Mar, 2020

大规模自主地图制作与位置定位：用于感知性下降地下环境探索的技术 (LAMP)

PDF
TL;DR在大规模、未知和复杂的地下环境中进行同时定位和地图构建（SLAM）是一个具有挑战性的问题。本文在 DARPA Subterranean Challenge 的背景下，实施和测试了一种基于激光雷达的多机器人 SLAM 系统，包括准确的激光雷达前端和自动排除异常闭环的灵活和强健后端。在具有挑战性的地下环境中进行了大规模的评估并讨论了未来的研究方向。
simultaneous localization and mapping (slam)subterranean environmentslidar-based multi-robot slam systemfront-endback-end
发现论文，激发创造
  • 宽区域施工环境室内制图的 SLAM

    在工厂大厅这样的复杂环境中，利用四个立体摄像头和一个三维激光扫描仪，应用最先进的激光雷达和视觉 SLAM 方法，进行数据收集、轨迹估计和密集地图生成，并生成精确的深度图用于自动建筑和现场监测。

    Apr, 2024

  • 机器人、虚拟现实和增强现实的实时定位和建图技术原理概览

    该论文描述了如何支持应用专家在选择和配置适当的算法和适当的硬件编译路径，在 SLAM（同时定位和制图）应用中实现算法交付的工具和方法，包括系统定量评估 SLAM 算法的工具和方法，自动化的机器学习指导算法和实现设计空间的探索，以及用于优化异构、加速架构的端到端模拟工具。

    Aug, 2018

  • SuMa++：高效 LiDAR 语义 SLAM

    本文提出了一种基于三维激光雷达测距扫描和神经网络对语义信息进行提取的建图及定位方法，实现了对运动物体的有效滤波和语义信息约束下的扫描匹配，与现有基于几何约束的方法相比，实验结果表明其性能更优。

    May, 2021

  • 多足机器人在矿井隧道探测中的应用

    本研究描述了使用四足腿机器人进行矿山探索和制图的完全自主系统，以及用于报告数据的分布式数据库网状网络系统。研究还展示了在 SubT 挑战活动中展示了百米级遍历后文物定位的结果。这些实验描述了由四足腿机器人开展的未知全球卫星定位系统 (GNSS) 挑战自主勘探的探索。

    Sep, 2019

  • 同时定位与地图构建的过去、现在和未来：走向强健感知时代

    关于 Simultaneous Localization and Mapping (SLAM) 的论文综述，介绍了 SLAM 的标准公式化表达和相关工作，探讨了挑战和新领域，并提出了值得深入研究的问题和开放挑战。

    Jun, 2016

  • 地下救援合作自治：DARPA SubT 中地下无人机

    本文提出了一种新型的自主协作无人机（UAV）搜索和救援系统，包括在地下拓扑复杂的环境中使用的新型地图表示、用于导航的新方法以及用于目标检测和定位的视觉感知流水线。

    Jun, 2022

  • 基于 SLAM 技术的自动换道行为预测与环境感知

    研究论文探讨了在自动驾驶系统中应用 SLAM 技术（同时定位与地图构建），以实现自动车道变换行为预测和环境感知。通过比较激光雷达 SLAM 和视觉 SLAM，介绍了传统定位方法的局限性，并展示了特斯拉、Waymo 和 Mobileye 等公司在自动驾驶系统中应用人工智能技术、传感器融合和 SLAM。研究还深入探讨了 SLAM 算法、传感器技术以及自动车道变换在驾驶安全和效率中的重要性。论文强调了 SLAM 在实现准确的环境感知、定位和决策方面的关键作用，从而提升安全性和驾驶体验。

    Apr, 2024

  • F-LOAM: 快速激光雷达里程计与地图构建

    本文提出了一个计算高效、准确的 LiDAR 基于 SLAM 的通用解决方案，主要采用了非迭代两阶段畸变补偿方法、两个匹配模块，并考虑了局部光滑性进行迭代姿态优化，实验结果表明在自主驾驶和仓库自动引导车的定位上表现均相当好，提供了一个性能和计算成本之间很好的平衡。

    Jul, 2021

  • 高效大规模 AUV 视觉海底地图生成

    通过结合海洋数据科学、深海探索、自主水下载具、水下成像和机器人三维重建等技术的最新发展，我们提出了一个系统，可在海底面积达公顷级的范围内进行自动化的机器人三维重建。该系统经过多次研究航行的测试和评估，展示了在真实条件下的稳定性和实用性。

    Aug, 2023

  • 基于几何特征的紧耦合激光雷达 - 视觉 SLAM 移动代理方案

    本研究针对移动机器人在动态和复杂环境下自主导航和任务执行的困难，提出了一种基于 LiDAR 和单目视觉 SLAM 的紧耦合几何特征融合框架方法，是当前多模态方法中姿态估计更为精确和健壮的。

    Jul, 2023