【摘 要】
：
SLAM（同时定位与地图构建）是当下许多热门领域的基础技术,服务于自动驾驶、虚拟现实、增强现实在内的多个应用场景。利用搭载特定传感器的主体,SLAM技术可以在没有环境先验的前提下,于运动中进行场景三维重建,同时估计机器人自身位置和运动轨迹。然而,现有SLAM方法通常只适用于单机、单次作业,当场景规模逐渐扩大时,存在内存占用大、计算量高、轨迹漂移等问题,限制了在真实场景中的适用范围。为此,本文研究面
论文部分内容阅读
SLAM（同时定位与地图构建）是当下许多热门领域的基础技术,服务于自动驾驶、虚拟现实、增强现实在内的多个应用场景。利用搭载特定传感器的主体,SLAM技术可以在没有环境先验的前提下,于运动中进行场景三维重建,同时估计机器人自身位置和运动轨迹。然而,现有SLAM方法通常只适用于单机、单次作业,当场景规模逐渐扩大时,存在内存占用大、计算量高、轨迹漂移等问题,限制了在真实场景中的适用范围。为此,本文研究面向大规模场景的多机融合SLAM框架,利用分治的思想,将大规模场景SLAM问题转化为多个互不干扰的子场景SLAM问题,支持多人多机独立并行作业;同时,设计新的多机数据组织结构,对各个子场景SLAM任务得到的重建结果进行统一管理和融合,为大规模场景SLAM问题提供解决方案。本框架主要包括子场景单机SLAM与多机点云融合两部分。（1）在单机SLAM任务中,通过相机、IMU、GPS三个传感器之间的优劣互补,依次进行视觉惯性紧耦合优化和GPS松耦合优化,得到鲁棒且全局一致的机器人状态估计。同时,在单机运行时将场景空间动态划分为大小相同且全局唯一的空间网格,在回环检测时,利用空间网格对待检测的图像帧进行全局筛选,再使用感知哈希算法与字典树的结合,快速进行图像帧之间的相似性检测,并对回环帧之间的轨迹估计结果进行4-Do F的全局图优化来消除累积误差和轨迹漂移。该方法抛弃传统的词袋模型,可显著降低系统内存占用,获得更准确的状态估计结果。（2）在多机点云融合阶段,设计多机重建数据统一组织结构,建立子场景点云与空间网格之间的双向映射关系,将不同子场景SLAM任务得到的点云数据进行统一存储与管理,并提出基于多尺度网格的迭代式ICP点云配准方法,提升点云配准的效率和精度,支撑多机点云数据的高效拼接与显示,实现多机点云数据的增量式无缝融合,解决大规模场景的SLAM与点云重建难题。本文分别在室内Eu Ro C数据集与室外城市KITTI数据集上对框架进行验证。在Eu Ro C数据集的所有11个序列上,与传统基于词袋模型的回环检测算法相比,本算法在全局优化次数、相似性判断时间和内存占用上都取得了更优的结果。其中,近半数序列的全局优化次数都降低了39%以上,所有序列的内存占用平均降低33%,且关键帧的相似性判断时间从原本的20ms左右降至0.01ms左右。在KITTI数据集上,本文提出的GPS粗配准算法和基于金字塔结构的点云ICP精配准算法与传统RANSAC+ICP方法相比,配准时间从普遍的20s以上降低到0.2s,且配准精度提升了十倍左右。同样使用本文所述GPS粗配准的前提下,本算法在精配准的时间花销降低了10倍以上,且80%的序列都在配准精度方面取得不同程度的提升。本框架基于增量式空间网格进行单机位姿的全局优化与多机结果的存储、融合,为大规模场景下多机SLAM难题提供解决方案。
其他文献
金刚石超宽禁带半导体具有高击穿场强、高热导率、较高的载流子迁移率及饱和漂移速度等优异特性,是制备下一代高温、高压、高频、大功率电子器件的理想材料之一。但是金刚石的体掺杂室温下难以激活,目前氢终端金刚石表面p型电导是金刚石主要电导形式。由于氢终端表面导电性能不稳定,易受高温工艺影响,及亚微米小尺寸器件制备困难等问题的限制,高频金刚石场效应晶体管在制备及应用方面还存在较大的困难,成为阻碍金刚石器件发展
近些年来,随着激光点云技术的不断发展,计算机开始用一种新的数据形式来认识并理解世界。随着深度学习在2D图像处理领域取得的巨大成就,研究人员开始将深度学习方法应用到点云数据处理领域,但是由于点云数据的无序性、稀疏性等原因,难以直接利用深度学习来处理点云数据,直到Point Net和Point Net++的问世,深度学习开始在点云数据处理中被广泛应用,但是目前的方法大多通过手动邻域选择的方式来进行局部
随着器件尺寸不断缩小、集成密度不断增加,三维集成电路（Three-Dimensional Integrated Circuit,3D IC）的优势逐渐明显,但是三维集成电路的高度集成和紧凑设计导致其热问题愈发严峻,严重的热问题将会引起电路的失效,影响芯片的正常工作,因此急需各种方案来缓解三维集成系统中的热问题。能够传输电源信号的电源分配网络（Power Distribution Network,P
随着制程节点的缩小和电路复杂性的增加,在集成电路设计过程中,逻辑等价性检查在确保功能正确性方面起着重要作用。在集成电路设计周期中,无论是前端还设计是后端实现,验证是其中必不可少的环节。除此之外,越来越多的业内人士也指出了验证测试已经成为了集成电路设计发展周期中的一个亟需解决问题。在实际工程中,当面对规模更大的集成电路时,一般需要进行分割处理从而使得后续对电路的操作更方便,这时就需要验证分割前后电路
随着集成电路领域的不断发展和人们生活品质的不断提高,人们对于音频质量的要求也越来越高,而实际生活中,由于音频输入信号在传播过程中会因为距离、障碍物以及其他环境的影响,导致输入到模数转换器（Analog to Digital Converter,即ADC）的数据忽大忽小,若音频输入超过ADC的动态范围则会产生极大的误差,对后续数据处理产生极大的影响,使得用户的收听体验受到影响,由此需要对ADC的输入
随着卷积神经网络的数量和规模的不断增加,不同领域场景中使用的网络模型参数差异较大,加速器产品快速迭代和变化趋势明显。传统芯片开发体系的设计生产周期长、投入和限制多,主流设计语言Verilog与VHDL端口定义繁琐、编码效率低、参数化能力弱、修改麻烦等问题越发凸显,难以持续满足市场需求,为此集成电路领域需要有敏捷的开发方式。本文根据HDL语言特性以及敏捷开发特点,提出了基于Spinal HDL的CN
随着微电子技术的不断发展,集成电路工艺水平的不断提高,芯片设计的难度和复杂度也在不断提升,设计的验证工作耗时逐渐超过设计本身。因此,芯片验证方法学的研究在学术界与工业界获得了更为广泛的关注,选择一种合适的芯片验证方法对于芯片团队开发效率的提升有着重要的意义。现有对于DUT的调试,只能通过插入动态探针和静态探针的形式以获取内部信号的信息。此方法需要占用额外的配件资源,并且灵活性不高。特别是对于静态探
功率VDMOSFET,以开关速度快、高输入阻抗、低驱动功率等优点而被广泛应用于开关电源、汽车电子、整流器等应用中,在电子电力系统中扮演着重要角色。而现阶段在高压VDMOS领域,国外已经有规模化的产线,而我国则处于起步阶段,该方面的需求主要依靠进口,存在采购周期长,价格高,且随时被禁运的风险。因此,使得能够自主研制出基于国内工艺产线,设计并生产的高压功率VDMOS器件对我国而言具有重要意义。本文的目
随着人工智能技术日益成熟,卷积神经网络（Convolutional Neural Network）作为最热门的机器学习算法之一,其应用范围逐步扩大,涉及生活中的方方面面,例如视频监控领域、无人驾驶和医疗器械等。在实际应用中,需要通过硬件平台加速神经网络的计算过程,建立高实时性、低功耗的可操作系统。现场可编程逻辑门阵列FPGA（Field Programmable Gate Array）作为一种包含
本文阐述某工业园区中途污水提升泵站系统改造和科学管理的方法与途径,以实际自动化升级改造、建立科学管理和优化运行模式案例为依据,证明其应用效果和实际价值,为相关污水提升泵站的系统与管理能力提升提供科学参考。