同时定位与地图构建(simultaneous localization and mapping,SLAM)技术在过去几十年中取得了惊人的进步,并在现实生活中实现了大规模的应用。由于精度和鲁棒性的不足,以及场景的复杂性,使用单一传感器(如相机、激光雷达)的SLAM系统往...同时定位与地图构建(simultaneous localization and mapping,SLAM)技术在过去几十年中取得了惊人的进步,并在现实生活中实现了大规模的应用。由于精度和鲁棒性的不足,以及场景的复杂性,使用单一传感器(如相机、激光雷达)的SLAM系统往往无法适应目标需求,故研究者们逐步探索并改进多源融合的SLAM解决方案。本文从3个层面回顾总结该领域的现有方法:1)多传感器融合(由两种及以上传感器组成的混合系统,如相机、激光雷达和惯性测量单元,可分为松耦合、紧耦合);2)多特征基元融合(点、线、面、其他高维几何特征等与直接法相结合);3)多维度信息融合(几何、语义、物理信息和深度神经网络的推理信息等相融合)。惯性测量单元和视觉、激光雷达的融合可以解决视觉里程计的漂移和尺度丢失问题,提高系统在非结构化或退化场景中的鲁棒性。此外,不同几何特征基元的融合,可以大大减少有效约束的程度,并可为自主导航任务提供更多的有用信息。另外,数据驱动下的基于深度学习的策略为SLAM系统开辟了新的道路。监督学习、无监督学习和混合监督学习等逐渐应用于SLAM系统的各个模块,如相对姿势估计、地图表示、闭环检测和后端优化等。学习方法与传统方法的结合将是提升SLAM系统性能的有效途径。本文分别对上述多源融合SLAM方法进行分析归纳,并指出其面临的挑战及未来发展方向。展开更多
针对无人水面艇(Unmanned Surface Vessel,USV)航行状态监测及试航性能评估试验中的参数获取问题,设计一套USV航行状态监测系统。以物联网(Internet of Things,IoT)3层架构为基础,设计小尺寸、低功耗的监测方案。以多源传感器和STM32微...针对无人水面艇(Unmanned Surface Vessel,USV)航行状态监测及试航性能评估试验中的参数获取问题,设计一套USV航行状态监测系统。以物联网(Internet of Things,IoT)3层架构为基础,设计小尺寸、低功耗的监测方案。以多源传感器和STM32微控制器作为感知层,以远距离无线电(Long Range Radio,LoRa)网关及LoRa终端作为数据远程传输途径,以传输控制协议(TCP)作为数据远程传输协议,以云平台作为系统应用层,实现数据采集、传输和应用功能。基于监测系统要求,在应用层设置阈值实现航行状态预警功能。对系统功能及性能进行测试,结果表明,系统横、纵摇精度为±0.02°RMS,风速为(0.2±0.03)m/s,风向为±2.5°,所有监测参数技术指标均符合要求,且丢包率在通信距离小于1.4 km时为1.5%,较传统方法降低约22%。该系统可为进一步完善USV航行状态监测提供技术支持。展开更多
文摘同时定位与地图构建(simultaneous localization and mapping,SLAM)技术在过去几十年中取得了惊人的进步,并在现实生活中实现了大规模的应用。由于精度和鲁棒性的不足,以及场景的复杂性,使用单一传感器(如相机、激光雷达)的SLAM系统往往无法适应目标需求,故研究者们逐步探索并改进多源融合的SLAM解决方案。本文从3个层面回顾总结该领域的现有方法:1)多传感器融合(由两种及以上传感器组成的混合系统,如相机、激光雷达和惯性测量单元,可分为松耦合、紧耦合);2)多特征基元融合(点、线、面、其他高维几何特征等与直接法相结合);3)多维度信息融合(几何、语义、物理信息和深度神经网络的推理信息等相融合)。惯性测量单元和视觉、激光雷达的融合可以解决视觉里程计的漂移和尺度丢失问题,提高系统在非结构化或退化场景中的鲁棒性。此外,不同几何特征基元的融合,可以大大减少有效约束的程度,并可为自主导航任务提供更多的有用信息。另外,数据驱动下的基于深度学习的策略为SLAM系统开辟了新的道路。监督学习、无监督学习和混合监督学习等逐渐应用于SLAM系统的各个模块,如相对姿势估计、地图表示、闭环检测和后端优化等。学习方法与传统方法的结合将是提升SLAM系统性能的有效途径。本文分别对上述多源融合SLAM方法进行分析归纳,并指出其面临的挑战及未来发展方向。
文摘针对无人水面艇(Unmanned Surface Vessel,USV)航行状态监测及试航性能评估试验中的参数获取问题,设计一套USV航行状态监测系统。以物联网(Internet of Things,IoT)3层架构为基础,设计小尺寸、低功耗的监测方案。以多源传感器和STM32微控制器作为感知层,以远距离无线电(Long Range Radio,LoRa)网关及LoRa终端作为数据远程传输途径,以传输控制协议(TCP)作为数据远程传输协议,以云平台作为系统应用层,实现数据采集、传输和应用功能。基于监测系统要求,在应用层设置阈值实现航行状态预警功能。对系统功能及性能进行测试,结果表明,系统横、纵摇精度为±0.02°RMS,风速为(0.2±0.03)m/s,风向为±2.5°,所有监测参数技术指标均符合要求,且丢包率在通信距离小于1.4 km时为1.5%,较传统方法降低约22%。该系统可为进一步完善USV航行状态监测提供技术支持。
