移动机器人导航带有增强的2D映射和多传感器融合

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
• 传感器融合式传感器

背景情况:

• 移动机器人导航严重依赖于精确的同时定位和映射 (SLAM).
• 现有的SLAM系统在绘制准确性和本地化效率方面面临挑战,特别是在复杂的环境中.
• 集成各种传感器数据,如RGB-D摄像头和LiDAR,为增强性能提供了潜力.

研究的目的:

• 为移动机器人导航开发一个增强的SLAM框架.
• 通过传感器数据融合,提高绘图准确性和定位效率.
• 为了提高本地化过程的稳定性,使用改进的Gmapping算法.

主要方法:

• 提出了一个数据融合策略,将RGB-D点云投射到2D中,并将其与LiDAR数据对比.
• 实施了晚期融合方法,将处理的传感器数据用于SLAM系统.
• 开发了增强的Gmapping (EGM) 算法,结合了自适应重新采样和退化处理.

主要成果:

• 与最先进的方法相比,模拟显示旅行距离减少了8%,处理时间减少了13%,目标完成率提高了15%.
• 现实世界的测试表明,EGM算法实现了与经典Gmapping相比,行驶距离减少3%,执行时间减少9%.
• 增强的SLAM框架显示了更好的导航性能和本地化稳定性.

结论:

• 提议的增强的SLAM框架有效地集成RGB-D和LiDAR数据,以实现可靠的移动机器人导航.
• 增强的Gmapping (EGM) 算法通过解决粒子耗尽问题,显著提高了定位准确性和效率.
• 这项工作通过改进的绘图和定位技术,有助于推进移动机器人的自主性.