视觉同时定位与地图创建(Visual Simultaneous Localization and Mapping,简称VSLAM)是近年来在自主移动机器人领域非常热门的研究话题。该技术的核心在于使用摄像头等视觉传感器实时获取环境信息,并同时进行自身位置的定位与环境地图的构建。在室内导航地图制备方面,VSLAM技术可以提供一种与传统激光扫描不同的解决方案,尤其适用于那些难以使用激光传感器的场合。
从给定文件的内容来看,提出了一种基于VSLAM技术的室内导航地图制备方法。这种方法的主要步骤包括:
1. 利用VSLAM技术估计相机的位姿:VSLAM算法能够在没有先验信息的情况下,仅利用摄像头拍摄的连续图像序列,对相机的运动轨迹进行估计,并同步构建环境地图。
2. 后端优化生成环境三维点云:在估计相机位姿的基础上,通过后端处理算法,如图优化(Graph Optimization)等技术,对位姿估计结果进行平滑和优化,生成较为准确的环境三维点云数据。
3. 筛选地面点云并获取地面平面方程:由于导航通常需要关注地面上可行走的区域,因此研究者使用随机采样一致性(Random Sample Consensus,RANSAC)算法等方法筛选出点云中的地面点,进而确定地面的平面方程。
4. 投影点云至二维栅格地图并更新栅格占用状态:将三维点云投影到二维栅格上,并结合贝叶斯方法等概率统计技术来更新栅格的占用状态,最终生成室内导航用的二维栅格地图。
这种方法制备的室内导航地图在精度上能够满足移动机器人导航的要求,并且由于地图中包含了环境的三维结构信息,在进行路径规划时,可以有效避免机器人规划的路径出现穿过低矮或悬空物体的错误。
此外,从文档提供的参考文献格式可以得知,该研究的作者为林志林、张国良、王蜂、姚二亮、贾枭,并于2018年发表在《电光与控制》期刊上。
关键词中自主导航、移动机器人、三维点云、栅格地图、随机采样一致性、贝叶斯方法等,都是与VSLAM技术紧密相关的研究领域和方法。其中,自主导航是移动机器人执行任务的基石,而移动机器人则需要基于精确的地图信息进行自定位和路径规划。三维点云能够提供环境的详细几何信息,栅格地图则是一种常用的地图表达形式,适合于机器人进行路径规划和状态更新。随机采样一致性算法常用于估计几何模型,而贝叶斯方法则广泛应用于不确定性信息的处理。
总结来说,VSLAM技术为室内导航地图的制备提供了新的途径和方法,尤其在动态环境或复杂场景中,通过视觉传感器获取的丰富信息,可以为移动机器人提供更准确、更丰富的导航和定位支持。