苏黎世联邦理工***在2019年发布了SegMap，这是一种在3D点云中进行标定地点的方法。该技术基于3D片段的提取和匹配，从而可以进行机器人定位，环境重建和语义提取。使用在救援场景中收集的3D LiDAR数据对它进行了广泛的评估。
应用这种3D建立地图的技术，ASL团队在他们的无人机上试验了对于模拟火灾现场中火源的捕捉和现场地图的建立。
据ASL团队的研究资料，该飞行机器人系统在先前映射的环境中的坐标化对于减少估计的偏差和重新使用先前构建的地图来说是非常重要的。现有的基于几何的定位技术通常集中于局部曲面几何的描述，通常使用点云作为基础表示。
他们提出了一种基于几何的定位系统，该系统可直接从隐式表面表示中提取特征：符号距离函数（SDF）。SDF在整个空间中不断变化，这使得所提出的系统能够提取和利用描述表面和自由空间的特征。通过对公共数据集的评估，他们证明了这种方法的灵活性，并显示了与***先进的表面描述符相比，坐标化性能的提高。他们在RGB-D数据集上实现了约12％的平均改进，在基于LiDAR的数据集上实现了约18％的平均改进。***后，该系统可以在先前构建的搜索和救援训练场地图内定位配备LiDAR的MAV。
除此之外ASL团队还在荒地上试验了向地下钻洞。可以看到，该飞行器操作十分稳定，动力也十分迅猛。这种功能可以应用在人类难以到达的地方或是不方便的地方在地上定点钻孔，实施一些基础建设。
该团队还展示了该六轴无人机在空中翻转，其中一个轴保持不动，剩余的整个机身以这个轴为基准，绕它旋转了一周。要达到这种效果，需要通过算法计算另外5个轴上的桨叶转速分别为多少。然后再通过控制算法稳定机身。
另外无人机的方向控制，和保持平衡也十分重要，是保证无人机整体精度的重要属性。ASL团队在ETH的实验室中通过悬挂法进行了多次试验。
实际上，无人机对于湿度也非常敏感，因此，在大雾中飞行，无人机表面也会变得非常潮湿。就像阴天并不意味着你不会被晒伤，大雾也并不意味着无人机不会进水。而不同的工况中可能需要无人机在雾中进行，因此ASL团队同样也对雾中飞行做了试验和无人机机械的优化。
解决了控制无人机的基本需求和精度，并开拓了雾天飞行的工况，ASL团队还将继续研究无人机在平行面上的按压和滑动行为，通过在白板上写字的实验来测试该无人机的操作精度。
当然，以上的无数研究和试验都有无数次的失败和失控，被实验室记录下来成为花絮，也让我们知道：无论多么厉害的科研成果背后都有无数次的实验失败。
本文摘自：网络 日期：2021-01-23
详情点击：ABB机器人代理商
