前言
无人驾驶的精度，一直是L4走向市场的最大难题，让智能车辆有方向感或许能成为重大突破。
世界各地的科学家正在竞相开发自动驾驶汽车，但还有一些必要的组件尚未完善。一个是本地化 - 车辆确定其位置和运动的能力。另一个是映射 - 车辆模拟周围环境的能力，以便能够安全地将乘客运送到正确的位置。
问题是：你如何给车辆一个方向感？虽然全球定位卫星（GPS）设备可以提供帮助，但它们在所有情况下都不可用或不可靠。相反，许多专家正在研究同步定位和映射，或SLAM，这是机器人领域中一个众所周知的难题。由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助理教授郭全（Paul）Huang开发的新算法正在使答案更加接近。
该团队使用3-D LiDAR和惯性传感器构建了基于3-D平面的地图。LiDAR就像雷达，但使用光而不是无线电波。不同颜色的点是不同的平面（用作导航的标志），绿线是真实的轨迹，蓝线是由团队的同时定位和映射（SLAM）算法计算的估计轨迹。
图片来源：特拉华大学
Huang使用视觉惯性导航系统，该系统结合了惯性传感器，其中包含用于确定方向的陀螺仪和用于确定加速度的加速度计以及相机。使用这些相对便宜，广泛可用的组件的数据，Huang测量和计算运动和本地化。
例如，当他的团队将他们的系统连接到笔记本电脑并将其带到机械工程系的所在地UD的Spencer实验室时，他们生成了足够的数据来映射建筑物，同时跟踪笔记本电脑本身的运动。在自动驾驶车辆中，类似的传感器和摄像机将附接到车辆中的机器人。
自动驾驶汽车跟踪自身运动及其周围物体运动的能力至关重要。“在我们自动控制车辆之前，我们需要对车辆进行本地化，”黄说。“车辆需要知道它的位置才能继续。”那就是安全问题。“在城市情景中，例如，有行人和其他车辆，所以理想情况下，车辆应该能够跟踪自己的运动以及在周围环境中移动物体的运动，”黄说。
该团队使用摄像头和惯性测量单元（IMU）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。
图片来源：特拉华大学
在今年早些时候在国际机器人研究期刊（IJRR）上发表的一篇论文中，Huang和他的团队发现了一种更好，更准确的惯性测量解决方案。到目前为止，科学家们使用离散积分（一种近似于曲线下面积的微积分技术）来近似解决方案。相反，黄的小组找到了解决方案并证明它比现有方法更好。更好的是，他们正在分享他们的解决方案
“我们开源代码。它是在GitHub上，”黄说。“很多人都将我们的代码用于他们的系统。” 在最近的另一篇IJRR论文中，Huang和他的团队将SLAM问题重新制定为一个公式，用于计算配备视觉和惯性传感器的机器人的小增量运动。许多这些研究视频都可以在黄的实验室YouTube频道上找到。
这些发现可以应用于自动驾驶汽车之外，从汽车到航空无人机到水下航行等等。Huang的算法还可以用于为智能手机等移动设备开发增强现实和虚拟现实应用程序，这些设备已经安装了摄像头和惯性传感器。
“这些传感器很常见，因此大多数移动设备，智能手机，甚至无人机和车辆都有这些传感器，”Huang说。“我们试图利用现有的廉价传感器，提供本地化解决方案，一种运动跟踪解决方案。”
在2018年和2019年，黄先生获得了Google Daydream（AR / VR）教师研究奖，以支持这项工作。
“人们看到机器人将成为现实生活中的下一个大事，所以这就是为什么行业真正推动了这个研究领域，”黄说。
福利：工博会50元票免费领
免责声明
文章来源：特拉华大学
凡资讯来源注明为其他媒体来源的信息，均为转载自其他媒体，并不代表本网赞同其观点，也不代表本网对其真实性负责。您若对该文章内容有任何疑问或质疑，请立即与后台小编联系，平台将迅速给您回应并做处理。注明本公司原创内容，转载请与我们联系哦！