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。     

无人机类脑吸引子神经网络导航技术

当前无人机在非结构化或未知环境下飞行主要采用SLAM进行导航与定位，存在如下突出问题：依赖高精度昂贵激光雷达等环境感知传感器；需要建立准确世界和无人机物理模型；受环境影响较大；自主智能水平较低，无法较好地满足无人机对导航系统的要求，需要发展自主智能的导航方式。基于吸引子神经网络的类脑导航技术，无需训练模型参数，不依赖高精度传感器，无需精确建模，且复杂环境下鲁棒性较强，具有解决上述问题的潜力。简要阐述了动物大脑导航机理，分析了吸引子神经网络和基于吸引子神经网络的类脑导航关键技术，最后讨论了吸引子类脑导航技术在无人机应用中的挑战。     

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.     

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。     

基于虚拟地标的行人惯性SLAM算法

针对当前仅使用低成本惯性传感器的行人导航系统航向角存在较大累积误差的问题,研究了一种只使用惯性传感器信息的虚拟地标构建方法,并通过匹配虚拟地标点对位置和航向进行误差补偿.在此基础上,结合同时定位与建图(SLAM)方法的思想,实现了仅基于惯性传感器的SLAM,提高了行人导航的精度和可靠导航时间.试验结果表明,该方法能够有效消除纯惯性行人定位系统的累积误差,在2027m2的单层建筑物中空间位置误差小于10m.     

惯性/视觉/激光雷达SLAM技术综述CSCD

同时定位与建图(SLAM)技术已广泛应用于各类自主移动平台中,其中视觉SLAM和激光雷达SLAM是两种主要的SLAM技术方案。然而,视觉SLAM系统易受视觉环境变化的影响,而激光雷达SLAM系统则在结构单一等环境中会出现精度退化甚至失效的情况。随着智能移动平台应用场景的不断拓展,对SLAM系统的精度和鲁棒性等提出了更高要求,将多种具有互补性的传感器进行融合是提升SLAM系统性能的有效途径。据此,聚焦惯性/视觉/激光雷达多传感器融合SLAM技术,从多传感器标定和多源数据融合两个主要方面进行综述,最后对多传感器融合SLAM技术的发展趋势进行了展望。     

智能移动机器人导航控制技术综述

智能移动机器人在制造业、服务业、军事、星际探测等领域获得了广泛的应用,导航是智能移动机器人实现自主控制需要解决的重要问题.对不同领域智能移动机器人导航技术发展现状进行了调研.针对环境感知与建模、定位和路径规划等机器人导航控制关键技术,深入分析了其实现方法.在此基础上归纳出智能移动机器人导航控制未来的发展趋势.     

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％.     

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。     

无人平台SLAM技术研究进展

作为一种定位与感知方法,同时定位与建图(SLAM)是实现无人平台导航制导与控制的关键技术。阐述了SLAM技术的发展历史、研究现状与应用场景,分析并介绍了SLAM原理及其算法实现。此外,总结了若干SLAM领域的研究热点,并对SLAM技术的发展趋势进行了展望。     

基于UWB/SINS组合的行人导航研究

在特殊环境下全球定位系统(GPS)信号强度被严重削弱,此时基于GPS技术的导航设备将受到严重影响。针对不依赖GPS的行人导航定位需求,提出了一种基于微机电捷联惯导系统(SINS)与超宽带(UWB)定位系统相结合的行人导航方法。该系统由捷联惯导系统与超宽带定位系统组成,行人导航算法在传统的捷联算法的基础上引入了零速修正技术用于检测零速时刻,并使用阈值法剔除了超宽带错误信息,通过联邦Kalman滤波融合了零速、位置和航向信息,并对系统速度、位置、航向进行了校正。行人导航实验表明,该方法能够提升系统定位精度,并进一步加强系统的稳定性与可靠性。     

地磁定位方法综述

地磁导航具有可用区域广泛、无累积误差、无源和隐蔽性强等优势,是未来定位导航与授时（PNT）体系中潜在的重要导航定位手段之一。地磁导航技术包括磁场信息的测量、地磁基准图的建立和地磁定位方法的设计3个重要内容。本文主要围绕地磁定位方法,调研总结了当前主流的地磁滤波、地磁匹配和磁场同时定位与构图(SLAM)三类方法的原理及技术发展路线,重点分析了不同方法的优缺点、适用场景、时效性、对磁图和传感器的需求,并对地磁定位方法的发展方向进行了展望。     

地磁定位方法综述

地磁导航具有可用区域广泛、无累积误差、无源和隐蔽性强等优势,是未来定位导航与授时(PNT)体系中潜在的重要导航定位手段之一。地磁导航技术包括磁场信息的测量、地磁基准图的建立和地磁定位方法的设计3个重要内容。本文主要围绕地磁定位方法,调研总结了当前主流的地磁滤波、地磁匹配和磁场同时定位与构图(SLAM)三类方法的原理及技术发展路线,重点分析了不同方法的优缺点、适用场景、时效性、对磁图和传感器的需求,并对地磁定位方法的发展方向进行了展望。     

基于足间距信息辅助的行人三维惯性定位算法

针对行人惯性导航系统误差随时间累积致使定位精度严重下降的问题,提出了一种基于足间距信息辅助的行人三维惯性定位算法。该算法在零速修正算法的基础上,利用足部安装的超声波测距模块实时测量行人双足相对距离,构建了基于超声测距的足间距约束模型,通过随机森林算法实现行人运动模式识别,并针对上下楼梯场景,利用台阶高度和足间距信息进行高度解算,最终实现行人三维惯性定位。在实际路线上开展了三维定位实验,数据显示,所提算法平面闭环误差为总路程的0.64%,与零速修正算法相比下降了55.56%,高度误差为0.06 m,与零速修正和气压计联合算法相比下降了64.70%,能够实现导航误差在总路程的0.50%以内的三维定位。实验结果表明,所提算法具有良好的工程应用价值。     

面向智能驾驶的高精度多源融合定位综述

随着信息时代各行各业效率的提升，传统的人工驾驶交通系统已逐渐无法满足人们对高效率、低风险交通服务的需求，而智能驾驶技术的出现为这一领域带来了机遇。如今，以自动驾驶为代表的智能驾驶已经成为一种实用的深度交叉技术，其核心模块包括高精度定位、场景感知、决策规划与控制等。定位模块作为智能驾驶系统中最基本、最核心的功能模块，需具备高精度、高可用、低时延的性能特点。当前，结合高精度卫星导航、惯性导航以及环境感知的多源融合技术已成为实现泛在智能驾驶所公认的核心手段，通过充分利用车载传感器的量测信息可以实现精确、可靠的定位服务。从导航定位中常用的传感器技术出发，对当前智能驾驶领域涉及的高精度定位技术进行了全面的回顾，给出了主流的基于滤波和因子图优化的多源融合框架，并对代表性算法进行了整理。最后，总结了现阶段智能驾驶中高精度定位技术的发展现状，并对未来的发展趋势进行了展望。     

一种长航时惯导定位误差评估的新方法

针对长航时惯导传统定位误差评估中存在的问题,提出了一种新的基于惯导误差传播函数拟合的定位误差评价新方法。基于长航时惯导系统定位误差传播模型的特点,采用三角函数建立了误差传播拟合函数,主要包含舒拉周期、地球周期和傅科周期,反映了惯导的长期误差特性。提出了惯导误差契合度的定义和计算方法,实现了对长航时惯导系统定位误差的量化评估。对两套精度大致相同的长航时惯导舰载实验数据进行了对比分析,结果表明新的评估方法能够给出更合理的定位性能优劣判断。最后,针对长航时自主导航需求提出了综合导航技术的改进建议。     

一种基于语义信息辅助的无人机视觉/惯性融合定位方法CSCD

视觉传感器在无人机室内定位中发挥着重要作用。传统基于特征点的视觉里程计算法通过底层亮度关系进行描述匹配,抗干扰能力不足,会出现匹配错误甚至失败的情况,导航系统的精度及鲁棒性有待提升。由于室内环境存在丰富的语义信息,提出了一种基于语义信息辅助的无人机视觉/惯性融合定位方法。首先,将室内语义信息进行因子建模,并与传统的视觉里程计方法进行融合;然后,基于惯性预积分方法,在因子图优化中添加惯性约束,以进一步提高无人机在动态复杂环境下的定位精度和鲁棒性;最后,通过无人机室内飞行试验对算法的定位精度进行了分析。试验结果表明,相较于传统的视觉里程计算法,该方法具有更高的精度和鲁棒性。