CN114034299B - 一种基于主动激光slam的导航系统 - Google Patents
一种基于主动激光slam的导航系统 Download PDFInfo
- Publication number
- CN114034299B CN114034299B CN202111310689.4A CN202111310689A CN114034299B CN 114034299 B CN114034299 B CN 114034299B CN 202111310689 A CN202111310689 A CN 202111310689A CN 114034299 B CN114034299 B CN 114034299B
- Authority
- CN
- China
- Prior art keywords
- module
- point cloud
- map
- robot
- laser
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000013507 mapping Methods 0.000 claims abstract description 6
- 238000000034 method Methods 0.000 claims description 15
- 238000001514 detection method Methods 0.000 claims description 8
- 238000005457 optimization Methods 0.000 claims description 7
- 230000033001 locomotion Effects 0.000 claims description 6
- 238000007781 pre-processing Methods 0.000 claims description 6
- 238000010276 construction Methods 0.000 claims description 5
- 238000000605 extraction Methods 0.000 claims description 4
- 238000012545 processing Methods 0.000 claims description 4
- 230000004927 fusion Effects 0.000 claims description 3
- 238000012795 verification Methods 0.000 claims description 3
- 238000003708 edge detection Methods 0.000 claims description 2
- 230000003068 static effect Effects 0.000 claims description 2
- 230000004888 barrier function Effects 0.000 claims 1
- 238000004364 calculation method Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 239000000284 extract Substances 0.000 description 2
- 230000004807 localization Effects 0.000 description 2
- 102000002067 Protein Subunits Human genes 0.000 description 1
- 108010001267 Protein Subunits Proteins 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 229910052705 radium Inorganic materials 0.000 description 1
- HCWPIIXVSYCSAN-UHFFFAOYSA-N radium atom Chemical group [Ra] HCWPIIXVSYCSAN-UHFFFAOYSA-N 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/10—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration
- G01C21/12—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning
- G01C21/16—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/20—Instruments for performing navigational calculations
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/24—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for cosmonautical navigation
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- General Physics & Mathematics (AREA)
- Astronomy & Astrophysics (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明公开了一种基于主动激光SLAM的导航系统，该系统包括在未知环境下的主动激光SLAM和已知地图时的自主导航两大部分。主动激光SLAM部分和自主导航部分都包括移动机器人模块、激光雷达模块和处理器模块，所述主动激光SLAM部分中的处理器模块包括激光SLAM模块、主动探索模块和路径规划模块，自主导航部分中的处理器模块包括定位模块和路径规划模块。本发明提出的主动激光SLAM导航系统可以明显提高激光建图和定位的速度，增强了移动机器人在未知环境中探索的目的性，并通过局部路径规划模块有效提高机器人的动态避障能力，适合于机器人在复杂环境中的导航作业。
Description
技术领域
本发明属于激光同时定位与建图(Simultaneous Localization and Mapping,SLAM)处理技术和移动机器人导航路径规划技术领域，具体涉及一种基于主动激光SLAM的导航系统。
背景技术
近年来，SLAM技术在移动机器人导航系统中得到应用与快速发展。通常针对室内移动机器人的导航来说，一般是先构建环境地图后再根据地图信息进行路径规划，从而完成整个导航任务。然而，传统的SLAM研究中移动机器人的移动轨迹是预先设置指定好的路径，需要人为干预来避开障碍物达到构建环境地图的目的。但是在实际的应用中，大多数环境都是未知的，在进入环境前，机器人无法提前规划好一条移动路径。而主动SLAM的目的是赋予机器人完全自主的探索能力，即使没有人的干预，机器人也能够自主避障并且建立准确、完整的环境地图。
专利CN113218384A公布了一种基于激光SLAM的室内AGV自适应定位系统，利用激光雷达对AGV工作环境构建栅格地图后基于特征点和优化匹配算法进行自适应切换，从而提高AGV的定位精度，但该算法需要预先设定固定目标值后才能进行导航，同时缺少主动探索策略而无法根据周围环境完全实现自主导航；专利号CN111578939A公布了一种考虑采样周期随机变化的机器人紧组合导航方法及系统，该方案通过激光雷达一次次不断采集周围环境数据对机器人进行导航，对于较稳定的室内环境来说，该方法过于繁琐且盲目探索。
发明内容
针对现有技术存在的缺陷和不足，本发明提出了一种基于主动激光SLAM的导航系统，用于对本系统机器人所处环境进行主动探索，进行建图与定位以实现机器人的完全自主导航功能。其中，激光雷达可以快速对本系统所处的室内环境进行探测，根据基于边界的主动探索策略发布目标点，进行路径规划并发布运动指令给机器人地盘完成地图构建。在建立完整的环境地图后结合当前激光雷达采集的数据进行机器人重定位和路径规划。此外，本发明的改进在于路径规划模块可以进行动态避障，从而保证机器人的安全性。同时改进还在于主动探索模块可以根据已经建立的环境地图自主判断最有可能产生回环的区域，从而引导机器人自主寻找回环而提升激光SLAM系统整体的定位精度。
为了实现上述目的，本发明采用以下技术方案完成：
一种基于主动激光SLAM的导航系统，可以分为两个部分：未知地图时的主动激光SLAM模块和已知地图时的自主导航模块。主动激光SLAM模块和自主导航模块都包括移动机器人模块、激光雷达模块和处理器模块，而所述主激光SLAM模块中的处理器模块包括激光SLAM模块、主动探索模块以及路径规划模块，自主导航模块中的处理器模块包括定位模块和路径规划模块；
所述激光SLAM模块用于：基于激光雷达点云数据，建立室内环境的三维点云特征地图，并且对其进行平面二维处理后得到对应的二维栅格地图；对所述机器人环境进行实时定位与建图并且位姿和环境信息实时发送到主动探索模块，同时还需将实时的位姿信息发送到路径规划模块；
所述主动探索模块用于：根据地图信息和基于边界搜索的方法选出有价值探索的边界点，并且再探索完边界点后主动寻找回环区域目标点，并且将其位置发送至所述路径规划模块；
所述路径规划模块包括全局路径规划和局部路径规划，其中全局路径规划用于根据机器人当前位姿信息、周围环境静态障碍物信息和目标边界点位姿信息形成一条无碰撞的导航路径，并发送运动指定到移动机器人模块；其中局部路径规划用于在导航过程中的动态避障，主要让机器人沿着全局路径前进而在遇到突然出现的障碍物时将那些局部避障重新规划，生成绕开障碍物的局部路径使机器人进行避障，而在局部路径规划算法中引入时间变量，根据机器人的动态约束通过将运动时间最小化来得到最快路径，从而安全达到指定目标点；
所述定位模块用于根据主动SLAM模块生成的环境地图进行地图特征匹配确定机器人位姿，从而完成导航任务；
所述激光雷达模块用于采集周围环境的三维点云信息，获取点云数据后发送至处理器模块；
所述移动机器人模块用于按照处理后的导航路径移动所述系统并且装载激光雷达模块和所述处理器；
优选地，所述移动机器人模块包括底盘、移动轮、驱动轮控制、毫米波雷达、IMU以及轮式里程计模块；所述激光雷达模块和处理器模块位于底盘的上表面；所述底盘呈原体状，所述驱动轮控制、IMU和轮式里程计模块设置于所述底盘内部；所述毫米波雷达布置于所述底盘四周侧表面；
优选地，所述激光SLAM模块包括点云帧预处理、激光里程计、激光建图和回环检测模块；
所述点云帧预处理用于地面点云分割和去除动态物体的点云，同时从处理后的点云提取球面特征、边缘特征和平面特征用于后续的点云特征匹配；所述激光里程计用于特征匹配实现粗定位；所述激光建图模块用于根据里程计信息和当前帧点云实现精定位；所述回环检测模块用于点云场景识别，减小累计误差；
优选地，所述定位模块包括激光SLAM模块(无回环检测模块)和重定位模块；所述激光SLAM模块用于接收当前点云帧后进行相对位姿估计，之后与重定位模块的位姿估计进行融合推算当前机器人在地图中的位姿；所述重定位模块将当前帧点云和已经建立的点云地图进行特征提取并匹配，通过几何性验证和重定位并与激光SLAM模块输出的位姿估计进行增量式图优化后精确得出当前机器人在地图中的位姿信息；
本发明的有益效果为：
1、本发明利用激光SLAM生成的点云地图对周围环境进行主动探索，基于边界和主动寻找回环的探索策略引导机器人做出必要的运动，实现主动激光SLAM功能。相比于现有的激光SLAM技术，本发明提出的激光SLAM可以明显提高激光建图和定位速度，增加激光SLAM系统的目的性，避免了激光传感器盲目搜索区域，从而改善了激光SLAM的整体效率；
2、本发明中的激光SLAM模块除了提取点云的边缘和平面特征，同时也提取了点云的球面特征，提高了系统在退化环境下(特征较少的环境)的鲁棒性；
3、本发明通过主动激光SLAM采集的点云地图中的特征与当前帧点云特征进行匹配并重定位后，经过增量式位姿优化过程输出机器人在地图中的位姿，大大提高了定位精度；
4、本发明通过局部路径规划模块有效地提高机器人的动态避障能力，同时考虑到机器人底层的动态约束引入时间变量，提高了避障系统的鲁棒性和计算效率；
附图说明
图1为本发明实施例的基于主动激光SLAM的导航系统的结构安装示意图；
图2为本发明实施的基于主动激光SLAM的导航系统各模块示意图；
附图中：1、移动机器人模块；2、激光雷达模块；3、处理器模块；
具体实施方式
为了使本发明目的、技术方案及优点更加清楚明白，下面结合附图及实施例对本发明作进一步描述。
如图1所示，本实施例提供的一种基于主动激光SLAM的导航系统的结构包括移动机器人模块、激光雷达模块和处理器模块。在本发明中，处理器选取的是NVIDIATX2高性能嵌入式开发板，装有Ubuntu18.04和ROS Melodic操作系统，采用的激光雷达模块是镭神16线激光雷达，激光雷达与处理器通过有线网口连接，激光雷达复杂采集测量范围内物体距离和角度信息，并将扫描的信息传送给处理器进行处理。
如图2所示，本实施例提供的基于主动激光SLAM的导航系统各模块示意图。由图2所知，本发明提供了一种基于主动激光SLAM的导航算法，步骤如下：
步骤1：首先人为选定目标区域(室内环境)，将移动机器人置于该未知地图的环境下；
步骤2：随后调用未知地图时的主动激光SLAM模块开始引导机器人高效的建立周围环境地图，具体算法过程如下：
步骤2.1：根据激光SLAM模块进行扫图，该模块分为点云帧预处理、激光里程计、激光建图和回环检测四个部分。点云帧预处理用于地面点云分割和去除动态物体的点云，同时从处理后的点云提取球面特征、边缘特征和平面特征用于后续的点云特征匹配；激光里程计用于特征匹配实现粗定位；激光建图模块用于根据里程计信息和当前帧点云实现精定位；回环检测模块用于点云场景识别，可根据当前点云帧和历史点云帧的距离进行回环判断，判断回环后进行全局位姿优化以减小累计误差；由该模块形成三维点云地图后通过平面二维化可输出二维栅格地图；
步骤2.2：制定探索策略后并形成主动探索模块，主动探索模块首先利用类似于计算机视觉中的边缘检测和区域提取来查找边界点，通过检测栅格地图中不同的概率值来检测出边界点。当机器人朝向边界移动时，它可以探测到未开发的区域并将其信息加入到地图中。随着机器人朝着边界前进，地图将不断扩大，边界也将继续向外扩张，新的边界将始终在远处，并提供一个新的探索目的地。在边界点寻找过程中，记录点云每一帧的特征数量，当特征数量超过设定阈值后，可认为该帧具有丰富的点云特征信息可用引导机器人主动重复一次该区域形成回环约束以此提高定位精度，因此机器人在探索边界后进而依据特征数量大小依次重复探索包含丰富点云帧的历史区域；
步骤2.3：在由上一模块输出的目标区域点后，根据全局路径规划算法可以包括且不限于A*算法引导机器人达到目标位置，为了提升该算法的搜索效率，在生成路径后检测路径上隔开的两个点之间是否有视线，如果存在则可以将两个点之间的中间点删除。而针对导航过程中的动态避障问题，依靠搭载机器人本体上的激光雷达对包含动态障碍物的区域进行地图更新随后根据局部路径规划算法进行有效避障。鉴于传统局部路径规划算法DWA(动态窗法，Dynamical Window Approach)存在前瞻性不足且动态避障效果差等问题，可应用一种带有时间信息的局部路径规划算法TEB(时间弹性带算法，Timed ElasticBand)以实现稳定的动态环境下的避障，TEB为弹性带算法附加了时间信息，根据动态约束(如有限的机器人速度和加速度)通过将运动时间最小化来得到最快路径；
步骤2.4：最后路径规划模块输出路径后便可发布控制指定，使机器人移动到目标位置，完成整个未知区域的探索；
步骤3：之后得到得到目标区域的整体地图后，便可实现基于已知地图的自主导航，具体算法过程如下：
步骤3.1：首先实现机器人在地图中的定位，该定位模块包括激光SLAM模块(无回环检测模块)和重定位模块，其中激光SLAM模块用于接收当前点云帧后进行相对位姿估计，之后与重定位模块的位姿估计进行融合推算当前机器人在地图中的位姿，而重定位模块将当前帧点云和已经建立的点云地图进行特征提取并匹配，通过几何性验证和GICP重定位并与激光SLAM模块输出的位姿估计进行增量式图优化后精确得出当前机器人在地图中的位姿信息；
步骤3.2：发布机器人的位姿后选取目标点同样可进行路径规划，路径规划方式同步骤2.3所述；
综上，一种基于主动激光SLAM的导航系统，为实现移动机器人在室内的完全自主导航及精确定位奠定了基础。
上面结合附图对本发明的实例进行了描述，虽然本发明已以较佳实施例公开如上，但其并非用以限定本发明，任何熟悉此技术的人，在不脱离本发明的精神和范围内，都可做各种的改动与修饰，因此本发明的保护范围应该以权利要求书所界定的为准。
Claims (2)
1.一种基于主动激光SLAM的导航系统，其特征在于该系统采用主动激光SLAM实现了移动机器人在室内环境下高效率建图和高精度定位，包括在未知环境下的主动激光SLAM和已知地图时的自主导航两大部分；主动激光SLAM部分和自主导航部分都包括移动机器人模块、激光雷达模块和处理器模块，而所述主动激光SLAM部分中的处理器模块包括激光SLAM模块、主动探索模块和路径规划模块，自主导航部分中的处理器模块包括定位模块和路径规划模块；所述主动激光SLAM部分中的路径规划模块在探索未知环境时根据当前位置和目标点位置规划路径，所述自主导航部分中的路径规划模块在构建完环境地图时根据当前位置和目标位置规划路径，两者有着相同的结构和功能；
所述激光SLAM模块用于：基于激光雷达点云数据，建立室内环境的三维点云特征地图，并且对其进行平面二维处理后得到对应的二维栅格地图；
激光SLAM模块分为点云帧预处理、激光里程计、激光建图和回环检测四个部分，点云帧预处理用于地面点云分割和去除动态物体的点云，同时从处理后的点云提取球面特征、边缘特征和平面特征用于后续的点云特征匹配；激光里程计用于特征匹配实现粗定位；激光建图模块用于根据里程计信息和当前帧点云实现精定位；回环检测模块用于点云场景识别，可根据当前点云帧和历史点云帧的距离进行回环判断，判断回环后进行全局位姿优化以减小累计误差；由该模块形成三维点云地图后通过平面二维化可输出二维栅格地图；
所述主动探索模块用于：根据地图信息和基于边界搜索的方法选出当前地图上有探索价值的边界点，并且在探索过程中主动寻找回环区域目标点；
主动探索模块首先利用计算机视觉中的边缘检测和区域提取来查找边界点，通过检测栅格地图中不同的概率值来检测出边界点，当机器人朝向边界移动时，探测到未开发的区域并将其信息加入到地图中，随着机器人朝着边界前进，地图将不断扩大，边界也将继续向外扩张，新的边界将始终在远处，并提供一个新的探索目的地；在边界点寻找过程中，记录点云每一帧的特征数量，当特征数量超过设定阈值后，可认为该帧具有丰富的点云特征信息可用引导机器人主动重复一次该区域形成回环约束以此提高定位精度，因此机器人在探索边界后进而依据特征数量大小依次重复探索包含丰富点云帧的历史区域；
所述路径规划模块包括全局路径规划和局部路径规划，其中全局路径规划用于根据机器人当前位置信息、周围环境静态障碍物信息和目标边界点信息形成一条无碰撞的导航路径；其中局部路径规划用于在导航过程中的动态避障，在局部路径规划算法中引入时间变量，根据机器人的动态约束将运动时间最小化来得到最快路径；
所述定位模块用于：根据主动SLAM模块生成的环境地图进行地图特征匹配确定机器人位置信息，从而完成导航任务；
所述激光雷达模块用于：采集周围环境的三维点云信息，获取点云数据发送至处理器模块；
所述移动机器人模块用于：按照处理后的导航路径驱动机器人移动至目标点。
2.根据权利要求1所述的系统，其特征在于：所述定位模块接收激光SLAM模块当前点云帧数据后进行相对位置估计，之后与位于其内部的重定位子模块进行数据融合，进行增量式图优化后推算出当前机器人在地图中的精确位置信息；所述重定位子模块用于将当前帧点云数据和已经建立的点云地图进行特征提取并匹配，进行几何性验证和重定位。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111310689.4A CN114034299B (zh) | 2021-11-08 | 2021-11-08 | 一种基于主动激光slam的导航系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111310689.4A CN114034299B (zh) | 2021-11-08 | 2021-11-08 | 一种基于主动激光slam的导航系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114034299A CN114034299A (zh) | 2022-02-11 |
| CN114034299B true CN114034299B (zh) | 2024-04-26 |
Family
ID=80136604
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111310689.4A Active CN114034299B (zh) | 2021-11-08 | 2021-11-08 | 一种基于主动激光slam的导航系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114034299B (zh) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115420275A (zh) * | 2022-08-22 | 2022-12-02 | 先临三维科技股份有限公司 | 回环路径的预测方法及装置、非易失性存储介质、处理器 |
| CN115655102A (zh) * | 2022-10-10 | 2023-01-31 | 广州里工实业有限公司 | 一种搭载尺寸测量系统的自主机器人及工件测量方法 |
| CN116147606B (zh) * | 2022-12-02 | 2023-09-08 | 浙江大学 | 一种基于轮式移动机器人的自主探索建图方法及系统 |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US4737028A (en) * | 1986-04-07 | 1988-04-12 | The United States Of America As Represented By The Secretary Of The Army | Target loop active boresighting device |
| CN108897328A (zh) * | 2018-08-27 | 2018-11-27 | 桂林电子科技大学 | 轮椅机器人及其室内自主导航方法 |
| CN109085605A (zh) * | 2018-08-29 | 2018-12-25 | 长春博立电子科技有限公司 | 全自动探索未知空间并建立地图的方法及系统 |
| CN109584294A (zh) * | 2018-11-23 | 2019-04-05 | 武汉中海庭数据技术有限公司 | 一种基于激光点云的路面点云提取方法和装置 |
| CN110587597A (zh) * | 2019-08-01 | 2019-12-20 | 深圳市银星智能科技股份有限公司 | 一种基于激光雷达的slam闭环检测方法及检测系统 |
| CN112014857A (zh) * | 2020-08-31 | 2020-12-01 | 上海宇航系统工程研究所 | 用于智能巡检的三维激光雷达定位导航方法及巡检机器人 |
| CN112819943A (zh) * | 2021-01-15 | 2021-05-18 | 北京航空航天大学 | 一种基于全景相机的主动视觉slam系统 |
| CN113110457A (zh) * | 2021-04-19 | 2021-07-13 | 杭州视熵科技有限公司 | 在室内复杂动态环境中智能机器人的自主覆盖巡检方法 |
| CN113189977A (zh) * | 2021-03-10 | 2021-07-30 | 新兴际华集团有限公司 | 一种用于机器人的智能导航路径规划系统及方法 |
| CN113238247A (zh) * | 2021-03-30 | 2021-08-10 | 陈岳明 | 基于激光雷达的机器人定位导航方法、装置及设备 |
-
2021
- 2021-11-08 CN CN202111310689.4A patent/CN114034299B/zh active Active
Patent Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US4737028A (en) * | 1986-04-07 | 1988-04-12 | The United States Of America As Represented By The Secretary Of The Army | Target loop active boresighting device |
| CN108897328A (zh) * | 2018-08-27 | 2018-11-27 | 桂林电子科技大学 | 轮椅机器人及其室内自主导航方法 |
| CN109085605A (zh) * | 2018-08-29 | 2018-12-25 | 长春博立电子科技有限公司 | 全自动探索未知空间并建立地图的方法及系统 |
| CN109584294A (zh) * | 2018-11-23 | 2019-04-05 | 武汉中海庭数据技术有限公司 | 一种基于激光点云的路面点云提取方法和装置 |
| CN110587597A (zh) * | 2019-08-01 | 2019-12-20 | 深圳市银星智能科技股份有限公司 | 一种基于激光雷达的slam闭环检测方法及检测系统 |
| WO2021017072A1 (zh) * | 2019-08-01 | 2021-02-04 | 深圳市银星智能科技股份有限公司 | 基于激光雷达的 slam 闭环检测方法及检测系统 |
| CN112014857A (zh) * | 2020-08-31 | 2020-12-01 | 上海宇航系统工程研究所 | 用于智能巡检的三维激光雷达定位导航方法及巡检机器人 |
| CN112819943A (zh) * | 2021-01-15 | 2021-05-18 | 北京航空航天大学 | 一种基于全景相机的主动视觉slam系统 |
| CN113189977A (zh) * | 2021-03-10 | 2021-07-30 | 新兴际华集团有限公司 | 一种用于机器人的智能导航路径规划系统及方法 |
| CN113238247A (zh) * | 2021-03-30 | 2021-08-10 | 陈岳明 | 基于激光雷达的机器人定位导航方法、装置及设备 |
| CN113110457A (zh) * | 2021-04-19 | 2021-07-13 | 杭州视熵科技有限公司 | 在室内复杂动态环境中智能机器人的自主覆盖巡检方法 |
Non-Patent Citations (4)
| Title |
|---|
| Active gaze control for attentional visual SLAM;Simone Frintrop 等;《2008 IEEE INTERNATIONAL CONFERENCE ON ROBOTICS AND AUTOMATION》;20080613;1-8 * |
| 基于激光雷达的移动机器人三维建图与定位;殷江;林建德;孔令华;邹诚;游通飞;易定容;;福建工程学院学报;20200825(第04期) * |
| 搜救机器人视觉SLAM回环检测方法研究;谢鹏发 等;《医疗卫生装备》;20201231;第41卷(第12期);1-6 * |
| 郭明 等.《激光雷达技术与结构分析方法》.测绘出版社,2017,11-12. * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114034299A (zh) | 2022-02-11 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN114034299B (zh) | 一种基于主动激光slam的导航系统 | |
| CN109916393B (zh) | 一种基于机器人位姿的多重栅格值导航方法及其应用 | |
| CN109186606B (zh) | 一种基于slam和图像信息的机器人构图及导航方法 | |
| CN113110457B (zh) | 在室内复杂动态环境中智能机器人的自主覆盖巡检方法 | |
| Moravec | Sensor fusion in certainty grids for mobile robots | |
| Luck et al. | Registration of range data using a hybrid simulated annealing and iterative closest point algorithm | |
| CN102042835B (zh) | 自主式水下机器人组合导航系统 | |
| CN106681330A (zh) | 基于多传感器数据融合的机器人导航方法及装置 | |
| CN110275538A (zh) | 智能巡航车导航方法及系统 | |
| CN105910604A (zh) | 一种基于多传感器的自主避障导航系统 | |
| CN112928799B (zh) | 基于激光测量的移动机器人自动对接充电方法 | |
| CN113706710B (zh) | 基于fpfh特征差异的虚拟点多源点云融合方法及系统 | |
| CN113505646B (zh) | 一种基于语义地图的目标搜索方法 | |
| KR20220129218A (ko) | 장애물에 관한 비행 상황을 인지하여 무인 이동체의 속도 제어 방법 및 무인 이동체 | |
| CN113763551A (zh) | 一种基于点云的大规模建图场景的快速重定位方法 | |
| CN111609853A (zh) | 三维地图构建方法、扫地机器人及电子设备 | |
| CN113110455A (zh) | 一种未知初始状态的多机器人协同探索方法、装置及系统 | |
| CN115031718A (zh) | 一种多传感器融合的无人船同步定位与建图方法(slam)及系统 | |
| CN113447014A (zh) | 室内移动机器人、建图方法、定位方法以及建图定位装置 | |
| CN115690343A (zh) | 一种基于视觉跟随的机器人激光雷达扫描建图方法 | |
| Aggarwal | Machine vision based SelfPosition estimation of mobile robots | |
| CN111239761B (zh) | 一种用于室内实时建立二维地图的方法 | |
| Li et al. | Optimization Method of SLAM Mapping Based on Plane Fitting and Intensity Information | |
| CN117237561B (zh) | 一种人形机器人封闭环境下三维点云地图重建方法 | |
| WO2024120269A1 (zh) | 一种融合点云地图、运动模型和局部特征的位置识别方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |