公开(公告)号：CN110285806A

公开(公告)日：2019-09-27

申请号：CN201910604608.8

申请日：2019-07-05

Applicant: 电子科技大学

Inventor： 左琳 ,  刘玉祥 ,  张昌华 ,  刘宇 ,  陈勇 ,  何配林 ,  姬兴亮

IPC: G01C21/00 ,  G01C21/16 ,  G01S17/93

Abstract: 本发明公开了一种基于多次位姿校正的移动机器人快速精确定位算法，属于机器人和计算机图形学技术领域。本发明所述算法利用UKF结合机器人运动模型融合IMU和里程计的数据，把这个融合结果作为AMCL的运动模型采样数据源。接着利用已知全局栅格地图和激光雷达测量作为观测对机器人进行第二次位姿校正。然后用NDT算法将激光扫描转换为NDT分布，把AMCL算法校正后的位姿作为初始变换，将当前扫描的NDT分布与事先转化为NDT分布的全局地图进行匹配，校正转移矩阵，实现最后一次位姿校正。本发明所述方法可以使机器人在复杂地形中实现快速精准的定位，解决了里程计和加速度计误差累积、定位算法所用传感器信息来源单一、以及复杂地形中点云匹配算法耗时高等问题。

公开(公告)号：CN110880010A

公开(公告)日：2020-03-13

申请号：CN201910605055.8

申请日：2019-07-05

Applicant: 电子科技大学

Inventor： 左琳 ,  陈勇 ,  张昌华 ,  刘宇 ,  何配林 ,  刘玉祥 ,  姬兴亮

IPC: G06K9/62 ,  G06N3/04

Abstract: 本发明公开了一种基于卷积神经网络的视觉SLAM闭环检测算法，属于机器人和深度学习领域。本发明所述算法利用卷积神经网络预训练模型提取图像特征，其最后的全连接层输出作为提取的图像特征向量。然后使用ZCA白化方法对高维图像特征向量进行降维处理并白化，利用中值滤波消除相似矩阵中存在的椒盐噪声。最后通过定义的相似矩阵计算图像相似值得分判断是否发生闭环。本发明所述方法可以判断是否发生闭环检测，减少定位算法的累积误差，在光照变化剧烈、复杂场景下仍具有很好的鲁棒性，解决了传统闭环检测方法手工提取特征成本高、鲁棒性低等问题，提高了闭环检测的效率。

公开(公告)号：CN110689622A

公开(公告)日：2020-01-14

申请号：CN201910604487.7

申请日：2019-07-05

Applicant: 电子科技大学

Inventor： 左琳 ,  姬兴亮 ,  刘宇 ,  张昌华 ,  陈勇 ,  刘玉祥 ,  何配林

IPC: G06T19/00 ,  G06T7/73 ,  G06K9/62

Abstract: 本发明公开了一种基于点云分割匹配闭环校正的同步定位与构图算法，属于机器人自主导航和计算机图形学技术领域。本发明所述算法通过对从三维点云中提取的特征点进行帧间匹配得到机器人的相对位姿变换，同时将求得的位姿以图的形式保存在后端，再将点云基于此位姿记录下来形成地图；再利用点云分割和描述算法将点云片段化处理后保存，利用随机森林算法对点云片段进行匹配，形成闭环约束条件；最后通过图优化算法对历史位姿和地图进行修正，实现机器人同步定位与构图。本发明所述方法在保证局部定位精度的同时，对历史位姿和地图进行了保存和修正，有效地减小了室外长距离环境下的累积误差，进而实现了全局一致性良好的机器人同步定位与构图。

公开(公告)号：CN110689622B

公开(公告)日：2021-08-27

申请号：CN201910604487.7

申请日：2019-07-05

Applicant: 电子科技大学

Inventor： 左琳 ,  姬兴亮 ,  刘宇 ,  张昌华 ,  陈勇 ,  刘玉祥 ,  何配林

IPC: G06T19/00 ,  G06T7/73 ,  G06K9/62

Abstract: 本发明公开了一种基于点云分割匹配闭环校正的同步定位与构图算法，属于机器人自主导航和计算机图形学技术领域。本发明所述算法通过对从三维点云中提取的特征点进行帧间匹配得到机器人的相对位姿变换，同时将求得的位姿以图的形式保存在后端，再将点云基于此位姿记录下来形成地图；再利用点云分割和描述算法将点云片段化处理后保存，利用随机森林算法对点云片段进行匹配，形成闭环约束条件；最后通过图优化算法对历史位姿和地图进行修正，实现机器人同步定位与构图。本发明所述方法在保证局部定位精度的同时，对历史位姿和地图进行了保存和修正，有效地减小了室外长距离环境下的累积误差，进而实现了全局一致性良好的机器人同步定位与构图。

公开(公告)号：CN109543682A

公开(公告)日：2019-03-29

申请号：CN201811413253.6

申请日：2018-11-23

Applicant: 电子科技大学

Inventor： 左琳 ,  何配林 ,  张昌华 ,  陈勇 ,  刘玉祥 ,  姬兴亮 ,  刘宇 ,  陈峦 ,  吴云峰

IPC: G06K9/32 ,  G06K9/34 ,  G06K9/62

Abstract: 本发明公开了一种基于深度学习的指针式仪表读数方法，属于深度学习和计算机视觉领域。本发明所述方法利用Mask-RCNN目标检测和实例分割算法，先将表盘和指针图像分割，再运用透视变换对表盘做校正处理，紧接着运用PCA(Principal Component Analysis，主成分分析)算法对分割出来的仪表指针进行直线拟合，然后根据指针的最小斜外接矩形的中心坐标和表盘的圆心坐标判断指针的方向，最后根据指针的斜率和方向运用角度法计算出指针读数。本发明所述方法可以准确分类仪表类型，高精度像素级分割指针和表盘，非均匀光照条件下、不同尺度下仍具有很好的鲁棒性，解决了传统指针式仪表识别领域中表盘和指针定位困难、光线不均匀、镜面反光、图片模糊不清造成识别精度不高等问题。