1 西南科技大学信息工程学院，四川 绵阳 621000
2 中国船舶航海保障技术实验室，天津 300131
3 天津航海仪器研究所，天津 300131
4 特殊环境机器人技术四川省重点实验室，四川 绵阳 621000
轮式里程计在复杂不平的地形和光滑的地面上性能较差，传统的激光扫描匹配方法并不总是正确地建立点云之间的对应关系，容易出现点与点之间的异常关联，导致定位精度较差。针对这一问题，提出一种基于方向端点的激光扫描匹配方法。首先，从环境中提取直线端点作为特征点，通过端点间的特征匹配得到相邻时刻移动机器人的相对位姿关系。基于端点的匹配方法在特征点较少时有可能会产生误匹配，为进一步提高匹配精度，利用端点的方向剔除误匹配的特征点。在此基础之上，利用迭代最近邻法进一步优化方向端点的匹配结果，得到更加精准的移动机器人位姿。实验结果表明，所提方法在7 m×7 m的室内光滑地面环境中，能够达到0.12 m的平均定位误差以及1.18°的平均角度误差，与传统的激光扫描匹配方法相比精度更高。
移动机器人定位 激光扫描匹配 特征匹配 激光里程计 激光与光电子学进展
2024, 61(4): 0428010
1 特殊环境机器人技术四川省重点实验室，四川 绵阳 621000
2 西南科技大学信息工程学院，四川 绵阳 621000
针对水面清污机器人对漂浮目标的检测问题，提出了一种将三维激光雷达点云数据与视觉信息融合检测的方法。首先，视觉识别部分采用CornerNet-Lite目标检测网络，通过对大量样本的训练实现水面漂浮物的检测，得到候选目标的种类和置信度。然后，通过相机和激光雷达的标定将激光雷达三维点云数据投影到二维像素平面，并根据相对像素面积大小的概念定义了激光雷达检测目标物的置信度。最后，调整激光雷达和相机检测目标置信度权重比例，构成新的判定置信度，并通过比较判定置信度和设定阈值的大小来判断是否检测到目标。试验结果表明，该方法比单独使用CornerNet-Lite算法的检测准确率更高，消除了水面倒影和波纹的影响，降低了虚警率。
目标识别 激光雷达 相机标定 数据融合 target detection CornerNet-Lite CornerNet-Lite lidar camera calibration data fusion
西南科技大学信息工程学院, 四川 绵阳 621010
水面目标物体检测是无人船识别水面物体或避开障碍的前提。本文利用水体对激光信号的吸收特性, 设计了一种使用三维激光扫描检测水面目标的方法。该方法通过三维激光扫描获取水面漂浮物的点云, 然后通过条件滤波限定有效的点云集合, 并采用基于Kd树的最近邻聚类法划分水面目标物体, 最后使用基于轴向包围盒(Axis Aligned Bounding Box, AABB)计算目标相对激光雷达的位置。本文设计了三组水面目标物体检测试验, 数据表明本文方法可发现水面上漂浮的物体并能完成位置测定。
无人船 目标检测 三维激光 最近邻聚类 AABB包围盒 unmanned ship target detection 3D laser nearest neighbor clustering AABB bounding box
1 西南科技大学 信息工程学院， 四川 绵阳 621010
2 上海大学 通信与信息工程学院， 上海 200444
为解决经典AODV(按需距离矢量)路由协议中目的节点在已建立路由链路信号覆盖范围内随机移动时脱离其原来直接通信节点而断路、通信恢复时间长以及网络负载大等问题，对利用AODV协议Hello消息报文激活中间节点与目的节点的通信切换实现快速路由修复进行了研究，并得到改进后的路由协议AODV_L。仿真结果表明， AODV_L比经典的AODV路由协议减小了网络负载并缩短了路由修复时间。AODV_L更适用于目的节点在已建立路由链路信号覆盖范围内随机移动的网络，节点间通信具有更高的实时性。
Ad hoc网络 按需距离矢量 Hello消息 路由维护 Ad hoc network AODV Hello message route maintenance
