期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到4篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于二维激光的机器人室内构图 被引量：12
1
作者 宫婉婷 孙作雷 潘盼 《微型机与应用》 2017年第18期55-58,62,共5页
建立了2D激光扫描匹配数据的构图方案,使用GMapping(一种高效的Rao-Blackwellized粒子滤波器,从激光数据学习网格地图)通过改变内部扫描配准算法,实现录制数据(原始2D扫描数据)经过激光配准算法后生成相对运动文件作为tf,用以提高地图... 建立了2D激光扫描匹配数据的构图方案,使用GMapping(一种高效的Rao-Blackwellized粒子滤波器,从激光数据学习网格地图)通过改变内部扫描配准算法,实现录制数据(原始2D扫描数据)经过激光配准算法后生成相对运动文件作为tf,用以提高地图生成和激光扫描配准的精度。实验基于机器人操作系统(ROS),开源的GMapping软件包进行同时定位和地图构建(SLAM),通过RVIZ(用于ROS的3D可视化工具)控制机器人运动。该方案可应用于移动机器人的导航、构图与2D重建、同步定位与地图构建(SLAM)等领域。 展开更多
关键词 ROS slam 激光匹配 slam-gmapping TF
下载PDF
基于ROS平台的激光雷达Slam-GMapping的重定位方法研究 被引量：12
2
作者 胡晓强 刘汉忠 +2 位作者 贾良冠 张盟 吴正朕 《现代信息科技》 2019年第12期159-161,共3页
目前主流的机器人操作平台ROS(Robot Operating System)建图媒介是Kinect双目摄像头,采用CMOS红外传感器感知黑白光谱的方式来构建目标地图。计算量大,建图轮廓不清晰,地图构建与实际地图偏移量较大,重定位精度差。本文提出基于ROS平台... 目前主流的机器人操作平台ROS(Robot Operating System)建图媒介是Kinect双目摄像头,采用CMOS红外传感器感知黑白光谱的方式来构建目标地图。计算量大,建图轮廓不清晰,地图构建与实际地图偏移量较大,重定位精度差。本文提出基于ROS平台的激光雷达Slam-GMapping的重定位技术,包括RBPF粒子滤波算法、激光雷达Slam-GMapping建图和机器人的重定位。实验结果表明:激光雷达Slam-GMapping相比于Kinect,能够更好地构建目标地图,建图效果更加优越,建图精度更高;该重定位技术的定位方位更加精确,定位误差更小。 展开更多
关键词 ROS 激光雷达 RBPF slam-gmapping 重定位
下载PDF
基于SLAM的机器人的导航算法设计 被引量：2
3
作者 王闯 康庆洋 +2 位作者 宋江南 孟昭军 韩召 《智能机器人》 2019年第6期60-64,共5页
本文旨在得到更好的建图效果并运用于机器人导航中。在比较分析了HectorSLAM,LagoSLAM,Cartographer,GMapping等不同SLAM算法的优缺点之后,选择了拥有更好效果的蒙特卡洛自适应定位以及激光建图(GMapping)算法。且针对传统的GMapping算... 本文旨在得到更好的建图效果并运用于机器人导航中。在比较分析了HectorSLAM,LagoSLAM,Cartographer,GMapping等不同SLAM算法的优缺点之后,选择了拥有更好效果的蒙特卡洛自适应定位以及激光建图(GMapping)算法。且针对传统的GMapping算法无回环、精确度不高的问题,提出增加闭环检测环节。并且通过ROS操作系统实现此GMapping算法,此算法通过改变内部扫描配准的算法,来提高建图的精度。最后将改进算法以及机器人自主导航技术相结合,经过多次试验验证了这种改进算法的建图的准确性。 展开更多
关键词 ROS slam-gmapping 闭环检测 lanunch文件 机器人自主导航
下载PDF
基于AF和AS算法优化的slam_gmapping研究
4
作者 颜韩 汪伟 +2 位作者 崔金华 代迪迪 王汝佳 《江苏理工学院学报》 2022年第2期93-101,共9页
针对传统Gmapping算法粒子数恒定导致在简单环境中运行速度缓慢,而在复杂环境中无法精确定位和建图的问题,提出了一种自适应采样算法(Adaptive Sampling,简称AS)。当二维激光点云波动量大于某个阀值时,增加采样粒子数,反之适当减少采样... 针对传统Gmapping算法粒子数恒定导致在简单环境中运行速度缓慢,而在复杂环境中无法精确定位和建图的问题,提出了一种自适应采样算法(Adaptive Sampling,简称AS)。当二维激光点云波动量大于某个阀值时,增加采样粒子数,反之适当减少采样数。实验结果表明:该算法能够合理利用系统资源,有效改善由恒定粒子数导致的一系列问题。此外,为了增强系统在复杂环境中的建图效果,将萤火虫算法(AF)与之相融合,利用AF的高聚集能力改善采样粒子的分布,进而提高滤波器的估计能力。在ROS平台下的仿真结果表明,优化后的算法显著提高了系统的定位建图效果,同时也有效缩短了其平均建图时间。 展开更多
关键词 萤火虫算法 slam_gmapping算法 自适应采样 粒子滤波
下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
使用帮助 返回顶部