作、多传感器数据融合、智能规划与决策、数字孪生体系等发展趋势进行了阐述。     

空间机器人研究进展及技术挑战

空间机器人是实现空间操控自动化和智能化的使能手段之一,在无人及载人的空间科学探索活动中至关重要。首先,回顾了国际空间站舱内外机器人、中国空间站机器人、在轨自由飞行空间机器人等几类轨道空间机器人工程应用现状,以及已成功在轨应用月面机器人和火星机器人两类星表机器人系统的应用现状。其次,针对空间机器人后续日益复杂的任务需求,探讨了空间机器人在机构构型、关节驱动、末端操作、感知认知、行走移动、动力学与控制等方面面临的技术挑战。然后,论述了空间机器人在多臂、超冗余、柔性化、可重构、仿生等新型机构构型方面的探索,介绍了空间机器人主动、被动柔顺关节方面的研究进展,论述了空间机器人末端执行器在专用化工具及通用化多指灵巧手两个方向的研究进展,总结了星表机器人在新型移动机构构型、高自主导航方面的研究进展,介绍了空间机器人在多传感器集成融合、力与触觉感知方面的研究进展,论述了空间机器人在多臂协调控制、柔顺控制、漂浮基座抓捕动力学控制等方面的研究进展。最后,展望了空间机器人在空间目标抓捕与移除、高价值飞行器在轨服务与维修、空间大型构件在轨组装及星球科学探测等方面的应用前景。     

基于可观测度分析和增量因子图的多源融合导航方法

复杂动态场景下高精度导航定位是自主无人系统决策规划与控制执行的基础。在城市峡谷、隧道、地下或室内停车场等场景下，卫星信号弱甚至丢失，严重影响了惯性/卫星/视觉等多源融合导航的精度和可靠性。为主动适应动态场景变化，迫切需要设计一种适用于跨场景的多源融合导航系统。基于动态时变系统的可观测度分析，在线度量惯性/卫星、惯性/视觉等组合导航因子的可信程度，进而采用因子图融合导航框架，根据各组合导航因子的可信程度，主动优化因子构建和增量平滑过程，以实现多传感器自适应融合导航与可靠定位。实验仿真表明：基于可观测度分析方法，能够在线优化因子图计算过程，提升了多源融合导航系统的环境适应性和跨场景能力，保证了复杂动态场景下自主无人系统跨场景导航模式切换和连续可靠的导航定位。     

基于FastSLAM的绳系机器人同时定位与地图构建算法

绳系式移动机器人可用于极端地形的探测,如陡峭斜坡、松软土壤、高耸悬崖、沟壑等。在运动过程中移动机器人的绳索不可避免地与障碍物接触甚至缠绕。由于绳索与障碍物之间的接触点不相互独立以及机器人模型的非线性特性,经典的FastSLAM框架不适用于绳索机器人的同时定位和地图创建（SLAM）问题。提出基于改进FastSLAM框架的绳系机器人SLAM算法。在该框架中,分别利用无迹滤波和粒子滤波解决接触点位置估计和机器人位姿估计问题,并利用非线性观测模型的无迹变换来简化粒子权重更新。仿真结果表明,该算法可有效地估计接触点位置,同时提高机器人位姿估计性能。     

基于红外视觉/激光雷达融合的目标识别与定位方法

近年来,基于可见光图像的目标识别在无人车感知领域得到了广泛应用.然而,可见光图像目标识别无法应用于弱光和黑暗环境.针对于此,提出了一种基于红外视觉/激光雷达融合的目标识别与定位算法.首先,通过基于颜色迁移的数据增强训练方法,提高了红外目标识别算法的泛化性能.继而,提出了一种基于激光雷达修正的单目深度估计方法,通过视觉图像与激光雷达点云的数据融合,实现了基于稠密深度图对目标位置的估计,提高了对小目标的定位能力.试验结果表明,与传统Yolov3目标识别算法相比,该算法平均识别准确率可提升5.8％;此外,相对定位算法将包含小目标在内的物体相对定位精度提高了13.4％.