.png){kind=icon}
返回
An Environment Recognition Algorithm for Staircase Climbing Robots
.png){kind=icon}
OA
AI
DOI：10.3390/rs16244718.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
对于变形轮式楼梯攀爬机器人而言，楼梯步级几何感知的准确性和场景地图构建的精度是决定机器人能否成功攀爬楼梯并继续执行任务的关键因素。目前，虽然存在基于LiDAR的算法，但这些算法要么专注于步级几何检测，要么专注于场景地图构建，鲜有综合算法能够同时解决楼梯步级几何感知和场景地图构建的问题。此外，步级几何估计中的显著误差和低地图构建精度会阻碍变形轮式移动机器人的楼梯攀爬能力，从而影响任务执行的效率和成功率。为解决上述问题，我们提出了一种有效的基于LiDAR-惯性传感器的楼梯点云检测方法。首先，我们对楼梯点云进行预处理，主要采用Statistical Outlier Removal算法有效去除楼梯场景中的离群点，并结合LiDAR的垂直角分辨率和空间几何关系实现楼梯场景中的地面分割。然后，基于LiDAR SLAM获得的点云地图进行后处理，提取楼梯点云，并通过Ceres优化器进行投影和拟合，结合均值滤波方法求解楼梯的深度、高度等尺寸信息。最后，我们在真实的不同楼梯场景中开展了多组SLAM和尺寸检测实验，充分验证了本文提出方法的有效性。
Keyword:
staircase climbing robot
step geometry information
stair mapping
LiDAR-Inertial
期刊
IF:
4.1
论文数:
7.6K
被引数:
15.1W
机构
引用论文
Deep Learning Based Stair Detection and Statistical Image Filtering for Autonomous Stair Climbing
PREAI
分享收藏Trajectory Optimization for Adaptive Deformed Wheels to Overcome Steps Using an Improved Hybrid Genetic Algorithm and an Adaptive Particle Swarm Optimization.png)
MathematicsOAAI
MathematicsIF0
OAAI分享收藏GAF-Net: Geometric Contextual Feature Aggregation and Adaptive Fusion for Large-Scale Point Cloud Semantic SegmentationGaf-net: 大规模点云语义分割的几何上下文特征聚合与自适应融合
PREAI
分享收藏
分享收藏
查看更多内容