共查询到17条相似文献，搜索用时 140 毫秒
1.
基于单一传感器的同时定位与地图构建技术已经逐渐不能满足移动机器人、无人机及自动驾驶车辆等智能移动载体日益复杂的应用场景。为了进一步提升移动载体在复杂环境下的定位与建图性能,基于多传感器融合的SLAM技术成为目前研究的热点内容。本文提出了一种基于图优化的紧耦合双目视觉/惯性/激光雷达SLAM方法(S-VIL SLAM),该方法在视觉惯性系统中引入激光雷达原始观测,基于滑动窗口实现了IMU量测、视觉特征及激光点云特征的多源数据联合非线性优化。利用视觉与激光雷达的互补特性设计了视觉增强的激光雷达闭环优化算法,进一步提升了多源融合SLAM系统的全局定位与建图精度。为了验证本文算法的性能,利用自主搭建的集成多传感器的硬件采集平台在室外场景下进行了车载试验。试验结果表明,本文提出的紧耦合双目视觉/惯性/激光雷达里程计相比于紧耦合双目视觉惯性里程计和激光雷达里程计定位定姿性能显著提升,视觉增强的激光雷达闭环优化算法能够在大尺度场景下有效探测出轨迹中的闭环信息,并实现高精度的全局位姿图优化,经过闭环优化的点云地图具有良好的分辨率和全局一致性。 相似文献
2.
自动推算室内接入点坐标算法 总被引：2，自引：1，他引：1
随着基于位置服务的应用与发展,室外和室内定位技术都得到了飞速发展。特别是在WiFi定位技术的不断完善下,室内定位技术有了广泛的应用,但是,WiFi定位技术的两种定位方式均需预先知道室内网络接入点的精确坐标,这一要求无法满足一些紧急情况下的定位需求。因此,本文提出了一种基于M估计的自动推算室内接入点坐标算法。该算法借助在室内外交界处同时获取卫星定位信息和WiFi信号的RSSI信息,巧用分段RSSI测距算法提高长距离RSSI测距精度,结合残差绝对和最小的M估计改进距离交会定位算法,最终推算出室内接入点的三维坐标,实现自动化推算过程。试验结果表明：该方法的定位精度比常规距离交会最小二乘算法提高了50%,能够快速实时较精确地推算室内接入点的坐标,进一步完善了WiFi定位技术。 相似文献
3.
饶文利 《测绘与空间地理信息》2021,44(3):164-169
室内三维技术是辅助室内人员快速定位导航、商业人员对室内业务统计分析决策、应急救援力量快速实施救援的重要手段.近年来,室外定位、导航、路径规划、可视化分析等技术已发展成熟,而室内位置服务需求(定位、导航、路径规划)正处于初始发展阶段.为快速推进室内三维技术发展,本文对目前市面上应用集中的几种室内三维定位技术方法进行了归纳和探讨,介绍了从不同角度对室内三维定位进行分类,各定位技术的原理和方法,以及基于室内三维原理与方法衍生出的主流室内定位技术,对比分析各定位技术的优缺点及在室内三维中的应用,总结了目前室内三维定位技术存在的问题与未来的研究方向. 相似文献
4.
《武汉大学学报(信息科学版)》2021,(5)
现有的人群聚集区域识别算法主要集中于室外空间,与室外空间相比,室内三维空间结构复杂,室内人群聚集更易导致安全事故的产生。提出了一种室内人群聚集区域识别方法——室内简化重构聚集方法(indoor simplification reconstruction cluster,IndoorSRC)。首先,设计了一种新型的室内时空凝聚层次聚类算法(indoor spatial-temporal agglomerative nesting, Indoor-STAGNES)识别室内用户停留点,简化室内用户移动轨迹;然后,构建了一种基于卡尔曼滤波的室内轨迹重构方法,实现了室内用户轨迹的对齐与重采样;最后,提出了一种室内时空密度聚类算法(indoor spatial-temporal ordering points to identify the clustering structure,Indoor-STOPTICS)发现室内三维时空人群聚集区域。采用真实室内轨迹数据进行实验分析,结果表明,与传统的室外识别方法相比,在运行时间差别不大的情况下,IndoorSRC识别的误识率可降低23.7%。 相似文献
5.
针对室内机器人移动导航定位存在的问题,该文研究了基于Kinect传感器的定位算法。该方法应用Kinect传感器采集了移动机器人运动过程中连续帧的彩色和深度信息;通过尺度不变特征变换算法匹配连续场景图像中的特征点对,经随机抽样一致性算法剔除点集中的误匹配点;利用Kinect的深度信息将可用点集的二维坐标转换到相机坐标系下的三维坐标;并使用绝对定向算法计算机器人在相邻位置上的姿态信息和平移量,从而提高了机器人的移动参数的计算精度。通过实验验证了该方法的可行性,且能够满足实时要求,可以同时进行定位与地图创建。 相似文献
6.
高精度三维测图是室内三维制图的重要支撑,基于三维激光雷达扫描技术的三维测图成本高,需要提前布置标靶,在室内复杂环境中易导致数据不完整;基于图像序列的三维重建建模时间长,易受多种因素影响。针对以上问题,本文将RGB-D SLAM技术应用于室内高精度三维测图中。通过将深度相机与SLAM技术相结合,计算相机位姿并恢复三维空间信息,获取室内三维点云模型,并以目标物实际量测为基准评价密集点云精度。试验结果表明,该方法可快速获取精度较高的三维点云模型,成本低且效率高,能够较好地满足应用需求。 相似文献
7.
为提高配网带电作业机器人在开展带电作业时对导线的识别与定位的准确性,本文提出了一种基于单线激光雷达传感器与视觉系统融合的定位方法,获取导线的空间三维坐标。并通过研究多传感器在户外强光环境下的工作特点,提出了基于激光雷达深度信息与图像信息的多传感器融合算法。首先利用激光雷达与相机事先进行像素级标定,使图像像素与激光雷达深度点云一一对应;然后利用Canny算法与霍夫变换,获取图像中作业导线;最后计算出导线与雷达点云空间中相交部分空间位置,实现机器人在户外强光下高精度、高效率地进行导线识别定位,帮助机器人完成抓取导线等动作。 相似文献
8.
星载合成孔径雷达构像方程是地理编码、立体测量、影像定位等几何处理的基础。本文首先讨论了构像方程的参数选择,在充分考虑轨道物理模型及摄动力影响的基础上,提出了一套改进的轨道模型参数。从距离方程及多普勒方程出发,详细推导了包含轨道模型参数及成像处理参数的星载SAR构像方程。作为构像方程的一个具体应用,本文研究了星载SAR影像的轨道精化问题。将构像方程线性化,对每个地面控制点列出误差方程,可以用类似于航空影像的空间后方交会的方式精确求解轨道模型参数。试验中从1∶5万地形图上量取了5个地面控制点,对一景Radarsat SAR影像进行了轨道精化。比较发现,头文件提供的轨道与精化的轨道之间有约2km的位置差异,用精化的轨道数据得到了高精度的几何校正结果。它间接地表明了轨道精化算法的正确可行。 相似文献
9.
针对现有三维点云模型重建对象化和结构化信息缺失的问题,提出一种基于图模型的二维图像语义到三维点云语义传递的算法。该算法利用扩展全卷积神经网络提取2D图像的室内空间布局和对象语义,基于以2D图像超像素和3D点云为结点构建融合图像间一致性和图像内一致性的图模型,实现2D语义到3D语义的传递。基于点云分类实验的结果表明,该方法能够得到精度较高的室内三维点云语义分类结果,点云分类的精度可达到73.875 2%,且分类效果较好。 相似文献
10.
精确的室内三维模型在古遗产保护、公共场所的精细化管理和室内导航等领域有着重要作用,而激光雷达正被逐步应用到室内三维重建中。文中采用移动激光雷达对室内所有附属设施进行高精度激光扫描,得到融合CCD影像色彩信息的彩色点云数据。给出室内全要素三维重建的技术流程,并利用Autodesk CAD等三维建模平台对点云数据进行有效处理,最终得到高精度且带有大地坐标的室内三维模型。实验结果表明,采用移动激光雷达能快速获取高精度的室内三维点云数据。通过文中提出的流程,可快速得到真三维、真尺寸、真纹理的室内全要素模型。 相似文献
11.
AbstractThis work presents a mapping and tracking system based on images to enable a small Unmanned Aerial Vehicle (UAV) to accurately navigate in indoor and GPS-denied outdoor environments. A method is proposed to estimate the UAV’s pose (i.e., the 3D position and orientation of the camera sensor) in real-time using only the on-board RGB camera as the UAV travels through a known 3D environment (i.e., a 3D CAD model). Linear features are extracted and automatically matched between images collected by the UAV’s onboard RGB camera and the 3D object model. The matched lines from the 3D model serve as ground control to estimate the camera pose in real-time via line-based space resection. The results demonstrate that the proposed model-based pose estimation algorithm provides sub-meter positioning accuracies in both indoor and outdoor environments. It is also that shown the proposed method can provide sparse updates to correct the drift from complementary simultaneous localization and mapping (SLAM)-derived pose estimates. 相似文献
12.
激光SLAM移动机器人室内定位研究 总被引：3，自引：1，他引：2
针对目前室内移动导航定位精度低和累积误差大的问题，提出了一种激光雷达（LiDAR）和惯性测量单元（IMU）相融合的导航定位系统。首先，该方法是从LiDAR扫描测量中提取环境特征和构建地图，然后，由IMU采集的姿态信息通过卡尔曼滤波，补偿由于LiDAR扫描引起的位置和姿态输出的误差，以提高机器人移动的定位精度。试验结果表明，该方法可以提高室内移动机器人定位和构建地图的精度和稳健性。 相似文献
13.
Hanjiang Xiong Wei Ma Jianya Gong Douadi Abdelalim 《International Journal of Digital Earth》2019,12(5):525-543
Realistic texture mapping and coherent up-to-date rendering is one of the most important issues in indoor 3-D modelling. However, existing texturing approaches are usually performed manually during the modelling process, and cannot accommodate changes in indoor environments occurring after the model was created, resulting in out-dated and misleading texture rendering. In this study, a structured learning-based texture mapping method is proposed for automatic mapping a single still photo from a mobile phone onto an already-constructed indoor 3-D model. The up-to-date texture is captured using a smart phone, and the indoor structural layout is extracted by incorporating per-pixel segmentation in the FCN algorithm and the line constraints into a structured learning algorithm. This enables real-time texture mapping according to parts of the model, based on the structural layout. Furthermore, the rough camera pose is estimated by pedestrian dead reckoning (PDR) and map information to determine where to map the texture. The experimental results presented in this paper demonstrate that our approach can achieve accurate fusion of 3-D triangular meshes with 2-D single images, achieving low-cost and automatic indoor texture updating. Based on this fusion approach, users can have a better experience in virtual indoor3-D applications. 相似文献
14.
针对室内外场景结合的导航应用服务需求的发展以及现有室内外场景感知方法的识别稳定性较低、准确率不高问题,本文提出一种基于泛在信号融合的室内外场景鲁棒感知算法,利用室内外场景中融合的泛在信号降低单一信号识别误差;同时为提高传统AdaBoost算法对不平衡数据集的分类精度,采用概率神经网络（PNN）作为训练的弱分类器,并引入熵权法,对迭代产生的弱分类器的权重进行修正来提高强分类器的分类准确率．现实场景下的实验表明,本文算法在采用室内外环境中的WiFi信号、全球卫星导航系统（GNSS）可用星数、光照强度这三种融合的泛在信号进行室内外场景感知时性能最佳,对于不同角度方向下的室内外场景切换,可以在误报率仅为1.7％的情况下,达到98％的识别准确率,验证了本文所提算法的准确性和鲁棒性． 相似文献
15.
机器人室内运动轨迹修正控制算法 总被引：1，自引：1，他引：0
移动机器人在室内的应用提升了人们的工作效率和生活品质,但针对移动机器人室内运动轨迹漂移误差,产业界一直没有较好的解决办法。为了在室内环境下实现机器人运动轨迹的高精度控制,本文结合基于LiDAR搭建的SLAM （simultaneous localization and mapping）功能模块,提出了一种机器人室内测图运动轨迹PID反馈修正控制方法,利用机器人的运动姿态、位置及设计轨迹的偏差设计了闭环模式的轨迹修正控制算法,显著提高了机器人室内作业的轨迹精度。针对机器人室内运动的几种典型轨迹,通过大量的机器人室内测图运动轨迹测试,进一步优化算法中的机器人运动控制参数,有效地减小了移动机器人室内运动轨迹的偏移。相对于依靠里程计定位的机器人室内运动控制系统,修正算法充分利用了激光雷达的定位定姿信息,满足了室内测图需求,得到了具备高可靠性和高稳定性的机器人室内精确运动控制方案。 相似文献
16.
在测距传感器不断轻量化、小型化以及室内外地图一体化导航应用的驱动下,三维（3D）室内移动测量成为当今研究和应用的热点,在室内建模、室内定位等新兴领域中的应用越来越广泛。3D室内移动测量系统通常配备激光扫描仪、全景相机、惯性测量单元（inertial measurement unit,IMU）系统和里程计等传感器,虽能实现3D室内点云数据的采集,但其距离传感器-激光扫描仪价格昂贵且便携性较差。彩色深度（RGB depth,RGB-D）相机为低成本3D室内移动测量系统构建提供了新的距离成像传感器选择,但主流型号RGB-D相机视场角小,继而导致数据采集效率远低于传统激光扫描仪,难以做到点云数据的完整覆盖与稳健采集,且易造成同时定位与制图（simultaneous localization and mapping,SLAM）过程中跟踪失败。针对以上问题,构建了一种低成本室内3D移动测量系统采集设备,通过组合多台消费级RGB-D相机构成大视场RGB-D相机阵列,提出了一种阵列RGB-D相机内外参数标定方法,并通过实验检验了设计系统采集的点云数据的精度。 相似文献
17.
全球卫星导航系统(GNSS)与超宽带(UWB)等定位系统在室内外复杂环境下作用范围有限,并且单一定位源均无法获得从室外到室内连续可靠的定位结果等问题,针对北斗卫星导航系统(BDS)+GPS/UWB松组合定位方法展开研究,设计了室内外动态定位实验与过渡区域静态定位实验,利用扩展卡尔曼滤波器(EKF)对定位误差状态进行最优估计,并对BDS+GPS组合、UWB以及BDS+GPS/UWB松组合三种定位模式进行分析评价. 实验结果表明:在室内外的过渡区域,BDS+GPS/UWB松组合改善了GNSS-实时动态定位(RTK)的定位精度,扩展了GNSS-RTK的作用范围;BDS+GPS/UWB松组合相比于各单一定位源在一定程度上提高了系统从室外到室内定位的连续性与定位结果的可用性. 相似文献