标题 | 基于slam的快递地图的研究 |
范文 | 柳振宝 龚霞 汤文靖 陆思尖 黄益春 王惠 文杰 摘要:网购已成为高校师生生活中必不可少的一部分,由于大学生群体的特殊性,大家一般只能集中在某个特定时间段去取件,这样就会导致取件效率很低。基于此,本设计是一个基于SLAM的快递地图,该设计利用SLAM地图对快递进行实时定位,通过数据的存储和存储空间的结构,构造出SLAM地图,能够在终端显示出快递的SLAM地图,确定快递的大概位置,能大大节省寻找快递的时间,避免等待时间长,取快递拥挤的现象。 关键词:高校;SLAM地图;快递 众所周知,目前网购已成为高校师生生活中的重要组成部分,但校园快递不同于一般家用快递,快递员并不会主动将快递送到学生指定宿舍门口,主要是客户接到快递到达通知后,自己主动去校园快递代收点领取,取件效率低下是一个普遍存在的问题。 由于大学生群体的特殊性,大家就只能集中在某一特定时间段去取件, 这样就会导致浪费时间,取件效率低下等问题。在取件点排一条长长的队伍的现象更是屡见不鲜, 遇上节假日促销活动, 平均每个人都需要排队等待十五至二十分钟才能取到快递包裹。由于取件队伍大多会集中在校园人流高峰时期, 这不仅会影响到校园的交通秩序、校园形象等问题, 更是加大了学生的时间成本, 缩短了原本有限的休息时间。 本设计是一个基于SLAM的快递地图,在这里SLAM采用激光视觉融合建图的方法,如图1。载体通过一个激光SLAM小车进行扫描,在Linux上搭载ROS操作系统,运行Rviz远程将采集到的信息传输到Linux的PC端,完成地图的制作,再将地图导入APP,完成编号与地图的对应即可在终端显示出快递的SLAM地图,确定快递的大概位置,大大节省了寻找快递的时间,避免同学们等待时间长,取快递拥挤的现象。 1 同步定位与建图的实现 激光和视觉传感器在SLAM应用中都各自有自己的优势和劣势,基于激光和视觉传感器融合的SLAM方法能够有效的利用各个传感器的优势,弥补传感器在某些特殊环境下的劣势,本设计采用激光视觉融合建图的方法对快递进行定位,能够很好的构建快递的位置,SLAM过程包含许多步骤,整个过程是为了利用环境来更新机器人的位置。目前SLAM实现方法大致可分为两类: 1)基于概率模型的方法:基于卡尔曼滤波的完全SLAM、压缩滤波、FastSLAM等; 2)非概率模型方法:SM-SLAM、扫描匹配、数据融合(dataassociation)、基于模糊逻辑等。 由于小车中给出自身位置的距离测量往往是不精确的,不能直接依赖于测距机制。我们可以利用对环境的激光扫描来纠正小车位置,这一过程可以通过提取环境的特征来实现,然后当小车向四周运动时再进行新的观察。扩展卡尔曼滤波EKF是SLAM过程的核心,其基于这些环境特征来负责更新小车原始的状态位置,这些特征常称为地标。卡尔曼滤波EKF用于跟踪机器人位置的不确定估计以及环境中的不确定地标以实现尽可能准确定位快递包裹的位置。 2 激光视觉融合SLAM信息的采集及导入 2.1激光视觉融合SLAM信息的采集 激光視觉融合SLAM信息的采集分为激光测距仪信息提取,双目立体视觉信息提取,特征匹配与合并。 激光测距仪的原理如下:将平行激光束发射出去,测量经过目标反射回来的激光束与发射出去的时间间隔,计算出与目标间距离,得到此时的环境水平剖面图;由于激光测距仪仅仅获得的是环境水平剖面图,即目标与机器人之间的距离信息,故需要对这些信息加以补充。引入双目视觉传感器,从中获得的所需数据作为对环境感知的特征信息的必要补充;机器人在某一位姿下获得的环境特征需经过融合与特征匹配后才能加入全局地图,而这些特征信息是由激光测距仪和双目立体视觉系统分别提取,然后在特征层次上进行匹配与融合。激光视觉融合SLAM信息的采集图像如图2所示: 2.2激光视觉融合SLAM信息的导入 在树莓派Linux上搭载ROS操作系统,运行Rviz远程将采集到的信息传输到Linux的PC端,完成地图的制作,再将地图导入相应APP,完成编号与地图的对应。 3 总结 该设计基于SLAM地图技术与快递产业联系在一起,将互联网的优势充分发挥出来,通过快递的数据位置,构建地图,能更好解决快递数量多,存放位置难以寻找的问题,节省人力物力。提高单位领取效率,使排队的问题得以解决,节省了客户时间,提高了用户体验,使用户到达快递点就可以快速定位自己快递的位置,对快递方来说也能减少人力成本。 参考文献:
|
随便看 |
|
科学优质学术资源、百科知识分享平台,免费提供知识科普、生活经验分享、中外学术论文、各类范文、学术文献、教学资料、学术期刊、会议、报纸、杂志、工具书等各类资源检索、在线阅读和软件app下载服务。