结合视觉和距离传感器,用于在走廊环境中 AMCL 定位,并使用矩形标志
Paloma de la Puente1, Germán Vega-Martínez1, Patricia Javierre1
1Centre for Automation and Robotics (UPM-CSIC), Universidad Politécnica de Madrid, Madrid, Spain.
这项研究通过将视觉矩形检测集成到自适应式蒙特卡洛定位 (AMCL) 算法中,提高了移动机器人在走廊等具有挑战性的环境中的定位. 混合方法通过使用视觉特征来提高导航准确性和稳定性.
科学领域:
- 机器人和人工智能 机器人和人工智能
- 计算机视觉 计算机视觉
- 同时定位和绘制 (SLAM)
背景情况:
- 定位对于移动机器人来说至关重要,但在复杂的环境中具有挑战性.
- 传统的基于范围的方法在类似走廊的环境中扎.
- 视觉特征提供了强大的本地化潜力.
研究的目的:
- 改进移动机器人在具有挑战性的环境,特别是走廊中的定位.
- 将视觉地标检测集成到现有的本地化算法中.
- 开发一种强大的方法来检测人造环境中的矩形特征.
主要方法:
- 将新的观测模型集成到适应式蒙特卡洛定位 (AMCL) ROS节点中.
- 利用检测到的矩形地标的视觉特征.
- 开发一种混合方法,结合全向摄像头,激光传感器和RGB-D传感器.
- 介绍RIDGE,一个用于检测投射四边形表示矩形的新算法.
主要成果:
- 拟议的混合方法在特定条件下显示出显著的优势,例如长直径走廊.
- 使用模拟和现实实验的评估验证了该方法的有效性.
- 整合视觉矩形检测可以提高定位的准确性和稳定性.
结论:
- 混合本地化方法有效地解决了结构化环境中传统方法的局限性.
- 视觉矩形检测,特别是RIDGE算法,为机器人导航提供了一个强大的解决方案.
- 这项工作有助于在复杂的人造环境中更可靠,更准确地定位移动机器人.
更多相关视频
05:47Simulation of a Scaled Assembly Process with Collaboration of a Robotic Arm and Monitoring through a Vision System for Quality Control
Published on: August 29, 2025
08:25Combining Eye-tracking Data with an Analysis of Video Content from Free-viewing a Video of a Walk in an Urban Park Environment
Published on: May 7, 2019
相关概念视频
Sight Distance in a Vertical Curve
Depth Perception and Spatial Vision
Design Example: Identifying the Locations of Monuments in the Field Using Global Positioning System Device
Design Example: Measuring Distance Between Two Points with Obstructions
Electronic Distance Measuring Instruments
Vision
