一种是本地化,即车辆确定其位置和运动的能力。另一个是制图–车辆对周围环境建模的能力,以便可以将乘客安全地运输到正确的地方。
问题是:您如何赋予车辆方向感?而全球定位卫星(GPS)设备可以提供帮助,但并非在所有情况下都不可用或不可靠中国机械网okmao.com。
取而代之的是,许多专家正在研究同时定位和地图绘制或SLAM(SLAM),这是机器人领域众所周知的难题。特拉华大学机械工程,电气和计算机工程以及计算机和信息科学的助理教授黄国权(Paul Guo)开发的新颖算法正在使答案更近一步。
Huang使用结合惯性传感器的视觉惯性导航系统(包括陀螺仪确定方向和加速度计确定加速度)以及摄像头。Huang使用这些相对便宜且可广泛获得的组件中的数据,测量并计算运动和定位。
例如,当他的团队将他们的系统连接到笔记本电脑并带到UD的Spencer实验室(机械工程系的所在地)时,他们生成了足够的数据来绘制建筑物地图,同时跟踪笔记本电脑本身的运动。在自动驾驶汽车中,类似的传感器和摄像头将连接到汽车中的机器人。
自动驾驶汽车跟踪自身运动和周围物体运动的能力至关重要。Huang说:“我们需要先定位车辆,然后才能自动控制车辆。” “车辆需要知道其位置才能继续。”
然后是安全问题。黄说:“例如,在城市场景中,有行人和其他车辆,因此理想情况下,车辆应该能够跟踪其自身的运动以及周围环境中移动物体的运动。”
该团队使用摄像机和惯性测量单元(IMU)来同时定位机器人并跟踪移动目标。绿线是机器人的轨迹,蓝线是目标的轨迹。
Huang和他的团队在今年早些时候发表在《国际机器人研究杂志》(IJRR)上的一篇论文中,发现了一种更好,更准确的解决方案,用于组合惯性测量。
到目前为止,科学家使用离散积分(一种微积分技术,可以近似曲线下的面积)来近似解。相反,Huang的小组找到了一种解决方案,并证明它比现有方法更好。更好的是,他们正在共享他们的解决方案。
Huang说:“我们开源代码。它在GitHub上。” “许多人在我们的系统上使用了我们的代码。”
在最近的IJRR另一篇论文中,Huang和他的团队将SLAM问题重新表述为一个公式,该公式可以计算配备视觉和惯性传感器的机器人的小幅度运动。
这些发现可能会应用于自动驾驶汽车以外的领域,从汽车到空中无人机再到水下船只等等。Huang的算法还可用于为移动设备(如智能手机)开发增强现实和虚拟现实应用程序,这些智能手机已配备了摄像头和惯性传感器。
Huang说:“这些传感器非常普遍,因此大多数移动设备,智能手机,甚至无人机和车辆都具有这些传感器。”
“我们试图利用现有的廉价传感器,并提供一种本地化解决方案,一种运动跟踪解决方案。”
Huang在2018年和2019年再次获得了Google Daydream(AR / VR)教职研究奖,以支持这项工作。
Huang说:“人们看到机器人将成为现实生活中的下一件大事,这就是工业实际上在很大程度上推动了这一研究领域的原因。”