基于步行数据的地形识别大幅提升自动驾驶精度
发表于国际知名Q1级SCIE期刊·与Hanwha Systems产学合作结出成果

启明大学(校长 Shin Ilhee)机器人工学科 Hong Seonghun 教授研究团队,利用具有受限视场(field-of-view)的激光雷达(LiDAR)传感器,开发出四足步行机器人同时定位与地图构建(SLAM:Simultaneous Localization And Mapping)的核心技术,并发表在国际权威学术期刊上。


该研究成果刊登于自动化·控制系统以及计算机科学·人工智能领域 Q1 等级的 SCIE 学术期刊《Robotics and Autonomous Systems》。

(自左起)Hong Seonghun 庆明大学教授、Yoon Seokmin Hanwha Systems 首席研究员、Lee Rowoon 庆明大学硕士毕业生(现任职于 Riibotics)。

(自左起)Hong Seonghun 庆明大学教授、Yoon Seokmin Hanwha Systems 首席研究员、Lee Rowoon 庆明大学硕士毕业生(现任职于 Riibotics)。

View original image

论文题目为《Terrain-Based Place Recognition for LiDAR SLAM of Quadruped Robots with Limited Field-of-view Measurements》(基于地形的、适用于受限视场 LiDAR 测量四足机器人之场所识别)。


激光雷达(LiDAR,Light Detection And Ranging)是一种通过发射激光光束,并计算其射向物体后反射返回所需时间,以测量距离和位置的传感器技术。


由于能够将周围环境识别为三维点云(point cloud)数据,因此被核心应用于机器人的位置估计和地图构建(SLAM)。


其特点还包括相对不易受到光照变化或昏暗环境的影响。


近年来备受关注的固态(solid-state)激光雷达传感器,相较于全向旋转式传感器,具有轻量、低功耗等优点,非常适合用于四足步行机器人等移动机器人。


但由于其视场受限这一结构性特征,在场所识别(place recognition)和回环闭合(loop-closure)过程中,SLAM 性能下降的问题持续被提出。


研究团队为克服这一局限,将目光投向四足步行机器人在行走过程中获取的足部接触(force/contact)信息。


他们利用机器人通过斜坡或楼梯等具有特征的地形时所呈现的步态模式与足部位置数据,对地形表面进行重构,并提出一种将其用于场所识别的新方法。


该方法被评价为,即使在传感器视场受限的环境中,也能确保稳定 SLAM 性能的一种替代方案。


本研究通过与 Hanwha Systems 的产学合作开展,启明大学研究生院机器人系统工学科硕士毕业生 Lee Rowoon 研究员(现任职于 Riibotics)作为第一作者参与。


Hong Seonghun 教授担任通讯作者,Hanwha Systems 的首席研究员 Yoon Seokmin 作为共同作者参与了研究。


Hong Seonghun 教授表示:“本研究利用四足步行机器人特有的步行信息及其与地形的相互作用,弥补了以传统传感器为中心的 SLAM 的局限”,“尤其是由我校本硕课程毕业的学生以第一作者身份将研究成果发表在国际权威学术期刊上,意义重大”。



此次成果在四足步行机器人、LiDAR SLAM、受限视场传感器、场所识别、机器人自动驾驶等相关研究领域具有较高应用潜力,预计今后将有助于提升移动机器人的自主性以及环境感知技术水平。


本报道由人工智能(AI)翻译技术生成。

版权所有 © 阿视亚经济。未经许可不得转载,禁止用于AI训练及使用。

不容错过的热点