使用多个无人机的2.5D地图
转载 2022-11-23 18:05 小翼 来源: 飞思实验室在室内环境中,不允许使用GPS信号,因此需要另一个强大的系统来定位UAV。为了构建环境地图,通常使用立体视觉摄像头,来自RGB-D相机的3D原始数据可能会有噪声数据,从而导致3D地图中的障碍物数据不准确。为了防止构建这种不准确的三维地图,我们应用了八叉树过滤方法,从每个2.5D地图中提取特征数据,这些特征点信息可以帮助合并多个地图。具有全局2.5D地图的UGV可以计划其路径以到达其目标位置,而不会与障碍物发生任何碰撞,并且还可以自主导航。
地图构建
每架无人机都构建自己的本地地图,没有任何关于其环境的信息。视觉SLAM通过将Intel RealSense T265和D435跟踪摄像头连接到UAV来执行,如图1所示。
图1 Intel RealSense D435(左)和T265(右)
虽然这些传感器可以创建3D地图,但来自RGB-D相机的原始数据由于障碍物反射而存在噪声和误差。由于机器人系统必须响应传感器的噪声和不断变化的环境,因此应用了八叉树过滤器来创建八角图。八角图由占用或空闲的节点组成,称为叶子。图2显示了带有RGB和八角图的点云的3D数据。
图2 点云图(左)和八角图(右)
单独构建的3D本地地图需要转换为2.5D。3D八角图也可以合并,但3D体素匹配过程非常耗时。2.5D就像一个包含x、y 和最高z数据的高度图,因此生成的图像将是灰度图像。灰度图像的像素数据表示三维地图的高度信息。图 3显示了八角图中的体素数据以及转换为2.5D的地图。
图3 将 3D 数据转换为灰度的2D图像
地图合并
合并每架无人机的2.5D地图以构建全球地图。在这项工作中,提取了可以在室内环境中检测到的特征点。我们利用Harris角检测算法提取角点,提取代表走廊宽度的墙的相对点。图4显示了从 2.5D中提取的角点和走廊宽度。走廊的宽度可以用线表示,因此我们可以通过匹配线尾的这些点来合并许多地图。
图4 从2.5d地图(左)和周围走廊宽度(右)中提取特征点
八角图建筑
全局地图分为三个局部地图,每个局部地图都是用RGB-D相机从鸟瞰图构建的。实验在55��� × 13.5���场地进行,我们放置了一些由椅子和箱子组成的障碍物,如图4所示,并构建了分辨率为0.05m的三维八角图。实验环境和3D八角图如图5和图6所示。
图5 实验环境(左)和八进制图(右)
图6 三种不同的本地八角图与障碍物
转换为2.5D和地图合并
2.5D地图由像素值组成,包括 x、y 和高度数据,可以表示为灰度图像。由于八角图有环境的3D数据,我们可以降级八角图以获得2.5D地图。此外,由于八角图的每个体素都是以0.05m的分辨率构建的,因此我们可以获得走廊的宽度或障碍物的位置。图7显示了从八角图转换而来的每个2.5D地图。每个贴图都需要预处理以消除噪点效应。合并后的地图如图8所示。
图7 从八角图转换后的2.5D地图
图8 合并后的地图
提出了一种从多个无人机构建全球地图的协作方法。无人机的RGB-D摄像头可以采集3D环境数据构建地图。构建3D地图后,八角图在灰度图像中转换为2.5D,以轻松合并大量地图。实验结果通过提取特征点和与描述符的点匹配,从三张局部地图中得到一个大型全局地图。
源自:2021 The 21st International Conference on Control, Automation and Systems (ICCAS 2021) Ramada Plaza Hotel, Jeju, Korea, Oct. 12~15, 2021
网友评论0条评论
相关资讯
更多- 重庆城市管理职业学院现代物流应用技术推广中心举办无人机新技术推广活动
- 活动丨腾盾科创亮相第十一届中国(绵阳)科技城国际科技博览会
- 乘“机”腾飞向云端
- 银翼杀手:这个新项目正在使用无人机检查风力涡轮机是否损坏
- 数智执法,科创未来,云圣智能精彩亮相首届交通运输综合执法装备展
- NEDO举办第四次与无人机认证须知兼容的认证方法案例研究(无人机型号认证流程概要)
- 2022年全球无人机电池市场价值为52.1亿美元, 2023年至2030年复合年增长率(CAGR)为11.1 %
- 无人机网本周行业看点(2023年9月4日-9月10日)
- 应急无人机项目合作座谈联谊会在渝成功举办
- “农技下乡+植保无人机”助力秋作物丰产