CN111664842A - 一种无人扫地机的即时定位与地图构建*** - Google Patents

一种无人扫地机的即时定位与地图构建*** Download PDF

Info

Publication number
CN111664842A
CN111664842A CN202010379363.6A CN202010379363A CN111664842A CN 111664842 A CN111664842 A CN 111664842A CN 202010379363 A CN202010379363 A CN 202010379363A CN 111664842 A CN111664842 A CN 111664842A
Authority
CN
China
Prior art keywords
map
unmanned sweeper
unmanned
laser radar
module
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202010379363.6A
Other languages
English (en)
Inventor
张小毛
邹立伟
黄东川
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Suzhou Pinkun Intelligent Technology Co ltd
Original Assignee
Suzhou Pinkun Intelligent Technology Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Suzhou Pinkun Intelligent Technology Co ltd filed Critical Suzhou Pinkun Intelligent Technology Co ltd
Priority to CN202010379363.6A priority Critical patent/CN111664842A/zh
Publication of CN111664842A publication Critical patent/CN111664842A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/005—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 with correlation of navigation data from several sources, e.g. map or contour matching
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/10—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration
    • G01C21/12—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning
    • G01C21/16—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation
    • G01C21/165—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation combined with non-inertial navigation instruments
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/86—Combinations of lidar systems with systems other than lidar, radar or sonar, e.g. with direction finders
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/88—Lidar systems specially adapted for specific applications
    • G01S17/89—Lidar systems specially adapted for specific applications for mapping or imaging

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Electromagnetism (AREA)
  • Automation & Control Theory (AREA)
  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
  • Traffic Control Systems (AREA)

Abstract

一种无人扫地机的即时定位与地图构建***，包括硬件***、SLAM算法；所述硬件***包括安装在无人扫地机机体上的传感器组件、控制组件，在所述无人扫地机机体实时和连续的运动中，所述SLAM算法通过所述传感器组件感知的环境信息构建环境地图，然后通过控制组件完成对无人扫地机机体的控制；所述传感器组件包括若干个避障超声波传感器、激光雷达，所述避障超声波传感器均匀布置在无人扫地机机体四周外壁上，所述激光雷达安装在无人扫地机机体顶端的前部；所述控制组件包括嵌入式控制板、工控机、若干个直流电机。本发明所述的无人扫地机的即时定位与地图构建***，设计合理，提高了无人扫地机的即时定位与地图构建能力，应用前景广泛。

Description

一种无人扫地机的即时定位与地图构建***
技术领域
本发明属于无人扫地机技术领域，具体涉及一种无人扫地机的即时定位与地图构建***。
背景技术
近几十年来，对于科学技术的基础研究突飞猛进， 科技的每一次突破，都引起经济变革和社会进步，人们的生活水平也随之不断提高。随着以物联网和人工智能为基础的工业 4.0 时代的到来，越来越多的新型智能化产品被相继推出，无人扫地机就是其中的一种。
随着无人扫地机科技的日新月异，层出不穷的创新让无人扫地机更加安全，更加智能，极大的方便人们的生活。其中，图像处理技术是提升无人扫地机智能性的关键技术。相机就像无人扫地机的眼睛一样，能够接收最丰富的外界信息，计算机视觉技术的发展也大大推动了无人扫地机智能化的进程。实时性是对应用在无人扫地机上的图像处理算法最基本的要求，要求能够以较快的速度处理采集到的图像，实时地得到想要的结果。 为了提高处理图像的速度，一方面是硬件运行速度的提升，如今移动端芯片处理器遵循摩尔定律快速发展，一些高端芯片甚至拥有不弱于计算机的处理能力。而另一方面，是通过提出各种各样的算法，在软件上对其优化以提高速度。一个优秀的算法可以将性能提升百倍不止，而图像相比文字和语音等，拥有更加丰富的信息量，所以基于图像的算法具有巨大的潜力空间。如何从图像上获得更多的信息使得无人扫地机更加安全、更加智能、更加人性化， 理所当然地成为本领域技术人员研究的焦点所在。因此，研究出一种更好的一种无人扫地机的即时定位与地图构建***十分有必要，这具有很好的研究和发展前景。
中国专利申请号为 CN201821383666.X公开了一种低噪音智能无人扫地机，通过气泵室的内表面设有的隔音层，能够有效减弱因为气泵振动而产生的噪音，没有对无人扫地机的即时定位与地图构建***进行改进。
发明内容
发明目的：为了克服以上不足，本发明的目的是提供一种无人扫地机的即时定位与地图构建***，设计合理，提高了无人扫地机的即时定位与地图构建能力，反应速度块，定位准确，图像效果好，应用前景广泛。
本发明的目的是通过以下技术方案实现的：
一种无人扫地机的即时定位与地图构建***，其特征在于，包括硬件***、SLAM 算法；所述硬件***包括安装在无人扫地机机体上的传感器组件、控制组件，在所述无人扫地机机体实时和连续的运动中，所述SLAM 算法通过所述传感器组件感知的环境信息构建环境地图，然后通过控制组件完成对无人扫地机机体的控制；所述传感器组件包括若干个避障超声波传感器、激光雷达，所述避障超声波传感器均匀布置在无人扫地机机体四周外壁上，所述激光雷达安装在无人扫地机机体顶端的前部；所述控制组件包括嵌入式控制板、工控机、若干个直流电机，所述嵌入式控制板是硬件***的驱动控制器，所述工控机是上层SLAM算法的应用控制器，所述嵌入式控制板、工控机通过 USB 串口完成实时数据交换；所述直流电机为4个，4个所述直流电机分别对应无人扫地机机体的4个机轮并且与之连接，所述嵌入式控制板对直流电机进行驱动控制。
本发明所说无人扫地机的即时定位与地图构建***，设计合理，在无人扫地机机体实时、连续的移动过程中，通过激光雷达、避障超声波传感器来感知环境信息，SLAM 算法通过激光雷达、避障超声波传感器感知的环境信息构建环境地图，然后通过控制组件完成对无人扫地机机体的控制。控制组件采用嵌入式控制板与工控机的高低搭配组合，解决了现有技术中单独的嵌入式控制板无法承担相应计算量的技术问题，更好的完成了无人扫地机机体的实时确定自身位姿、合理规划路径以及实时的通讯管理与任务分配。
进一步的，上述的无人扫地机的即时定位与地图构建***，所述激光雷达包括2D激光雷达、深度相机、模糊控制器，所述2D激光雷达、深度相机的检测结果通过所述模糊控制器进行融合。
现有技术中的无人扫地机，多采用单激光雷达。其中，2D激光雷达是依靠激光，感知周围环境，单次测量是十分准确，受外部环境变化影响小的，但是数据点稀疏，只能获取到激光雷达所在高度的二维信息，对于低矮或者垂下的障碍物束手无策。而深度相机利用rgb图像与Depth图像联合，能够感知空间三维信息，环境信息丰富，但是深度相机把图像作为感知环境信息的方法，带来了一系列的缺点，首先图像本身对环境光照变化非常敏感，弱纹理环境下特征点相对较少，甚至难以检测足够的特征匹配点数目。
因此，激光雷达能提供环境的二维信息，深度相机能够获取环境的三维信息。将激光雷达和深度相机的立体视觉融合，可以弥补各自的缺点。
本发明所述的激光雷达，基于2D激光雷达和深度相机的多信息融合，为了弥补环境中低矮或者下垂障碍物无法被感知，基于模糊逻辑理论，实现2D激光雷达激光传感器与深度视觉传感器的信息融合，提髙无人扫地机对环境中信息感知水平，增加无人扫地机对复杂环境障碍物的探测能力，避免由于单一传感器性能导致的一系列的缺点，提升无人扫地机移动的精度和稳定性。
进一步的，上述的无人扫地机的即时定位与地图构建***，所述嵌入式控制板上集成有惯性测量元件、电机驱动模块、 WIFI 模块和功能拓展接口。
所述嵌入式控制上集成有惯性测量元件、电机驱动模块、 WIFI 模块和功能拓展接口，通过惯性测量元件能够提供极高频率的无人扫地机运动信息，通过电机驱动模块实现对直流电机的驱动控制，通过WIFI 模块实现无线通信，通过功能拓展接口实现功能扩展。其中，惯性测量元件可以融合填补激光雷达这类低频测量单元数据，减少长时间的运行过程中会随时间累积的误差，得到较为可靠的测量数据。
进一步的，上述的无人扫地机的即时定位与地图构建***，所述工控机为无风扇嵌入式工控机并且安装有Ubuntu16.04 LTS 操作***和 ROS框架；所述避障超声波传感器、激光雷达通过网口实时向所述工控机传输对周围环境的扫描数据。
进一步的，上述的无人扫地机的即时定位与地图构建***，所述直流电机装配有减速器和霍尔编码器。
无人扫地机运动时转速在控制过程中会有变化，霍尔编码器是由霍尔码盘和霍尔元件组成，在直流电机旋转过程中，带有分布式磁极的圆盘形霍尔码盘检测到同轴电极的角速度和角位移，通过磁电感应转换为数字脉冲信号，传输给嵌入式控制板从而计算出无人扫地机的行动的路程并传输工控机进行处理。
进一步的，上述的无人扫地机的即时定位与地图构建***，所述SLAM 算法包括数据采集、视觉里程计、建图、闭环检测；所述数据采集接收激光雷达采集的原图像，所述视觉里程计通过原图像计算激光雷达的朝向和无人扫地机机体所处位置，所述建图通过大量的原图像构建稠密地图；当激光雷达回到之前的某个地点时，通过所述闭环检测识别出这个地点并且通过回环的强制性约束条件去消除累积的地图点匹配误。
进一步的，上述的无人扫地机的即时定位与地图构建***，所述建图依次包括跟踪、深度图估计、地图构建、全局地图优化，通过所述跟踪、深度图估计、地图构建、全局地图优化四个模块可以根据激光雷达采集的原图像进行定位和地图构建；所述跟踪是基于金字塔区域分割法对激光雷达采集的原图像进行像素点取样并且创建参考关键帧；所述深度估计是基于取样的像素点计算对应的深度值，所述地图构建将恒速运动模型与参考关键帧模型结合，通过深度值构建地图；所述全局地图优化对上述地图进行非线性全局优化。
现有技术中的SLAM 算法的跟踪在提取像素点时， 一般会设一个全局阈值，然后直接在图像上提取梯度值高于阈值的像素点，但是这种方法提取的像素点过于集中，当遇到图像模糊或图像中有很多平滑的区域时，SLAM 算法会提取不到像素点，降低了跟踪性能。 为了增强跟踪的鲁棒性，采用金字塔区域分割法进行像素点取样，只考虑带像素梯度大的像素点，重构出一个半稠密的地图，同时减少了计算量，在计算量和地图稠密度之间进行了合理的权衡；所述地图构建将恒速运动模型与参考关键帧模型结合，结合两者优点，实用性更好，通过深度值构建地图；最后通过全局地图优化确保了结果的可靠性。
与现有技术相比，本发明具有如下的有益效果：
（1） 本发明公开的无人扫地机的即时定位与地图构建***，包括硬件***、SLAM 算法，在无人扫地机机体实时和连续的运动中，SLAM 算法通过激光雷达、避障超声波传感器感知的环境信息构建环境地图，然后通过控制组件完成对无人扫地机机体的控制，设计合理；
（2） 本发明公开的无人扫地机的即时定位与地图构建***，控制组件采用嵌入式控制板与工控机的高低搭配组合，解决了现有技术中单独的嵌入式控制板无法承担相应计算量的技术问题，更好的完成了无人扫地机机体的实时确定自身位姿、合理规划路径以及实时的通讯管理与任务分配；
（3） 本发明公开的无人扫地机的即时定位与地图构建***，所述的激光雷达，基于2D激光雷达和深度相机的多信息融合，为了弥补环境中低矮或者下垂障碍物无法被感知，基于模糊逻辑理论，实现2D激光雷达激光传感器与深度视觉传感器的信息融合，提髙无人扫地机对环境中信息感知水平，增加无人扫地机对复杂环境障碍物的探测能力，避免由于单一传感器性能导致的一系列的缺点，提升无人扫地机移动的精度和稳定性；惯性测量元件可以融合填补激光雷达这类低频测量单元数据，减少长时间的运行过程中会随时间累积的误差，得到较为可靠的测量数据；
（4） 本发明公开的无人扫地机的即时定位与地图构建***，SLAM 算法采用金字塔区域分割法进行像素点取样，只考虑带像素梯度大的像素点，重构出一个半稠密的地图，同时减少了计算量，在计算量和地图稠密度之间进行了合理的权衡，增强了跟踪的鲁棒性；述地图构建将恒速运动模型与参考关键帧模型结合，结合两者优点，实用性更好，通过深度值构建地图。
附图说明
图1为本发明所述一种无人扫地机的即时定位与地图构建***的硬件***构架图；
图2为本发明所述一种无人扫地机的即时定位与地图构建***的SLAM 算法构架图；
图中：硬件***1、传感器组件11、避障超声波传感器111、激光雷达112、2D激光雷达1121、深度相机1122、模糊控制器1123、控制组件12、嵌入式控制板121、工控机122、若干个直流电机123、SLAM 算法2、数据采集21、视觉里程计22、建图23、跟踪231、深度图估计232、地图构建233、全局地图优化234、闭环检测24、无人扫地机机体3。
具体实施方式
下面将结合具体实验数据和附图1、2，对本发明实施例中的技术方案进行清楚、完整的描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通的技术人员在没有做出创造性劳动的前提下所获得的所有其它实施例，都属于本发明的保护范围。
如图1、2所示，以下实施例提供了一种无人扫地机的即时定位与地图构建***，包括硬件***1、SLAM 算法2；所述硬件***1包括安装在无人扫地机机体3上的传感器组件11、控制组件12，在所述无人扫地机机体3实时和连续的运动中，所述SLAM 算法2通过所述传感器组件11感知的环境信息构建环境地图，然后通过控制组件12完成对无人扫地机机体3的控制；所述传感器组件11包括若干个避障超声波传感器111、激光雷达112，所述避障超声波传感器111均匀布置在无人扫地机机体3四周外壁上，所述激光雷达112安装在无人扫地机机体3顶端的前部；所述控制组件12包括嵌入式控制板121、工控机122、若干个直流电机123，所述嵌入式控制板121是硬件***1的驱动控制器，所述工控机122是上层SLAM 算法2的应用控制器，所述嵌入式控制板121、工控机122通过 USB 串口完成实时数据交换；所述直流电机123为4个，4个所述直流电机123分别对应无人扫地机机体3的4个机轮并且与之连接，所述嵌入式控制板121对直流电机123进行驱动控制。进一步的，所述行走模块15包括底盘行走驱动器151、电机驱动器152，所述主控制器11分别与底盘行走驱动器151、电机驱动器152连接。
进一步的，所述激光雷达112包括2D激光雷达1121、深度相机1122、模糊控制器1123，所述2D激光雷达1121、深度相机1122的检测结果通过所述模糊控制器1123进行融合。
进一步的，所述嵌入式控制板121上集成有惯性测量元件、电机驱动模块、 WIFI模块和功能拓展接口。
并且，所述工控机122为无风扇嵌入式工控机并且安装有Ubuntu16.04 LTS 操作***和 ROS框架；所述避障超声波传感器111、激光雷达112通过网口实时向所述工控机122传输对周围环境的扫描数据。
此外，所述直流电机123装配有减速器和霍尔编码器。
进一步的，所述SLAM 算法2包括数据采集21、视觉里程计22、建图23、闭环检测24；所述数据采集21接收激光雷达112采集的原图像，所述视觉里程计22通过原图像计算激光雷达112的朝向和无人扫地机机体3所处位置，所述建图23通过大量的原图像构建稠密地图；当激光雷达112回到之前的某个地点时，通过所述闭环检测24识别出这个地点并且通过回环的强制性约束条件去消除累积的地图点匹配误。
此外，所述建图23依次包括跟踪231、深度图估计232、地图构建233、全局地图优化234，通过所述跟踪231、深度图估计232、地图构建233、全局地图优化234四个模块可以根据激光雷达112采集的原图像进行定位和地图构建；所述跟踪231是基于金字塔区域分割法对激光雷达112采集的原图像进行像素点取样并且创建参考关键帧；所述深度估计232是基于取样的像素点计算对应的深度值，所述地图构建233将恒速运动模型与参考关键帧模型结合，通过深度值构建地图；所述全局地图优化233对上述地图进行非线性全局优化。
实施例
本发明所述的无人扫地机的即时定位与地图构建***，设计合理，提高了无人扫地机的即时定位与地图构建能力，反应速度块，定位准确，图像效果好，应用前景广泛。
在无人扫地机机体3实时、连续的移动过程中，通过激光雷达112、避障超声波传感器111来感知环境信息，SLAM 算法2通过激光雷达112、避障超声波传感器111感知的环境信息构建环境地图，然后通过控制组件12完成对无人扫地机机体3的控制。控制组件12采用嵌入式控制板121与工控机122的高低搭配组合，解决了现有技术中单独的嵌入式控制板121无法承担相应计算量的技术问题，更好的完成了无人扫地机机体3的实时确定自身位姿、合理规划路径以及实时的通讯管理与任务分配。
现有技术中的无人扫地机，多采用单激光雷达。其中，2D激光雷达是依靠激光，感知周围环境，单次测量是十分准确，受外部环境变化影响小的，但是数据点稀疏，只能获取到激光雷达所在高度的二维信息，对于低矮或者垂下的障碍物束手无策。而深度相机利用rgb图像与Depth图像联合，能够感知空间三维信息，环境信息丰富，但是深度相机把图像作为感知环境信息的方法，带来了一系列的缺点，首先图像本身对环境光照变化非常敏感，弱纹理环境下特征点相对较少，甚至难以检测足够的特征匹配点数目。
因此，2D激光雷达能提供环境的二维信息，深度相机能够获取环境的三维信息。将2D激光雷达和深度相机的立体视觉融合，可以弥补各自的缺点。
本发明所述的激光雷达112，基于2D激光雷达1121和深度相机1122的多信息融合，为了弥补环境中低矮或者下垂障碍物无法被感知，基于模糊逻辑理论，实现2D激光雷达1121与深度相机1122的信息融合，提髙无人扫地机对环境中信息感知水平，增加无人扫地机对复杂环境障碍物的探测能力，避免由于单一传感器性能导致的一系列的缺点，提升无人扫地机移动的精度和稳定性。
进一步的，所述嵌入式控制板121上集成有惯性测量元件、电机驱动模块、 WIFI模块和功能拓展接口。
所述嵌入式控制板121上集成有惯性测量元件、电机驱动模块、 WIFI 模块和功能拓展接口，通过惯性测量元件能够提供极高频率的无人扫地机运动信息，通过电机驱动模块实现对直流电机123的驱动控制，通过WIFI 模块实现无线通信，通过功能拓展接口实现功能扩展。其中，惯性测量元件可以融合填补激光雷达112这类低频测量单元数据，减少长时间的运行过程中会随时间累积的误差，得到较为可靠的测量数据。
进一步的，无人扫地机运动时转速在控制过程中会有变化，霍尔编码器是由霍尔码盘和霍尔元件组成，在直流电机123旋转过程中，带有分布式磁极的圆盘形霍尔码盘检测到同轴电极的角速度和角位移，通过磁电感应转换为数字脉冲信号，传输给嵌入式控制板121从而计算出无人扫地机的行动的路程并传输工控机122进行处理。
进一步的，现有技术中的SLAM 算法2的跟踪在提取像素点时， 一般会设一个全局阈值，然后直接在图像上提取梯度值高于阈值的像素点，但是这种方法提取的像素点过于集中，当遇到图像模糊或图像中有很多平滑的区域时，SLAM 算法2会提取不到像素点，降低了跟踪性能。 为了增强跟踪231的鲁棒性，采用金字塔区域分割法进行像素点取样，只考虑带像素梯度大的像素点，重构出一个半稠密的地图，同时减少了计算量，在计算量和地图稠密度之间进行了合理的权衡；所述地图构建233将恒速运动模型与参考关键帧模型结合，结合两者优点，实用性更好，通过深度值构建地图；最后通过全局地图优化234确保了结果的可靠性。
本发明具体控制***途径很多，以上所述仅是本发明的优选实施方式。应当指出，以上实施例仅用于说明本发明，而并不用于限制本发明的保护范围。对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进，这些改进也应视为本发明的保护范围。

Claims (7)

1.一种无人扫地机的即时定位与地图构建***，其特征在于，包括硬件***（1）、SLAM算法（2）；所述硬件***（1）包括安装在无人扫地机机体（3）上的传感器组件（11）、控制组件（12），在所述无人扫地机机体（3）实时和连续的运动中，所述SLAM 算法（2）通过所述传感器组件（11）感知的环境信息构建环境地图，然后通过控制组件（12）完成对无人扫地机机体（3）的控制；所述传感器组件（11）包括若干个避障超声波传感器（111）、激光雷达（112），所述避障超声波传感器（111）均匀布置在无人扫地机机体（3）四周外壁上，所述激光雷达（112）安装在无人扫地机机体（3）顶端的前部；所述控制组件（12）包括嵌入式控制板（121）、工控机（122）、若干个直流电机（123），所述嵌入式控制板（121）是硬件***（1）的驱动控制器，所述工控机（122）是上层SLAM 算法（2）的应用控制器，所述嵌入式控制板（121）、工控机（122）通过 USB 串口完成实时数据交换；所述直流电机（123）为4个，4个所述直流电机（123）分别对应无人扫地机机体（3）的4个机轮并且与之连接，所述嵌入式控制板（121）对直流电机（123）进行驱动控制。
2.根据权利要求1所述的无人扫地机的即时定位与地图构建***，其特征在于，所述激光雷达（112）包括2D激光雷达（1121）、深度相机（1122）、模糊控制器（1123），所述2D激光雷达（1121）、深度相机（1122）的检测结果通过所述模糊控制器（1123）进行融合。
3.根据权利要求1所述的无人扫地机的即时定位与地图构建***，其特征在于，所述嵌入式控制板（121）上集成有惯性测量元件、电机驱动模块、 WIFI 模块和功能拓展接口。
4.根据权利要求1所述的无人扫地机的即时定位与地图构建***，其特征在于，所述工控机（122）为无风扇嵌入式工控机并且安装有Ubuntu16.04 LTS 操作***和 ROS框架；所述避障超声波传感器（111）、激光雷达（112）通过网口实时向所述工控机（122）传输对周围环境的扫描数据。
5.根据权利要求1所述的无人扫地机的即时定位与地图构建***，其特征在于，所述直流电机（123）装配有减速器和霍尔编码器。
6.根据权利要求1所述的无人扫地机的即时定位与地图构建***，其特征在于，所述SLAM 算法（2）包括数据采集（21）、视觉里程计（22）、建图（23）、闭环检测（24）；所述数据采集（21）接收激光雷达（112）采集的原图像，所述视觉里程计（22）通过原图像计算激光雷达（112）的朝向和无人扫地机机体（3）所处位置，所述建图（23）通过大量的原图像构建稠密地图；当激光雷达（112）回到之前的某个地点时，通过所述闭环检测（24）识别出这个地点并且通过回环的强制性约束条件去消除累积的地图点匹配误。
7.根据权利要求6所述的无人扫地机的即时定位与地图构建***，其特征在于，所述建图（23）依次包括跟踪（231）、深度图估计（232）、地图构建（233）、全局地图优化（234），通过所述跟踪（231）、深度图估计（232）、地图构建（233）、全局地图优化（234）四个模块可以根据激光雷达（112）采集的原图像进行定位和地图构建；所述跟踪（231）是基于金字塔区域分割法对激光雷达（112）采集的原图像进行像素点取样并且创建参考关键帧；所述深度估计（232）是基于取样的像素点计算对应的深度值，所述地图构建（233）将恒速运动模型与参考关键帧模型结合，通过深度值构建地图；所述全局地图优化（233）对上述地图进行非线性全局优化。
CN202010379363.6A 2020-05-07 2020-05-07 一种无人扫地机的即时定位与地图构建*** Pending CN111664842A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010379363.6A CN111664842A (zh) 2020-05-07 2020-05-07 一种无人扫地机的即时定位与地图构建***

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010379363.6A CN111664842A (zh) 2020-05-07 2020-05-07 一种无人扫地机的即时定位与地图构建***

Publications (1)

Publication Number Publication Date
CN111664842A true CN111664842A (zh) 2020-09-15

Family

ID=72383456

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010379363.6A Pending CN111664842A (zh) 2020-05-07 2020-05-07 一种无人扫地机的即时定位与地图构建***

Country Status (1)

Country Link
CN (1) CN111664842A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112587036A (zh) * 2020-12-10 2021-04-02 苏州阿甘机器人有限公司 一种基于机器视觉的无人扫地机及其工作方法
CN113058175A (zh) * 2021-04-22 2021-07-02 河北地质大学 火场地图动态重构及危险品边缘检测的消防面罩
CN113432600A (zh) * 2021-06-09 2021-09-24 北京科技大学 基于多信息源的机器人即时定位与地图构建方法及***

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2012040644A1 (en) * 2010-09-24 2012-03-29 Evolution Robotics, Inc. Systems and methods for vslam optimization
CN105547267A (zh) * 2016-02-24 2016-05-04 山东雅百特科技有限公司 一种高效用于安装金属结构的测试定位装备及其工作方法
WO2019018315A1 (en) * 2017-07-17 2019-01-24 Kaarta, Inc. ALIGNMENT OF MEASURED SIGNAL DATA WITH SLAM LOCATION DATA AND ASSOCIATED USES
CN109341694A (zh) * 2018-11-12 2019-02-15 哈尔滨理工大学 一种移动探测机器人的自主定位导航方法
CN109405824A (zh) * 2018-09-05 2019-03-01 武汉契友科技股份有限公司 一种适用于智能网联汽车的多源感知定位***
CN110053014A (zh) * 2019-05-07 2019-07-26 河北工业大学 一种基于视觉slam的室内智能移动平台
CN110764511A (zh) * 2019-11-13 2020-02-07 苏州大成有方数据科技有限公司 一种带有多传感器融合的移动式机器人及其控制方法
CN110827395A (zh) * 2019-09-09 2020-02-21 广东工业大学 一种适用于动态环境的即时定位与地图构建方法

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2012040644A1 (en) * 2010-09-24 2012-03-29 Evolution Robotics, Inc. Systems and methods for vslam optimization
CN105547267A (zh) * 2016-02-24 2016-05-04 山东雅百特科技有限公司 一种高效用于安装金属结构的测试定位装备及其工作方法
WO2019018315A1 (en) * 2017-07-17 2019-01-24 Kaarta, Inc. ALIGNMENT OF MEASURED SIGNAL DATA WITH SLAM LOCATION DATA AND ASSOCIATED USES
CN109405824A (zh) * 2018-09-05 2019-03-01 武汉契友科技股份有限公司 一种适用于智能网联汽车的多源感知定位***
CN109341694A (zh) * 2018-11-12 2019-02-15 哈尔滨理工大学 一种移动探测机器人的自主定位导航方法
CN110053014A (zh) * 2019-05-07 2019-07-26 河北工业大学 一种基于视觉slam的室内智能移动平台
CN110827395A (zh) * 2019-09-09 2020-02-21 广东工业大学 一种适用于动态环境的即时定位与地图构建方法
CN110764511A (zh) * 2019-11-13 2020-02-07 苏州大成有方数据科技有限公司 一种带有多传感器融合的移动式机器人及其控制方法

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112587036A (zh) * 2020-12-10 2021-04-02 苏州阿甘机器人有限公司 一种基于机器视觉的无人扫地机及其工作方法
CN113058175A (zh) * 2021-04-22 2021-07-02 河北地质大学 火场地图动态重构及危险品边缘检测的消防面罩
CN113432600A (zh) * 2021-06-09 2021-09-24 北京科技大学 基于多信息源的机器人即时定位与地图构建方法及***
CN113432600B (zh) * 2021-06-09 2022-08-16 北京科技大学 基于多信息源的机器人即时定位与地图构建方法及***

Similar Documents

Publication Publication Date Title
CN111612760B (zh) 用于检测障碍物的方法和装置
CN114384920B (zh) 一种基于局部栅格地图实时构建的动态避障方法
CN111664842A (zh) 一种无人扫地机的即时定位与地图构建***
CN103064416B (zh) 巡检机器人室内外自主导航***
CN113253297B (zh) 融合激光雷达和深度相机的地图构建方法及装置
CN111461048B (zh) 基于视觉的停车场可行驶区域检测与局部地图构建方法
US20230267615A1 (en) Systems and methods for generating a road surface semantic segmentation map from a sequence of point clouds
CN111609853B (zh) 三维地图构建方法、扫地机器人及电子设备
CN114742874A (zh) 一种基于激光与视觉异步融合的slam算法
CN116879870B (zh) 一种适用于低线束3d激光雷达的动态障碍物去除方法
CN114034299A (zh) 一种基于主动激光slam的导航***
CN114815851A (zh) 机器人跟随方法、装置、电子设备以及存储介质
CN115328153A (zh) 传感器数据处理方法、***及可读存储介质
Zhou et al. ASL-SLAM: A LiDAR SLAM with activity semantics-based loop closure
CN108646759B (zh) 基于立体视觉的智能可拆卸移动机器人***及控制方法
CN115032984A (zh) 一种面向港口物流智能机器人的半自主导航方法及***
Zhang et al. Design of dual-LiDAR high precision natural navigation system
Hu et al. A small and lightweight autonomous laser mapping system without GPS
CN117570960A (zh) 一种用于导盲机器人的室内定位导航***及方法
CN117606497A (zh) 一种实时地图构建方法、***及导盲眼镜
Wu et al. Research progress of obstacle detection based on monocular vision
Lisang et al. Design and implementation of intelligent tracking car based on machine vision
CN110764511A (zh) 一种带有多传感器融合的移动式机器人及其控制方法
Wang et al. Agv navigation based on apriltags2 auxiliary positioning
Zhang et al. A visual slam system with laser assisted optimization

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20200915