视觉-惯性测量单元融合,同时定位和映射算法研究复杂地形在露天矿山
Yuanbin Xiao1,2, Wubin Xu2,3, Bing Li1,2
1School of Mechanical and Automotive Engineering, Guangxi University of Science and Technology, Liuzhou 545006, China.
Sensors (Basel, Switzerland)
|November 27, 2024
概括
本研究介绍了智能采矿机器人增强的同时定位和映射 (SLAM) 系统,改进了视觉惯性数据融合,用于在具有挑战性的露天采矿环境中精确导航.
科学领域:
- 机器人技术 机器人技术 机器人技术
- 计算机视觉 计算机视觉
- 地理空间技术是什么
背景情况:
- 开采采矿中的智能机器人需要精确的定位和数字映射.
- 传统的视觉SLAM与露天矿区的地形扎,原因是距离变化和低质感.
研究的目的:
- 开发一种改进的SLAM技术,整合视觉和惯性测量单元 (IMU) 数据.
- 为了提高矿山机器人的本地化准确性和系统稳定性.
主要方法:
- 一个点线特征融合匹配策略,用于强大的线特征提取.
- 集成了一种增强的线段检测 (LSD) 算法.
- 与IMU预集和滑动窗口优化紧密结合的视觉惯性框架.
主要成果:
- 与ORB-SLAM相比,在EuRoC数据集上,RMSE精度提高了36.62% (MH) 和26.88% (VR),相比ORB-SLAM3.
- 在模拟开采采矿试验中,轨道偏移显著减少.
- 在模拟测试中,定位精度提高了40.62%和61.32%.
结论:
- 拟议的视觉惯性SLAM方法显著提高了定位精度和稳定性.
- 这种技术解决了在复杂的采矿环境中特征提取和定位的挑战.
- 改进后的系统显示了智能采矿应用的巨大潜力.
更多相关视频
08:27Author Spotlight: Efficient Image Recognition Using Directional Gradient Histogram Technique and Support Vector Machines
Published on: January 5, 2024
982
10:02FIM Imaging and FIMtrack: Two New Tools Allowing High-throughput and Cost Effective Locomotion Analysis
Published on: December 24, 2014
11.7K
