作品展示

机器人在温室环境实现自主作业能够降低人力成本和提高农业生产效率。实时定位和环境地图创建是实现自主作业的关键。但是在动态非结构化且GPS失效的温室环境中，移动机器人能够准确、稳定地进行实时定位和地图创建仍面临着挑战。为解决以上问题，本项目提出一种适用于温室场景的视觉-惯性-轮式里程计等多传感器融合的SLAM系统，同时基于多传感器融合定位结果和ORB-SLAM2算法构建三维稠密点云地图，实现温室机器人准确的实时定位和环境地图创建。通过在各类温室场景的实验表明，本项目有较高的精度和鲁棒性，可以提高移动机器人再定位和自主导航能力，进而提高温室机器人实现自主作业的效率。

1、面向基于视觉 SLAM 和多源信息融合的温室机器人定位与地图实时创建系统进行硬件研发与配置。该系统有机融合了温室机器人载体、追踪相机、深度相机、中央处理机，包括多传感器融合定位、数据处理、三维点云地图重建、模型可视化四个部分。 2、针对动态的非结构化温室环境，提出一种基于扩展卡尔曼滤波算法的视觉-惯性-轮式里程计融合定位方法；依据定位结果，基于优化的ORB-SLAM2算法实时构建动态非结构化温室环境的三维稠密点云地图。

1、基于 ROS 机器人操作系统，研究搭建温室移动机器人的实时定位与同步建图系统。该系统主要包括多传感器融合定位、数据处理、三维点云地图重建、模型可视化四个部分。基于机器人底盘安装的轮式编码器、惯性传感器和视觉里程计，获取机器人在温室环境中精确的定位信息。基于深度相机获取的RGB-D数据流以及多传感器融合定位结果，计算机对动态非结构化温室环境进行实时三维重建，获得物理环境的三维模型。 2、基于扩展卡尔曼滤波算法的视觉-惯性-轮式里程计融合定位方法，及动态非结构化温室环境三维稠密点云地图的创建。将轮式里程仪、陀螺仪和紧耦合的视觉-惯性里程计（VIO）的数据集成到基于扩展卡尔曼滤波器的松耦合框架中，来获得机器人更准确的位姿估计。在多传感器融合算法中，将轮式里程计和陀螺仪的位姿估计作为预测值，将VIO的定位结果作为观测值来更新状态向量。同时，改进ORB-SLAM2算法进行实时重建温室三维稠密点云地图。

在动态非结构化的温室环境中，移动机器人的自主导航功能常常受到光照变化、GPS受叶片干扰等因素影响。因此针对温室中高密度、非结构化、光照动态变化的环境问题，我们提出一种基于多传感器信息融合的温室机器人定位于环境地图创建系统，能有效提高温室机器人的再定位和自主导航能力。该系统对实现温室农业生产自动化，提高温室机器人作业效率，降低人工成本具有重要意义。

no video files