以下內(nèi)容來自從零開始機(jī)器人SLAM知識星球 每日更新內(nèi)容

#論文# Large-scale Autonomous Flight with Real-time Semantic SLAM under Dense Forest Canopy 論文地址：https://arxiv.org/abs/2109.06479v4

作者單位：賓夕法尼亞大學(xué) 開源代碼：https://github.com/KumarRobotics/sloam ?語義建圖使用一組語義對象表示環(huán)境。這種表示具有存儲效率、更少的歧義和更多的信息，從而促進(jìn)了大規(guī)模自治和在高度非結(jié)構(gòu)化、沒有g(shù)ps的環(huán)境中獲取可操作的信息。在這篇文章中，我們提出了一個系統(tǒng)，可以在具有挑戰(zhàn)性的樹冠下環(huán)境中執(zhí)行大規(guī)模自主飛行和實(shí)時語義建圖。我們從激光雷達(dá)數(shù)據(jù)中檢測和建模樹干和地面平面，這些數(shù)據(jù)通過掃描相關(guān)聯(lián)，并用于約束機(jī)器人位姿和樹干模型。自主導(dǎo)航模塊利用多級規(guī)劃和建圖框架，計(jì)算動態(tài)可行軌跡，引導(dǎo)無人機(jī)以計(jì)算和存儲高效的方式構(gòu)建用戶定義的感興趣區(qū)域的語義地圖。設(shè)計(jì)了一種漂移補(bǔ)償機(jī)制，利用語義SLAM輸出實(shí)時最小化里程計(jì)漂移，同時保持規(guī)劃器的最優(yōu)性和控制器的穩(wěn)定性。這導(dǎo)致無人機(jī)在規(guī)模上精確和安全地執(zhí)行其任務(wù)。本文的主要貢獻(xiàn)有: 1、第一個將語義SLAM實(shí)時集成到自主無人機(jī)反饋回路中的系統(tǒng)，而僅依靠機(jī)載傳感和計(jì)算。語義SLAM與漂移補(bǔ)償機(jī)制相結(jié)合，使無人機(jī)里程測量漂移最小化。2、我們提出了一種無人機(jī)硬件和軟件系統(tǒng)，能夠在大規(guī)模、非結(jié)構(gòu)化、雜亂和gps拒絕的環(huán)境中進(jìn)行遠(yuǎn)程自主飛行。

以下內(nèi)容來自從零開始機(jī)器人SLAM知識星球 每日更新內(nèi)容