【摘 要】
：
由于激光雷达传感器具有不受光线影响、测量精度高等显著优点,激光SLAM技术可以解决在室内环境下难以定位的情况,而且还被广泛应用于室外场景定位,如无人机、自动驾驶等。为了深入研究基于三维激光雷达的LOAM和ALOAM算法,本文在KITTI数据集的基础上分别运行LOAM、LOAM与IMU融合和ALOAM算法,选取KITTI数据集中的07序列作为实验数据,分析和对比LOAM、LOAM与IMU融合和ALO
论文部分内容阅读
由于激光雷达传感器具有不受光线影响、测量精度高等显著优点,激光SLAM技术可以解决在室内环境下难以定位的情况,而且还被广泛应用于室外场景定位,如无人机、自动驾驶等。为了深入研究基于三维激光雷达的LOAM和ALOAM算法,本文在KITTI数据集的基础上分别运行LOAM、LOAM与IMU融合和ALOAM算法,选取KITTI数据集中的07序列作为实验数据,分析和对比LOAM、LOAM与IMU融合和ALOAM算法的位姿估计结果,分析和总结这三种算法的性能。
其他文献
语义地图能够帮助移动机器人更好的理解环境，改善定位性能。为了提高语义地图的精度，本文提出一种激光与视觉融合识别并构建语义地图的方法。首先对激光雷达击中点进行直线拟合，提取凸凹墙角信息；其次利用相机和电子罗盘进行墙角的方向性区分，得到丰富的墙角类别信息；再次利用墙角信息对柜式物体进行误识别去除，融合激光深度信息，得到更加精确的物体语义信息；最后利用贝叶斯估计增量式的构建语义地图，消除语义栅格重叠构建
针对目前激光雷达为降低成本进而降低速度呈现出的采样频率低、采样点稀疏的发展方向与提高移动机器人移动速度的发展要求不匹配的现状,设计实现了一种畸变矫正算法,通过获取移动机器人搭载的位置姿态传感器数据,运用滤波算法和球面线性插值算法对姿态进行滤波估计,从而实现激光点云的畸变矫正。最后通过搭建ROS提供的Gazebo仿真平台,利用Rviz可视化,直观清晰地展示了矫正效果,验证了畸变矫正算法的准确性和可行
"双减"政策实行以来,校外培训治理工作取得了明显进展,到2021年年底,学科类培训大幅压减,线下校外培训机构已压减83.8%,线上校外培训机构已压减84.1%。文章分析了大幅压减学科类培训机构之后需要进一步解决的四方面问题,即学科类培训机构"营改非"后的规范经营问题,如何治理隐形学科类培训问题,如何形成学校教育提质增效的长效机制问题和如何进一步深化教育评价改革的问题,并给出建议,以实现"双减"确定
在基础教育领域实施“双减”政策是国家在新时代为深化基础教育改革、提高学校教育教学质量、保障学生身心健康而启动的一项重要教育改革,其目标取向包括:促进学校聚焦“立德树人”根本任务,扭转基础教育的功利化、短视化倾向;优化基础教育生态,保障公立学校在基础教育中的主体地位;促进学校教育回归本真,大力提高课堂教学质量,减轻学生学业负担,提倡学生全面发展等。为保证基础教育“双减”政策能够得到有效实施,提出积极
传统的机器人导航系统在复杂的地形环境中常常无法引导机器人躲避突然出现的障碍物，无法精准采集数据;为此提出一种改进RBPF算法的轮式机器人SLAM导航系统，对系统硬件和软件进行设计;改进RBPF算法是一种滤波算法，将激光雷达与里程计的信息作为提议分布，提高了导航精度;系统硬件主要由导航功能模块、底盘驱动模块、控制模块组成，利用RPLIDAR A1型激光雷达设计导航功能模块，并设计底盘驱动模块和控制模
人工智能芯片是人工智能技术的核心硬件基础,对人工智能技术的发展影响巨大。当前人工智能芯片的市场由英伟达、英特尔、赛灵思、谷歌等国际巨头占据主要份额,国内企业近年来加速布局,在边缘推理芯片等领域发展较快,但整体上距国际先进水平还有较大的差距。本文阐述了人工智能芯片的概念和分类,深入分析了人工智能芯片产业的发展现状、发展趋势等,并提出我国在人工智能芯片领域应加大布局和研发力度。
为保障人体健康、保护生态环境,加强场地环境管理俨然成为我国环境保护工作予以重点践行的工作内容。其中,为进一步加强对污染场地土壤修复工作的贯彻落实力度,国家政府相关部门要求主体单位方面应该勇于承担起自身的工作责任,采取科学合理的修复技术方法,恢复场地使用功能。本文主要立足于我国污染场地修复现状,总结归纳污染场地土壤修复技术原则及内容。并在此基础上,结合具体工程实例,阐明污染场地土壤修复效果,并做出相
视觉传感器与激光雷达融合的SLAM方法是当下的研究的热点，实际效果优于单一传感器的SLAM方法。针对当下视觉传感器与激光雷达融合的算法仍然存在用于定位的特征点不足导致定位精度不高的问题，本文充分利用了激光雷达提供的深度信息，提出了一种多策略的视觉与激光融合的SLAM算法，在估计帧间位姿前对上一帧中的特征点深度值进行判断，通过特征点全部具有深度信息、部分具有深度信息、均不具有深度信息三种判断结果分别
目前主流的农业机器人以低成本、低帧率的激光雷达作为即时定位与地图构建（Simultaneous Localization and Mapping, SLAM）的主要传感器,存在运动畸变和误匹配的问题。该研究针对这一问题提出了融合里程计信息的Gmapping建图算法,利用高频率里程计信息为每一个激光束匹配到近似的机器人位姿,获取机器人当前位姿下更为精确的激光数据,以减少激光雷达运动畸变对地图构建产生