激光点云匹配是影响激光SLAM系统精度和效率的关键因素.传统激光SLAM算法无法区分场景结构,且在非结构化场景下由于特征提取不佳而出现性能退化.为此,提出一种联合CPD(coherent point drift)面向复杂场景的自适应激光SLAM算法CPD-LOAM....激光点云匹配是影响激光SLAM系统精度和效率的关键因素.传统激光SLAM算法无法区分场景结构,且在非结构化场景下由于特征提取不佳而出现性能退化.为此,提出一种联合CPD(coherent point drift)面向复杂场景的自适应激光SLAM算法CPD-LOAM.该算法提出一种基于预判和验证相结合的场景结构辨识方法,首先引入场景特征变量对场景结构进行初步判断,然后从几何特征角度通过表面曲率对其进行验证,增强对场景结构辨识的准确性.此外,在非结构化场景下添加CPD算法进行点云预配准,进而利用ICP算法进行再配准,解决该场景下的特征退化问题,从而提高点云配准的精度和效率.实验结果表明,提出的场景特征变量以及表面曲率可以根据设置的阈值有效地区分场景结构,在公开数据集KITTI上的验证结果显示,CPD-LOAM较LOAM算法定位误差降低了84.47%,相较于LeGO-LOAM与LIO-SAM算法定位精度也分别提升了55.88%和30.52%,且具有更高的效率和鲁棒性.展开更多
地震救援现场建筑结构评估是施行生命搜救作业的前提,也是进行安全施救的保障。基于SLAM(Simultaneous localization and mapping,即时定位与地图构建)技术的移动式三维激光扫描仪具有体积小、重量轻、可多平台搭载移动作业等多种优点,...地震救援现场建筑结构评估是施行生命搜救作业的前提,也是进行安全施救的保障。基于SLAM(Simultaneous localization and mapping,即时定位与地图构建)技术的移动式三维激光扫描仪具有体积小、重量轻、可多平台搭载移动作业等多种优点,其“所见即所得”的特点为进行地震救援现场建筑物结构安全评估提供了便利。本文以“应急使命·2023”演习场地和2023年12月18日甘肃积石山6.2级地震现场为例,对移动式三维激光扫描仪在地震救援中的应用进行验证。通过移动式三维激光扫描仪对救援场地进行扫描,获取点云数据开展建模,并对场地的分区布局、建筑类型、建筑结构等特征数据进行提取,在此基础上进行建筑物结构安全评估工作。结果表明基于SLAM技术的移动式三维激光扫描仪具有易于携带、操作简单、作业高效、测量精度高的特点,为地震救援现场开展现场评估工作提供了新的技术方法,具有良好的应用前景。展开更多
激光雷达技术的突破与惯性导航系统的完善使激光扫描设备在测绘领域表现出色。该设备已成为构建高效、精准三维模型的关键工具,广受认可,被广泛应用于各类工程测绘项目。它能迅速捕获三维坐标点、反射率及纹理等关键信息,以点云形式存储...激光雷达技术的突破与惯性导航系统的完善使激光扫描设备在测绘领域表现出色。该设备已成为构建高效、精准三维模型的关键工具,广受认可,被广泛应用于各类工程测绘项目。它能迅速捕获三维坐标点、反射率及纹理等关键信息,以点云形式存储,为构建建筑物三维模型提供坚实数据。针对市场局限,研发了即时定位与建图(Simultaneous Localization and Mapping,SLAM)方法,实现大型异构建筑室内外三维建模,并通过案例验证其高度可行性与可靠性,为相关行业提供技术支持,为类似工程提供全面解决方案,对测绘行业产生深远影响。展开更多
为解决牛场人工推翻饲料劳动强度大、工作时间长等问题,设计了一种基于激光雷达同步定位与建图(Simultaneous localization and mapping,SLAM)的牛场智能推翻草机器人自主导航系统,以期实现机器人在牛场环境中自主导航完成推翻草任务。...为解决牛场人工推翻饲料劳动强度大、工作时间长等问题,设计了一种基于激光雷达同步定位与建图(Simultaneous localization and mapping,SLAM)的牛场智能推翻草机器人自主导航系统,以期实现机器人在牛场环境中自主导航完成推翻草任务。自主导航系统通过激光雷达感知牛场环境,使用加载里程计信息的Cartographer算法构建牛场环境地图,采用未加载里程计信息的自适应蒙特卡洛定位(Adaptive Monte Carlo localization,AMCL)算法实现机器人的定位,并采用迪杰斯特拉算法(Dijkstra)规划机器人推翻草工作路径。试验表明,在构建牛场环境地图时采用机器人加载里程计信息的方式,横纵向偏差最大值低于未加载里程计信息时构建的地图,分别为0.02 m和0.14 m;在实现机器人的定位与导航时采用未加载里程计信息的方式,横纵向偏差最大值及航向偏角最大值分别小于0.04 m、0.10 m和11°,且导航精度高于加载里程计信息时的数值,满足牛场环境中推翻草作业时的导航精度要求。展开更多
文摘激光点云匹配是影响激光SLAM系统精度和效率的关键因素.传统激光SLAM算法无法区分场景结构,且在非结构化场景下由于特征提取不佳而出现性能退化.为此,提出一种联合CPD(coherent point drift)面向复杂场景的自适应激光SLAM算法CPD-LOAM.该算法提出一种基于预判和验证相结合的场景结构辨识方法,首先引入场景特征变量对场景结构进行初步判断,然后从几何特征角度通过表面曲率对其进行验证,增强对场景结构辨识的准确性.此外,在非结构化场景下添加CPD算法进行点云预配准,进而利用ICP算法进行再配准,解决该场景下的特征退化问题,从而提高点云配准的精度和效率.实验结果表明,提出的场景特征变量以及表面曲率可以根据设置的阈值有效地区分场景结构,在公开数据集KITTI上的验证结果显示,CPD-LOAM较LOAM算法定位误差降低了84.47%,相较于LeGO-LOAM与LIO-SAM算法定位精度也分别提升了55.88%和30.52%,且具有更高的效率和鲁棒性.
文摘地震救援现场建筑结构评估是施行生命搜救作业的前提,也是进行安全施救的保障。基于SLAM(Simultaneous localization and mapping,即时定位与地图构建)技术的移动式三维激光扫描仪具有体积小、重量轻、可多平台搭载移动作业等多种优点,其“所见即所得”的特点为进行地震救援现场建筑物结构安全评估提供了便利。本文以“应急使命·2023”演习场地和2023年12月18日甘肃积石山6.2级地震现场为例,对移动式三维激光扫描仪在地震救援中的应用进行验证。通过移动式三维激光扫描仪对救援场地进行扫描,获取点云数据开展建模,并对场地的分区布局、建筑类型、建筑结构等特征数据进行提取,在此基础上进行建筑物结构安全评估工作。结果表明基于SLAM技术的移动式三维激光扫描仪具有易于携带、操作简单、作业高效、测量精度高的特点,为地震救援现场开展现场评估工作提供了新的技术方法,具有良好的应用前景。
文摘激光雷达技术的突破与惯性导航系统的完善使激光扫描设备在测绘领域表现出色。该设备已成为构建高效、精准三维模型的关键工具,广受认可,被广泛应用于各类工程测绘项目。它能迅速捕获三维坐标点、反射率及纹理等关键信息,以点云形式存储,为构建建筑物三维模型提供坚实数据。针对市场局限,研发了即时定位与建图(Simultaneous Localization and Mapping,SLAM)方法,实现大型异构建筑室内外三维建模,并通过案例验证其高度可行性与可靠性,为相关行业提供技术支持,为类似工程提供全面解决方案,对测绘行业产生深远影响。
文摘为解决牛场人工推翻饲料劳动强度大、工作时间长等问题,设计了一种基于激光雷达同步定位与建图(Simultaneous localization and mapping,SLAM)的牛场智能推翻草机器人自主导航系统,以期实现机器人在牛场环境中自主导航完成推翻草任务。自主导航系统通过激光雷达感知牛场环境,使用加载里程计信息的Cartographer算法构建牛场环境地图,采用未加载里程计信息的自适应蒙特卡洛定位(Adaptive Monte Carlo localization,AMCL)算法实现机器人的定位,并采用迪杰斯特拉算法(Dijkstra)规划机器人推翻草工作路径。试验表明,在构建牛场环境地图时采用机器人加载里程计信息的方式,横纵向偏差最大值低于未加载里程计信息时构建的地图,分别为0.02 m和0.14 m;在实现机器人的定位与导航时采用未加载里程计信息的方式,横纵向偏差最大值及航向偏角最大值分别小于0.04 m、0.10 m和11°,且导航精度高于加载里程计信息时的数值,满足牛场环境中推翻草作业时的导航精度要求。
