基于三维激光点云的室内多机器人SLAM研究
发布时间：2021-11-03 16:46
移动机器人搭载传感器观测未知环境信息并创建地图,同时根据已经创建的地图确定机器人在环境中的位置,即同步定位与地图创建（Simultaneous Localization and Mapping,SLAM）。SLAM是移动机器人完成导航、路径规划、自主探索等工作的基础,一直以来都是移动机器人领域的重点研究内容。随着近几十年的发展,单机器人SLAM算法已经逐渐成熟。但是面对大规模环境,单机器人SLAM存在工作效率低、稳定性差、地图精度低等问题。因此,大规模场景中单机器人SLAM不是完成任务的最佳选择。与单机器人SLAM相比,多机器人SLAM可以通过共享环境信息、融合不同传感器信息等方式协作建图。多机器人SLAM具有效率高、容错性强、地图精度高等优点,更加适用于各种复杂的任务,受到越来越多研究人员的关注。与此同时,多机器人SLAM需要解决不同机器人的相对位姿估计、局部地图融合等问题,因此研究多机器人SLAM具有重要的意义。本文对多机器人SLAM的相对位姿估计、地图关联、全局地图优化等问题展开研究。首先,分析常用的三维环境地图描述方法,比较点云地图、立体栅格地图、语义地图的优缺点,选择使用Oc...
【文章来源】：苏州大学江苏省 211工程院校
【文章页数】：86 页
【学位级别】：硕士
【部分图文】：
图１．１不同类型的机器人??移动机器人在未知且复杂的环境中工作时，需要解决三个问题：“我在哪？?”、??“我要到哪里去？”、“怎么去？”，这三个问题分别对应于机器人的定位、周围的??
基于三维激光点云的室内多机器人ＳＬＡＭ研究?第：亭申．机器人ＳＬＡＭ算法研究??由于传感器的不同，获取的点云的稀疏性也不同，３Ｄ激光雷达和深度相机??采集生成的点云较为密集，而单目相机生成的点云通常较为稀疏。密集点云虽然??能很好的表示环境中障碍物的信息，但是由于数据巨大，处理时计算复杂度高，??而稀疏点云由于点的数量较少，且存在噪声，增加了数据关联的难度。??８ＰＶ１??■Ｉ?ｍｍ??图２．１点云地图??２．１．２立体栅格地图??立体栅格地图１３９１是将三维环境空间分割成若干个火小相等的单元空间，每??个单元空间用正方体表示，正方体的边长表示立体栅格地图的分辨率，如图２．２??所示。通过传感器的观测计算每个立体栅格被占据的概宇用［〇，１］之间的数字来??表示，立体栅格的占据概率越接近０，表示该立体栅格是空闲的可能性越高，占??椐概书越接近１，衣示该、＇／：体栅格被占据的吋能性越高。、Ｖ．体栅格地图分为二种??状态：ｒ１｛据、空闲、未知。??ＯｃｔｏＭａｐｌ４＇基于八叉树的三维立体栅格地图。在八叉树的数据结构屮，八??叉树的任何非叶子节点，都存在八个子节点，叶子节点代表分辨率的怙况。??为了减小立体栅格地图的存储空间，ＯｃｔｏＭａｐ采用剪枝的ｆ？段，将状态相Ｍ的了－??节点用父节点表示，当地图更新时，采用扩枝的方法，将了？节点展开。史新地图??的状态时，对叶子节点的概率值进行对数化处理，肖接将新的观测值与前？时刻??的观测值相加，即可得到该叶子节点当前的状态。此外，父节点的Ａ据概率值可??以根据子节点的占据概率．偵进行汁算。ＯｃｔｏＭａｐ?＞＂？有全面描述环境状态、提供多??种分辨率、可压缩等优点。??１３
第二章单机器人ＳＬＡＭ算法研宄?基于三维激光点云的室内多机器人ＳＬＡＭ研究??图２．２栅格地图??２．１．３语义地图??语义地图［４１，４２］是一种语义丰富的地图，不仅包含环境中的几何信息，还包含??环境中物体的类别，即语义信息，如图２．３所示。语义地图可以分为：视觉层、??对象层、概念层。视觉层是指环境中物体的颜色、纹理、形状等信息，对象层是??指物体的属性特征，即物体在不同时刻的不同状态信息，概念层是最高层次，能??够直接表达出人类直观理解的信息。??语义地图是以三维环境地图为基础发展而来的，机器人不仅可以从语义地图??知道环境中障碍物的位置，还可以知道障碍物是什么。语义信息通常从ＲＧＢ图??像中提取，通过对ＲＧＢ图像进行物体检测，结合物体的先验信息，将语义信息??映射到三维环境地图中，生成语义地图。??『Ｉ私＿??图２．３语义地图［４３］??点云地图仅仅描述了环境中物体的表面信息，且未将环境分为占据区域、空??闲区域、未知区域，无法为移动机器人导航、路径规划提供环境信息；ＯｃｔｏＭａｐ??１４??
【参考文献】：
期刊论文
[1]基于区域生长算法的复杂建筑物屋顶点云分割[J]. 朱军桃,王雷,赵传,郑旭东. 国土资源遥感. 2019(04)
[2]基于语义分割的室内动态场景同步定位与语义建图[J]. 席志红,韩双全,王洪旭. 计算机应用. 2019(10)
[3]基于回溯法的全覆盖路径规划算法[J]. 李楷,陈永府,金志勇,刘田,王振庭,郑迥之. 计算机工程与科学. 2019(07)
[4]基于SLAM算法和深度神经网络的语义地图构建研究[J]. 白云汉. 计算机应用与软件. 2018(01)
[5]基于Kinect传感器的三维点云地图构建与优化[J]. 张毅,陈起,罗元. 半导体光电. 2016(05)
[6]大规模环境下基于图优化SLAM的后端优化方法[J]. 王忠立,赵杰,蔡鹤皋. 哈尔滨工业大学学报. 2015(07)
[7]中国机器人产业发展现状与展望[J]. 曲道奎. 中国科学院院刊. 2015(03)
[8]大规模环境下基于图优化SLAM的图构建方法[J]. 王忠立,赵杰,蔡鹤皋. 哈尔滨工业大学学报. 2015(01)
[9]基于图优化的同时定位与地图创建综述[J]. 梁明杰,闵华清,罗荣华. 机器人. 2013(04)
[10]基于栅格地图的分层式机器人路径规划算法[J]. 余翀,邱其文. 中国科学院大学学报. 2013(04)
博士论文
[1]基于视觉的多机器人协作SLAM研究[D]. 苑全德.哈尔滨工业大学 2016
[2]多自主移动机器人协作的关键技术研究[D]. 昝杰.长安大学 2014
硕士论文
[1]基于ROS的全向移动机器人系统设计与实现[D]. 张鹏.中国科学技术大学 2017
[2]基于OcTree的SLAM系统地图算法的研究[D]. 刘强强.西安电子科技大学 2016
[3]基于路径图优化的多机器人同步定位与制图研究[D]. 钟进.哈尔滨工业大学 2014
本文编号：3474019
【文章来源】：苏州大学江苏省 211工程院校
【文章页数】：86 页
【学位级别】：硕士
【部分图文】：
图１．１不同类型的机器人??移动机器人在未知且复杂的环境中工作时，需要解决三个问题：“我在哪？?”、??“我要到哪里去？”、“怎么去？”，这三个问题分别对应于机器人的定位、周围的??
基于三维激光点云的室内多机器人ＳＬＡＭ研究?第：亭申．机器人ＳＬＡＭ算法研究??由于传感器的不同，获取的点云的稀疏性也不同，３Ｄ激光雷达和深度相机??采集生成的点云较为密集，而单目相机生成的点云通常较为稀疏。密集点云虽然??能很好的表示环境中障碍物的信息，但是由于数据巨大，处理时计算复杂度高，??而稀疏点云由于点的数量较少，且存在噪声，增加了数据关联的难度。??８ＰＶ１??■Ｉ?ｍｍ??图２．１点云地图??２．１．２立体栅格地图??立体栅格地图１３９１是将三维环境空间分割成若干个火小相等的单元空间，每??个单元空间用正方体表示，正方体的边长表示立体栅格地图的分辨率，如图２．２??所示。通过传感器的观测计算每个立体栅格被占据的概宇用［〇，１］之间的数字来??表示，立体栅格的占据概率越接近０，表示该立体栅格是空闲的可能性越高，占??椐概书越接近１，衣示该、＇／：体栅格被占据的吋能性越高。、Ｖ．体栅格地图分为二种??状态：ｒ１｛据、空闲、未知。??ＯｃｔｏＭａｐｌ４＇基于八叉树的三维立体栅格地图。在八叉树的数据结构屮，八??叉树的任何非叶子节点，都存在八个子节点，叶子节点代表分辨率的怙况。??为了减小立体栅格地图的存储空间，ＯｃｔｏＭａｐ采用剪枝的ｆ？段，将状态相Ｍ的了－??节点用父节点表示，当地图更新时，采用扩枝的方法，将了？节点展开。史新地图??的状态时，对叶子节点的概率值进行对数化处理，肖接将新的观测值与前？时刻??的观测值相加，即可得到该叶子节点当前的状态。此外，父节点的Ａ据概率值可??以根据子节点的占据概率．偵进行汁算。ＯｃｔｏＭａｐ?＞＂？有全面描述环境状态、提供多??种分辨率、可压缩等优点。??１３
第二章单机器人ＳＬＡＭ算法研宄?基于三维激光点云的室内多机器人ＳＬＡＭ研究??图２．２栅格地图??２．１．３语义地图??语义地图［４１，４２］是一种语义丰富的地图，不仅包含环境中的几何信息，还包含??环境中物体的类别，即语义信息，如图２．３所示。语义地图可以分为：视觉层、??对象层、概念层。视觉层是指环境中物体的颜色、纹理、形状等信息，对象层是??指物体的属性特征，即物体在不同时刻的不同状态信息，概念层是最高层次，能??够直接表达出人类直观理解的信息。??语义地图是以三维环境地图为基础发展而来的，机器人不仅可以从语义地图??知道环境中障碍物的位置，还可以知道障碍物是什么。语义信息通常从ＲＧＢ图??像中提取，通过对ＲＧＢ图像进行物体检测，结合物体的先验信息，将语义信息??映射到三维环境地图中，生成语义地图。??『Ｉ私＿??图２．３语义地图［４３］??点云地图仅仅描述了环境中物体的表面信息，且未将环境分为占据区域、空??闲区域、未知区域，无法为移动机器人导航、路径规划提供环境信息；ＯｃｔｏＭａｐ??１４??
【参考文献】：
期刊论文
[1]基于区域生长算法的复杂建筑物屋顶点云分割[J]. 朱军桃,王雷,赵传,郑旭东. 国土资源遥感. 2019(04)
[2]基于语义分割的室内动态场景同步定位与语义建图[J]. 席志红,韩双全,王洪旭. 计算机应用. 2019(10)
[3]基于回溯法的全覆盖路径规划算法[J]. 李楷,陈永府,金志勇,刘田,王振庭,郑迥之. 计算机工程与科学. 2019(07)
[4]基于SLAM算法和深度神经网络的语义地图构建研究[J]. 白云汉. 计算机应用与软件. 2018(01)
[5]基于Kinect传感器的三维点云地图构建与优化[J]. 张毅,陈起,罗元. 半导体光电. 2016(05)
[6]大规模环境下基于图优化SLAM的后端优化方法[J]. 王忠立,赵杰,蔡鹤皋. 哈尔滨工业大学学报. 2015(07)
[7]中国机器人产业发展现状与展望[J]. 曲道奎. 中国科学院院刊. 2015(03)
[8]大规模环境下基于图优化SLAM的图构建方法[J]. 王忠立,赵杰,蔡鹤皋. 哈尔滨工业大学学报. 2015(01)
[9]基于图优化的同时定位与地图创建综述[J]. 梁明杰,闵华清,罗荣华. 机器人. 2013(04)
[10]基于栅格地图的分层式机器人路径规划算法[J]. 余翀,邱其文. 中国科学院大学学报. 2013(04)
博士论文
[1]基于视觉的多机器人协作SLAM研究[D]. 苑全德.哈尔滨工业大学 2016
[2]多自主移动机器人协作的关键技术研究[D]. 昝杰.长安大学 2014
硕士论文
[1]基于ROS的全向移动机器人系统设计与实现[D]. 张鹏.中国科学技术大学 2017
[2]基于OcTree的SLAM系统地图算法的研究[D]. 刘强强.西安电子科技大学 2016
[3]基于路径图优化的多机器人同步定位与制图研究[D]. 钟进.哈尔滨工业大学 2014
本文编号：3474019
本文链接：https://www.wllwen.com/kejilunwen/wulilw/3474019.html
