Xây dựng bản đồ lưới chiếm dụng dựa trên thuật toán ICP cho phương tiện tự hành hoạt động trong nhà

https://doi.org/10.31130/ud-jst.2026.24(5A).210E

Tóm tắt: 0 | PDF: 1

##plugins.themes.academic_pro.article.main##

Author

  • Cai Viet Anh DUNG
    Ho Chi Minh City University of Technology and Engineering, Vietnam
    Dang Hoang LAM
    Ho Chi Minh City University of Technology and Engineering, Vietnam
    Le Thanh TUNG
    Ho Chi Minh City University of Technology and Engineering, Vietnam

Từ khóa:

xe tự hành
xây dựng bản đồ
bản đồ lưới chiếm chỗ
LiDAR
Iterative Closest Point

Tóm tắt

Đối với hệ thống xe tự hành trong nhà, việc xây dựng bản đồ môi trường là bước nền tảng cho các bài toán định vị và điều hướng. Bài báo trình bày phương pháp xây dựng bản đồ lưới chiếm chỗ (occupancy grid map) sử dụng cảm biến LiDAR 2D và thuật toán Iterative Closest Point (ICP) để căn chỉnh các lần quét không gian. Thuật toán ICP được sử dụng để ước lượng biến đổi giữa các lần quét liên tiếp nhằm đưa dữ liệu vào hệ tọa độ toàn cục. Dữ liệu LiDAR sau căn chỉnh được sử dụng để cập nhật bản đồ lưới chiếm chỗ theo mô hình log-odds. Kiến trúc hệ thống được mô-đun hóa thành các khối thu thập dữ liệu cảm biến, căn chỉnh dữ liệu quét và cập nhật bản đồ, giúp tăng khả năng triển khai trên các nền tảng nhúng có tài nguyên hạn chế. Kết quả mô phỏng và thử nghiệm trong môi trường trong nhà với các chướng ngại vật cho thấy hệ thống có khả năng xây dựng bản đồ với độ nhất quán cao khi robot di chuyển ở tốc độ thấp đến trung bình.

Tài liệu tham khảo

    [1] H. P. Moravec and A. Elfes, “High resolution maps from wide angle sonar”, in Proceedings of the IEEE International Conference on Robotics and Automation (ICRA), St. Louis, MO, USA, 1985, pp. 116–121.
    [2] A. Elfes, “Using occupancy grids for mobile robot perception and navigation”, Computer, vol. 22, no. 6, pp. 46–57, 1989.
    [3] S. Thrun, W. Burgard, and D. Fox, Probabilistic Robotics. Cambridge, MA, USA: MIT Press, 2005.
    [4] G. Grisetti, C. Stachniss, and W. Burgard, “Improved techniques for grid mapping with Rao-Blackwellized particle filters”, IEEE Transactions on Robotics, vol. 23, no. 1, pp. 34–46, 2007.
    [5] M. Montemerlo, S. Thrun, D. Koller, and B. Wegbreit, “FastSLAM: A factored solution to the simultaneous localization and mapping problem”, in Proceedings of the Eighteenth National Conference on Artificial Intelligence, CA, United States, 2002, pp. 593–598.
    [6] R. Kümmerle, G. Grisetti, H. Strasdat, K. Konolige, and W. Burgard, “g²o: A general framework for graph optimization”, in Proceedings of the IEEE International Conference on Robotics and Automation (ICRA), Shanghai, China, 2011, pp. 3607–3613.
    [7] P. J. Besl and N. D. McKay, “A method for registration of 3-D shapes”, IEEE Transactions on Pattern Analysis and Machine Intelligence, vol. 14, no. 2, pp. 239–256, 1992.
    [8] G. Censi, “An ICP variant using a point-to-line metric for registration of laser scans”, in Proceedings of the IEEE International Conference on Robotics and Automation (ICRA), Rome, Italy, 2007, pp. 19–25.
    [9] D. Kohlbrecher, J. Meyer, T. Graber, and U. Klingauf, “A flexible and scalable SLAM system with full 3D motion estimation”, in Proceedings of the IEEE International Symposium on Safety, Security, and Rescue Robotics (SSRR), Kyoto, Japan, 2011, pp. 155–160.
    [10] W. Hess, D. Kohler, H. Rapp, and D. Andor, “Real-time loop closure in 2D LIDAR SLAM”, in Proceedings of the IEEE International Conference on Robotics and Automation (ICRA), Stockholm, Sweden, 2016, pp. 1271–1278.
    [11] A. Nüchter, K. Lingemann, J. Hertzberg, and H. Surmann, “6D SLAM—3D mapping with an autonomous mobile robot”, Journal of Field Robotics, vol. 23, no. 11–12, pp. 777–789, 2006.
    [12] S. Lee and S. Yun, “Sequential building of 2D grid map using ICP algorithm and line extraction”, in Proceedings of the International Conference on Control, Automation and Systems (ICCAS), Gwangju, South Korea, 2013, pp. 995–998.
    [13] D. Parkison and R. M. Eustice, “Semantic iterative closest point through expectation-maximization”, in Proceedings of the British Machine Vision Conference (BMVC), Newcastle, U.K., 2018, pp. 1–13.
    [14] J. Zhang and S. Singh, “LOAM: Lidar odometry and mapping in real-time”, in Proceedings of the Robotics: Science and Systems Conference (RSS), Berkeley, CA, USA, 2014.
    [15] B. V. Ngo, T. H. Nguyen, T. N. Nguyen, and M. C. Cao, “A safe 2D grid map for indoor wheelchair navigation using the LiDAR camera system”, Engineering, Technology & Applied Science Research, vol. 15, no. 5, pp. 26935-26942, 2025.
    [16] Quanser Inc., “QCar Self-Driving Car Studio – Data Sheet”, Quanser Inc., Markham, ON, Canada, Technical Report, 2023.
Xem thêm

##plugins.themes.academic_pro.article.sidebar##

Đã Xuất bản

May 31, 2026
Download
PDF (English)
Cách trích dẫn
DUNG, C. V. A., D. H. LAM, và L. T. TUNG. “Xây dựng bản đồ lưới chiếm dụng dựa Trên thuật toán ICP Cho phương tiện tự hành hoạt động Trong Nhà”. Tạp Chí Khoa học Và Công nghệ Đại học Đà Nẵng, vol 24, số p.h 5A, Tháng Năm 2026, tr 98-104, doi:10.31130/ud-jst.2026.24(5A).210E.

##plugins.themes.academic_pro.article.details##