柳振寶　龔霞　湯文靖　陸思尖　黃益春　王惠　文杰

摘要：網(wǎng)購已成為高校師生生活中必不可少的一部分，由于大學(xué)生群體的特殊性，大家一般只能集中在某個(gè)特定時(shí)間段去取件，這樣就會導(dǎo)致取件效率很低?；诖耍驹O(shè)計(jì)是一個(gè)基于SLAM的快遞地圖，該設(shè)計(jì)利用SLAM地圖對快遞進(jìn)行實(shí)時(shí)定位，通過數(shù)據(jù)的存儲和存儲空間的結(jié)構(gòu)，構(gòu)造出SLAM地圖，能夠在終端顯示出快遞的SLAM地圖，確定快遞的大概位置，能大大節(jié)省尋找快遞的時(shí)間，避免等待時(shí)間長，取快遞擁擠的現(xiàn)象。

關(guān)鍵詞：高校;SLAM地圖;快遞

眾所周知，目前網(wǎng)購已成為高校師生生活中的重要組成部分，但校園快遞不同于一般家用快遞，快遞員并不會主動將快遞送到學(xué)生指定宿舍門口，主要是客戶接到快遞到達(dá)通知后，自己主動去校園快遞代收點(diǎn)領(lǐng)取，取件效率低下是一個(gè)普遍存在的問題。

由于大學(xué)生群體的特殊性，大家就只能集中在某一特定時(shí)間段去取件， 這樣就會導(dǎo)致浪費(fèi)時(shí)間，取件效率低下等問題。在取件點(diǎn)排一條長長的隊(duì)伍的現(xiàn)象更是屢見不鮮， 遇上節(jié)假日促銷活動， 平均每個(gè)人都需要排隊(duì)等待十五至二十分鐘才能取到快遞包裹。由于取件隊(duì)伍大多會集中在校園人流高峰時(shí)期， 這不僅會影響到校園的交通秩序、校園形象等問題， 更是加大了學(xué)生的時(shí)間成本， 縮短了原本有限的休息時(shí)間。

本設(shè)計(jì)是一個(gè)基于SLAM的快遞地圖，在這里SLAM采用激光視覺融合建圖的方法，如圖1。載體通過一個(gè)激光SLAM小車進(jìn)行掃描，在Linux上搭載ROS操作系統(tǒng)，運(yùn)行Rviz遠(yuǎn)程將采集到的信息傳輸?shù)絃inux的PC端，完成地圖的制作，再將地圖導(dǎo)入APP，完成編號與地圖的對應(yīng)即可在終端顯示出快遞的SLAM地圖，確定快遞的大概位置，大大節(jié)省了尋找快遞的時(shí)間，避免同學(xué)們等待時(shí)間長，取快遞擁擠的現(xiàn)象。

1 同步定位與建圖的實(shí)現(xiàn)

激光和視覺傳感器在SLAM應(yīng)用中都各自有自己的優(yōu)勢和劣勢，基于激光和視覺傳感器融合的SLAM方法能夠有效的利用各個(gè)傳感器的優(yōu)勢，彌補(bǔ)傳感器在某些特殊環(huán)境下的劣勢，本設(shè)計(jì)采用激光視覺融合建圖的方法對快遞進(jìn)行定位，能夠很好的構(gòu)建快遞的位置，SLAM過程包含許多步驟，整個(gè)過程是為了利用環(huán)境來更新機(jī)器人的位置。目前SLAM實(shí)現(xiàn)方法大致可分為兩類：

1）基于概率模型的方法：基于卡爾曼濾波的完全SLAM、壓縮濾波、FastSLAM等;

2）非概率模型方法：SM-SLAM、掃描匹配、數(shù)據(jù)融合（dataassociation）、基于模糊邏輯等。

由于小車中給出自身位置的距離測量往往是不精確的，不能直接依賴于測距機(jī)制。我們可以利用對環(huán)境的激光掃描來糾正小車位置，這一過程可以通過提取環(huán)境的特征來實(shí)現(xiàn)，然后當(dāng)小車向四周運(yùn)動時(shí)再進(jìn)行新的觀察。擴(kuò)展卡爾曼濾波EKF是SLAM過程的核心，其基于這些環(huán)境特征來負(fù)責(zé)更新小車原始的狀態(tài)位置，這些特征常稱為地標(biāo)?？柭鼮V波EKF用于跟蹤機(jī)器人位置的不確定估計(jì)以及環(huán)境中的不確定地標(biāo)以實(shí)現(xiàn)盡可能準(zhǔn)確定位快遞包裹的位置。

2 激光視覺融合SLAM信息的采集及導(dǎo)入

2.1激光視覺融合SLAM信息的采集

激光視覺融合SLAM信息的采集分為激光測距儀信息提取，雙目立體視覺信息提取，特征匹配與合并。

激光測距儀的原理如下：將平行激光束發(fā)射出去，測量經(jīng)過目標(biāo)反射回來的激光束與發(fā)射出去的時(shí)間間隔，計(jì)算出與目標(biāo)間距離，得到此時(shí)的環(huán)境水平剖面圖;由于激光測距儀僅僅獲得的是環(huán)境水平剖面圖，即目標(biāo)與機(jī)器人之間的距離信息，故需要對這些信息加以補(bǔ)充。引入雙目視覺傳感器，從中獲得的所需數(shù)據(jù)作為對環(huán)境感知的特征信息的必要補(bǔ)充;機(jī)器人在某一位姿下獲得的環(huán)境特征需經(jīng)過融合與特征匹配后才能加入全局地圖，而這些特征信息是由激光測距儀和雙目立體視覺系統(tǒng)分別提取，然后在特征層次上進(jìn)行匹配與融合。激光視覺融合SLAM信息的采集圖像如圖2所示：

2.2激光視覺融合SLAM信息的導(dǎo)入

在樹莓派Linux上搭載ROS操作系統(tǒng)，運(yùn)行Rviz遠(yuǎn)程將采集到的信息傳輸?shù)絃inux的PC端，完成地圖的制作，再將地圖導(dǎo)入相應(yīng)APP，完成編號與地圖的對應(yīng)。

3 總結(jié)

該設(shè)計(jì)基于SLAM地圖技術(shù)與快遞產(chǎn)業(yè)聯(lián)系在一起，將互聯(lián)網(wǎng)的優(yōu)勢充分發(fā)揮出來，通過快遞的數(shù)據(jù)位置，構(gòu)建地圖，能更好解決快遞數(shù)量多，存放位置難以尋找的問題，節(jié)省人力物力。提高單位領(lǐng)取效率，使排隊(duì)的問題得以解決，節(jié)省了客戶時(shí)間，提高了用戶體驗(yàn)，使用戶到達(dá)快遞點(diǎn)就可以快速定位自己快遞的位置，對快遞方來說也能減少人力成本。

參考文獻(xiàn)：

1. 馬爭光，趙永國，等.激光和視覺融合 SLAM 方法研究綜述，2019.3.
2. 許莎莎，李文彬，等.激光雷達(dá)和攝像機(jī)聯(lián)合標(biāo)定識別作物，2014.
   1. 杜釗君，吳懷宇.基于激光測距與雙目視覺信息融合的移動機(jī)器人，SLAM 研究，2013.1.