在给定地图中的强大定位是大多数自主机器人的关键组成部分。在本文中,我们解决了在室内环境中定位的问题,该问题在室内环境中发生了变化,而突出结构在不同时间点构建的地图中没有对应关系的问题。为了克服地图与由于这种变化引起的观察到的环境之间的差异,我们利用了人类可读的本地化提示来协助定位。这些提示很容易在大多数设施中获得,并且可以通过使用文本斑点来使用RGB摄像机图像来检测。我们使用在2D激光扫描和相机数据上运行的粒子过滤器将这些线索集成到蒙特卡洛本地化框架中。这样,我们为人类行走具有结构性变化和动态的环境提供了强大的本地化解决方案。我们在办公室环境中评估了有关多个挑战室内场景的本地化框架。实验表明,我们的方法对结构变化具有鲁棒性,并且可以在板载计算机上运行。我们(按照纸质接受)发布了方法的开源实现,该实现使用了现成的文本斑点,并用ROS包装器编写了C ++。
translated by 谷歌翻译