某电商配送中心仓储AGV室内SLAM技术研究
这是一篇关于仓储AGV,自主导航,SLAM,图优化,ROS的论文, 主要内容为随着电商物流的快速发展,传统的人工拣选方式已经无法满足企业的发展需要,面对柔性化的作业需求,迫切需要引进一种智能化的仓储AGV来减轻工人劳动量、提高作业效率。自主导航是仓储AGV(Automated Guided Vehicle)未来的发展趋势,SLAM(simultaneous localization and mapping)技术则是仓储 AGV 实现自主导航的一种核心技术,也是当前的研究热点。本文针对传统导航方式存在的弊端,结合企业的应用需求,提出一种基于SLAM自主导航仓储AGV方案,重点对SLAM技术进行研究,主要研究内容如下:首先,针对企业目前的人工拣选模式存在的问题,结合企业的整体布局和应用需求,对仓储AGV总体方案进行设计,包括作业流程的规划以及系统架构设计、导航方案的选择、仓储AGV结构方案设计等;其次,针对实现仓储AGV自主导航的关键技术进行分析,引出SLAM问题并对其进行数学描述,围绕SLAM过程的实现建立相关的数学模型,包括仓储AGV坐标系统模型、传感器模型以及栅格地图模型,为后续SLAM方法的实现提供模型基础;再次,针对仓储AGV运行环境的导航地图构建问题,考虑到图优化SLAM方法在大范围环境中更具优势,在图优化框架下设计了一套室内SLAM建图方案,从栅格地图的预处理、局部子地图的构建、基于搜索窗的闭环检测策略以及基于SPA(稀疏姿态调整)的后端优化方法四个方面完成了整个SLAM算法的搭建,并对每个环节进行了理论分析;最后,基于ROS平台的分布式特点,搭建了 SLAM系统框架并对各个子模块进行配置,结合仓储环境的特点搭建了仿真场景,模拟AGV在仿真环境中的SLAM建图过程,建图结果表明:该SLAM方案能够建立精度较好、全局一致的环境地图,可为仓储AGV实现自主导航提供所需地图。基于SLAM的自主导航技术可以适应复杂多变的环境,降低企业在维护和改造方面的成本,具有良好的应用前景,针对SLAM技术进行研究,为仓储AGV实现自主导航提供了一定的参考价值。
基于策略的SLAM原型系统开发
这是一篇关于策略,SLAM,模板,草稿,IPTV,参数的论文, 主要内容为网络业务质量管理是现今网络研究领域的一个重要方向。对服务质量参数的理解不仅限于服务提供商的角度,还要求客户对其易感知。另外对于管理业务的系统应该具有通用性和灵活性,这就是将策略引入SLAM系统,并制定通用的参数和模板开发的目的。 在研究现有的SLAM系统管理业务参数、模板、草稿的方法的基础上,提出了基于业务继承体系的参数开发方法;改进了ITU关于通用模板的建模方法,将其分为模板、草稿和SLA合同等三个阶段实现。 根据上述管理SLAM实体的方法,采用MVC架构完成了原型系统的架构设计。最后以IPTV为例进行参数的举例和SLAM系统相关重要问题的讨论。
云机器人同步定位与地图构建技术研究
这是一篇关于SLAM,云机器人,ROS,多机器人,数据压缩的论文, 主要内容为随着机器人技术的发展,人们对与机器人的任务需求也日益复杂化、密集化。与此同时,由于体积、能耗、成本等的限制,机器人本身的计算资源(例如嵌入式板载计算机的计算能力)往往是有限的,无法满足处理复杂任务的需要。云计算技术的兴起为解决这一矛盾带来了机遇。通过在后台以“资源即服务”形式支撑机器人任务的高效遂行,云机器人架构为机器人技术发展注入了新的潜力,云计算与机器人的结合逐渐成为了学术界的研究热点。同步定位与地图构建(Simultaneous Localization and Mapping,SLAM)问题是机器人领域的经典问题,关注机器人如何实时感知环境地图并同步确定自身位置,被认为是机器人实现真正自主化的第一步。传统解决方案完全在机器人本地执行,由于机器人自身资源的局限性,其执行速度和精度很难满足实际机器人应用的需求。本文围绕云机器人架构下的SLAM问题解决方案展开研究,通过云端来弥补机器人本地资源的不足。本文的主要工作体现以下四个方面:1)提出基于云机器人的SLAM服务架构。该架构将SLAM过程中计算密集型的数据处理及数据计算阶段放到云端,以云服务的方式提供给一个或多个机器人使用。机器人在运行时主动申请SLAM服务,向该服务持续提供环境感知数据,即能获得所构建的地图和自身定位,而不用关心SLAM过程是如何实现的、计算资源是否足够等问题。2)设计实现了云机器人SLAM服务原型系统。在所提出的云机器人下的SLAM服务架构指导下,设计实现了云机器人SLAM服务原型系统。该系统可分为两个层次,一个是本地+远端协同完成SLAM任务,是机器人向云端请求SLAM服务的简单模型;二是在该模型上实现本地主动申请服务以及远程端扩展形成云端,而完成整个架构的实现。3)设计实现了云端和机器人端之间的数据通信优化机制。在云机器人架构下,机器人端需持续向云端提供RGB-D视频数据,可能会超过机器人无线网络带宽的限制。本文在云机器人SLAM服务原型系统中设计实现了基于数据压缩的数据通信优化机制。4)在目前被广泛接受的机器人操作系统ROS之上部署了云机器人SLAM服务原型系统,并基于真实机器人对其功能和性能进行了测试评估,验证了云机器人架构所带来的收益。
基于多模态传感器融合的无人驾驶汽车定位与建图算法研究
这是一篇关于无人驾驶汽车,SLAM,多模态传感器融合,动态物体检测,语义地图的论文, 主要内容为同步定位与地图构建(Simultaneous Localization and Mapping,SLAM)是无人驾驶汽车在未知环境下实现自主导航、路径规划等功能的核心技术之一。由于实际行驶环境的复杂多变以及智能化要求的不断提高,基于单一传感器的传统SLAM算法难以很好地满足现阶段无人驾驶汽车对于鲁棒定位与环境建图的需求,更无法支撑其对行驶环境进行高层次的理解。因此本文提出一种基于多模态传感器融合的定位与建图算法LADVISLAM,一方面通过融合不同模态的传感器实现性能互补,提高算法面对未知行驶环境的鲁棒性,另一方面利用神经网络弥补传统SLAM的感知局限,在削弱动态物体干扰的同时为地图增添语义信息。本文主要研究内容如下:(1)为有效结合激光准确的深度测量与视觉强大的纹理感知优势,提出一种基于激光与视觉融合的深度视觉感知算法。首先根据相机的成像模型完成点云至深度图像的异质数据转换,然后利用视觉约束实现像素间的密集对齐。同时为解决点云自身稀疏性带来的深度缺失问题,采用自适应膨胀核完成稀疏深度图的快速稠密化,通过双边滤波平滑图像后得到最终的深度视觉感知结果,并将其耦合至LADVI-SLAM的数据融合预处理模块,以提升其面对不同行驶环境的适应性与鲁棒性。(2)针对动态物体导致传统SLAM定位精度下降,建图出现拖影的问题,提出一种基于几何一致性与语义信息联合约束的动态物体检测算法。首先基于Bi Se Net V2神经网络建立行驶环境下不同目标的先验运动概率模型,然后利用对极几何判断潜在运动目标内部特征点的真实运动状态,通过两者的联合约束完成对象级别的动态物体检测。在全面剔除动态特征点的基础上,进一步实现了一种面向动态行驶环境的深度视觉惯性里程计作为LADVI-SLAM的前端,从而为无人驾驶汽车提供更加可靠的定位结果。(3)针对传统激光点云地图缺乏颜色、纹理以及更高层次语义信息的问题,提出一种基于三维正太分布变换(3D Normal Distribution Transform,3D-NDT)匹配的稠密点云地图构建算法,用以支撑LADVI-SLAM的地图构建功能。首先通过深度视觉感知生成携带颜色信息的高密度三维点云,利用动态物体检测算法在剔除运动拖影的同时赋予点云语义信息,然后采用scan-to-map的方式构建出全局最优的点云地图,最后基于空间结构与加权投票机制对地图进行优化。(4)基于KITTI公开数据集与实车场景对本文提出的LADVI-SLAM算法进行实验验证,结果表明,相较于对比算法,LADVI-SLAM能够更好地适应不同类型的行驶环境,定位精度更高,构建出的彩色点云地图与语义地图在包含更多信息的基础上具备更好的全局一致性。
基于SLAM的增强现实展示系统的设计与实现
这是一篇关于SLAM,增强现实,单目,视觉里程计,IMU,OSG的论文, 主要内容为随着人工智能技术的不断进步,增强现实技术也逐渐受到人们的关注。然而当前时代中增强现实技术更多的是基于二维目标识别或依赖标识物,这使得增强现实具有了一定的局限性,影响了增强现实技术的发展和应用。因此现实场景实时建立三维地图对增强现实技术来说就变得尤为重要。将 SLAM(Simultaneous Localization And Mapping)技术融合到增强现实领域,为增强现实技术提供必要的三维信息,具有极高的可行性。然而,SLAM在增强现实领域的应用又存在着很多困难需要克服。本论文的主要工作是研究分析了 SLAM系统,针对增强现实领域的需求,对SLAM系统及算法进行了改进优化,包括降低系统的负荷、优化资源的分配、提升算法的实时性与鲁棒性和增加AR虚拟物体的稳定度等几个方面,最后设计并实现了AR展示系统。本文基于SLAM系统的增强展示系统具体主要做了以下工作:1)设计与实现了 SLAM系统,主要分为前端视觉里程计、后端优化算法和系统设计与优化三部分。针对桌面级的小范围地图,设计与改进现有的SLAM系统的视觉里程计与后端优化算法。有效地提高了视觉里程计算法与后端优化算法的实时性与可靠性。2)设计与实现了增强现实展示模块。基于OSG(OpenSceneGraph)三维引擎设计与实现了增强现实系统模块,并设计了显示模块算法优化增强现实系统的展示效果。3)设计与实现了增强现实模块与SLAM算法姿态估计模块之间的信息传递。最后对系统进行在同步性和实时性方面的优化,结合SLAM算法与增强现实模块,组成完整的基于SLAM算法的增强现实展示系统。
本文内容包括但不限于文字、数据、图表及超链接等）均来源于该信息及资料的相关主题。发布者：代码工坊 ，原文地址：https://m.bishedaima.com/lunwen/47678.html
