基于多传感器信息融合的移动机器人快速精确自定位

通过分析全向视觉、电子罗盘和里程计等传感器的感知模型,设计并实现了一种给定环境模型下移动机器人全局自定位算法.该算法利用蒙特卡罗粒子滤波,融合多个传感器在不同观测点获取的观测数据完成机器人自定位.与传统的、采用单一传感器自定位的方法相比,它把多个同质或异质传感器所提供的不完整测量及相关联数据库中的信息加以综合,降低单个...     

基于视觉和里程计信息融合的移动机器人自定位

受鸽子定向启发，将装备有全维视觉和里程计等传感器的自主移动机器人的自定位分为两种模式：全维视觉定位模式和里程计定位模式．机器人依据一定准则选择具体的主导定位模式：先试视觉定位，若视觉定位不可得或获得的视觉定位不可靠，则采用里程计定位．针对标记物信息失真问题，应用初步视觉定位结果反推标记物理论值，然后通过比较从原始图像中分离出的可能的标记物信息和反推出来的标记物信息理论值，滤除不可靠的视觉定位．针对运动过程中的机器人自定位，分析了影响定位准确性的信息时间延迟因素．     

室内移动机器人的视觉定位方法研究

针对地图未知的室内环境下的定位问题，提出了一种基于特征跟踪的视觉里程计方法．利用单目摄像头提取和跟踪环境特征点集，进而根据观测模型利用扩展卡尔曼滤波算法估算出机器人的位姿．办公室环境中的定位实验证明了方法的有效性．     

多传感器信息融合在移动机器人定位中的应用

机器人自定位是实现自主导航的关键问题之一。为了满足机器人在导航时精确定位的要求,提出一种基于多传感器信息融合的自定位算法。根据对机器人运动机构的分析和运动机构间的刚体约束,建立起机器人的运动学模型;由传感器的工作原理建立里程计和超声波传感器的观测模型;利用扩展卡尔曼滤波(EKF)算法将里程计和超声波传感器采集的数据进行融合;最后,由匹配的环境特征对机器人的位置进行修正,得到精确的位置估计。实验结果表明:该算法明显地消除了里程计的累计误差,有效地提高了定位精度。     

融合视觉信息的激光SLAM

针对Gmapping SLAM(simultaneous location and mapping)算法在地图构建过程中对里程计定位精度要求较高且存在粒子耗散、退化等问题，本文首先设计出并行视觉识别与定位网络，用视觉特征与定位信息弥补粒子退化与激光点的漂移，强化定位能力，提高语义信息与构图精度；其次优化提议分布，将观测模型从里程计观测模型变换为激光观测模型并进行高斯采样，用更少的粒子覆盖机器人的概率分布；最后通过贝叶斯规则将视觉信息与激光信息融合，利用仿真工具、机器人平台与原算法进行对比，实验结果表明该算法不仅有效地提高地图构建的精确度与鲁棒性而且丰富了地图的语义信息。     

基于里程计和PTZ视觉的移动机器人自定位

针对机器人长距离运行时里程计定位存在累积误差问题,提出一种基于里程计和PTZ视觉的移动机器人自定位算法。提出了中断式S形搜索策略的概念,设计了基于有限自动机的视觉定位方法;分析了里程计和视觉定位误差来源,分别建立了其定位信度模型;并基于该模型建立里程计和PTZ视觉定位的框架。针对视觉定位及里程计视觉复合定位分别进行了实验,结果验证了该方法的有效性和实用性。     

基于LK光流法的单目视觉里程计

在移动机器人快速发展的今天,视觉里程计是通过视觉传感器进行导航定位的主要方式之一。文章介绍了基于单个摄像头的单目视觉里程计的一种实现方法,使用SURF算法提取特征点,用LK光流法进行特征追踪,相比于传统特征匹配在运算效率上有极大的提高,再对特征点计算位移与旋转量,以里程计的方式达到定位目的。详细介绍了视觉里程计的数学原理以及SURF算法和LK算法的原理及其数学推导、单目视觉里程计的尺度不确定原理。最后通过对比确定LK算法的优势以及最优参数的选择。     

基于全景视觉的移动机器人同步定位与地图创建研究

提出了一种基于全景视觉的移动机器人同步定位与地图创建（Omni-vSLAM）方法．该方法提取 颜色区域作为视觉路标;在分析全景视觉成像原理和定位不确定性的基础上建立起系统的观测模型,定位出 路标位置,进而通过扩展卡尔曼滤波算法（EKF）同步更新机器人位置和地图信息．实验结果证明了该方法在 建立环境地图的同时可以有效地修正由里程计造成的累积定位误差．     

基于激光雷达与双目视觉的移动机器人SLAM研究

为解决移动机器人在环境未知条件下,利用单一传感器自主导航时不能及时定位、构建地图不精确的问题,提出采用一种改进RBPF算法,在计算提议分布时将移动机器人的观测数据(视觉信息与激光雷达信息)和里程计信息融合;针对一般视觉图像特征点提取算法较慢的问题,采用基于ORB算法对视觉图像进行处理以加快视觉图像处理速度的方法;最后通过在安装有开源机器人操作系统(ROS)的履带式移动机器人进行实验,验证了采用该方法可构建可靠性更高、更精确的2D栅格图,提高了移动机器人SLAM的鲁棒性.     

基于近红外视觉的机器人室外定位系统

在光照条件可变且存在电磁干扰的环境下,针对机器人室外导航任务,提出了一种基于全景近红外视 觉和编码路标的自定位系统．通过近红外光源照明,利用全景视觉识别采用条形编码格式的路标,并利用扩展卡尔 曼滤波算法（EKF）融合视觉数据和里程计数据,从而实现机器人自定位．实验证明,该方法消除了室外大范围导航 时光照变化对机器人定位结果的影响．     

基于地图的移动机器人自定位与导航系统

针对地图已知情况下的移动机器人大范围导航问题，研制了一个由地图编辑器模块、地图匹配与定位模块以及多层递阶规划模块三部分组成的移动机器人导航系统．地图编辑器负责导航地图的编辑；地图匹配与定位模块利用里程计和激光雷达数据实现基于地图匹配的自定位；多层递阶规划模块将基于拓扑地图的全局规划、基于栅格地图的局部规划和底层的行为控制功能有机结合．通过室内定位和大范围导航实验评估了本系统的有效性和准确性．     

基于多传感器的全向足球机器人自定位

随着对足球机器人智能水平的要求进一步提高,机器人足球委员会将比赛场地的立柱、球门颜色取消.这使以前的基于球门、立柱地标的足球机器人自定位方法失效了.本文提出了一种利用了里程计、罗盘和全景摄像头多种传感器信息的视觉图像特征匹配的足球机器人自定位方法.首先,机器人通过里程计和罗盘取定一个可能位姿.然后,由视觉处理系统把机器人的可能位姿当作变换因子对实时拍摄到的场景图像作旋转、平移变换.最后,将变换后的图像中的白线与参考图像中的白线相比较,选择使图像匹配程度最大的变换因子作为机器人自定位的结果.实验结果表明该自定位方法达到了较高定位精度并能满足比赛的高实时性要求.     

全景视觉在机器人自主定位中的应用

研究一种基于全景视觉的机器人自主定位的方法。利用光学视觉原理，设计了一种全景视觉传感器，从而获得机器人周围环境的全方位景物的图像。通过去除全景图像的噪声、分割颜色阈值、计算中心点等处理，识别出机器人周围景物的已知路标，采用三角定位法，计算出机器人的坐标，从而为机器人的导航、避碰等任务奠定良好的基础。实验结果表明，此方法对于机器人自主定位具有一定的可行性。     

基于模糊卡尔曼滤波的移动机器人定位研究

为了满足移动机器人准确定位的要求,提出了一种基于模糊卡尔曼滤波（FKF）的自定位算法。利用扩展卡尔曼滤波（EKF）算法融合里程计和声纳的观测数据,并针对EKF中观测噪声方差估计不准确导致滤波器性能下降甚至发散的问题,提出了基于模糊逻辑的自适应调节算法。该算法通过监测新息实际方差和理论方差的一致程度,在线调整观测噪声的方差值。仿真结果表明,此方法较EKF提高了系统的定位精度和鲁棒性。     

一种新的用于足球机器人的全向视觉系统

全向视觉系统是RoboCup中型组足球机器人最重要的传感器之一。为了实现足球机器人的目标识别与自定位,提示了一种新的足球机器人全向视觉系统的设计与实现,其中在硬件上设计了一种由水平等比镜面和垂直等比镜面组合而成的新型全向反射镜面,其能够采集到较理想的全景图像;软件上则根据该镜面的成像特性实现了一种新颖的基于场地标志线信息的机器人自定位算法,该算法能够获得较准确的机器人自定位值。实验结果表明,该全向视觉系统能够有效地应用于机器人足球赛中。     

新的室内移动机器人自定位方法

针对现有室内移动机器人自定位方法中存在的定位精度不高,随时间积累定位误差增大,复杂室内环境下信号存在多径效应和非视距效应等问题,提出了一种基于蒙特卡罗定位(MCL)的新的移动机器人自定位方法。首先,通过分析基于无线射频识别(RFID)技术的移动机器人自定位系统,建立机器人运动模型;然后,通过分析基于接收信号强度指示(RSSI)的移动机器人自定位系统,提出机器人移动过程的观测模型;最后,针对粒子滤波定位执行效率不高的问题,提出粒子剔除策略和依据粒子方位赋予粒子权值策略,提高系统的定位精度和执行效率。仿真实验表明,机器人在移动过程中的自定位误差在X轴和Y轴方向上为3 cm,传统定位算法误差为6cm,新算法定位精度提高近1倍,且算法具有很好的鲁棒性。     

基于人工路标和立体视觉的移动机器人自定位

针对室内移动机器人的自定位问题,提出一种基于人工路标和双目视觉的室内移动机器人自定位方法。首先设计了一种可扩展的彩色人工路标,并给出路标的编码方法;然后利用色彩空间变换,直线交比不变性以及自适应窗口实现路标检测与识别;最后在分析双目立体视觉模型的基础上建立起基于路标的双目立体视觉定位模型,实现移动机器人的准确定位。实验结果表明,路标对光照和视觉传感器的采集位置具有较强的鲁棒性,定位精度能够满足室内移动机器人的定位要求。     

基于多传感器融合的移动机器人定位

针对移动机器人定位系统中单一传感器定位精度低与环境地图的重要性问题, 提出了一种基于多传感器融合的移动机器人定位方法. 首先, 在未知环境下, 分别利用单一里程计, 扩展卡尔曼滤波(extended Kalman filter,EKF)算法融合里程计、惯性测量单元(inertial measurement unit, ...