一种中型自主足球机器人自定位方法

针对RoboCup中型自主足球机器人比赛中的自定位要求,提出了一种新的自定位方法。利用电子罗盘获取航向角度,根据航向角度将全向视觉获取的白线初始信息转换为白线的半全局信息;利用白线实垂交类型、辅助白线的距离与角度信息,结合定位区域优先度算法确定机器人所在的最终定位区域;根据定位区域内两条实垂交白线的交点位置关系得到机器人在场地中的位置,实现自定位,并讨论该方法对全向视觉观测范围的要求。实际场地的实验结果,验证了该方法的有效性。     

一种鲁棒高效的足球机器人自定位方法

为了解决中型组比赛环境下的足球机器人自定位问题,本文提出一种新的基于全向视觉的自定位方法,该定位方法首先从全景图像中提取出场上白线的对应点,并将其作为机器人的观测信息,然后计算观测信息与静态地图的匹配误差,且根据匹配误差的大小决定是否重新选取主位姿,最后利用梯度优化算法修正主位姿,并以主位姿信息作为定位结果,仿真结果说明了该定位方法的有效性.     

一种基于MAP估计的移动机器人视觉自定位方法

提出一种能够工作在三维路标环境中的视觉自定位系统. 机器人通过 MAP 估计器融合里程计和单向摄象机的图像信息递归估计其自身位姿状态. 本文构建了传感器的非线性模型并且在系统运行中嵌入和跟踪机器人运动和视觉信息的不确定性. 本文从概率几何观点阐述传感信息不确定性, 用 unscented 变换传播经过非线性变换的相关系统信息. 考虑到处理能力, 机器人在地图元素的投影特征附近提取相应图像特征并通过统计距离描述数据关联程度. 本文的一系列系统性实验证明了该系统的稳定性和精确性.     

基于全景视觉机器人自定位方法研究

根据RoboCup比赛规则的改变,在足球机器人失去利用球门、立柱等地标信息定位条件情况下,提出一种新的基于全景视觉的自定位方法。该方法通过对白色标志线上点的识别,结合场地环境栅格化的处理,通过最小误差搜索而达到快速、精确自定位的目的。实验结果表明该自定位方法达到了较高定位精度和较快定位速度。     

基于RoboCup场地标志线的移动机器人自定位方法

自定位是自主移动机器人在RoboCup中型组比赛中的一个主要研究任务。本文提出了一种基于场地标志线上白点的中型组机器人自定位算法。该自定位方法采用数字罗盘确定机器人在世界坐标系下的朝向,白色标志线上的点确定机器人在世界坐标系下的坐标值,该算法进一步融合了视觉定位结果和里程计信息,使得定位结果更加鲁棒。     

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．     

霍夫空间中多足球机器人协作目标定位算法

针对嵌入式仿人足球机器人提出一种霍夫空间中的多机器人协作目标定位算法。机器人利用实验场地中的标志物采用基于三角几何定位方法进行自定位,把机器人多连杆模型进行简化,通过坐标系位姿变换把图像坐标系转换到世界坐标系中,实现机器人目标定位;在多机器人之间建立ZigBee无线传感器网络进行通信,把多个机器人定位的坐标点进行霍夫变换,在霍夫空间中进行最小二乘法线性拟合,获取最优参数,然后融合改进后的粒子滤波实现对目标小球的跟踪;最后在21自由度的仿人足球机器人上进行仿真和实验。数据结果表明,这种多机器人协作的定位算法的精度提高了约48%,在满足实时性的前提下,对目标的跟踪效果也得到了改善。     

应用神经网络改善足球机器人传感系统

为了解决足球机器人单一传感器所提供的定位数据的精度及稳定性不足以满足控制系统要求的问题,本文利用BP神经网络算法的学习功能,将目标足球及机器人自身状态信息作为标定数据,将视觉、加速度计、电子罗盘等多个传感器信息作为网络输入,以神经网络输出辅助足球机器人对目标足球的捕捉.实验仿真结果表明,神经网络算法提高了对目标足球的定位以及机器人自定位的精度,起到了预期的效果.滤波平均相对误差优于传统的卡尔曼滤波.     

双目视觉辅助的激光惯导SLAM算法

激光同步定位与地图构建(simultaneous localization and mapping, SLAM)算法在位姿估计和构建环境地图时依赖环境结构特征信息,在结构特征缺乏的场景下,此类算法的位姿估计精度与鲁棒性将下降甚至运行失败.对此,结合惯性测量单元(inertial measurement unit, IMU)不受环境约束、相机依赖视觉纹理的特点,提出一种双目视觉辅助的激光惯导SLAM算法,以解决纯激光SLAM算法在环境结构特征缺乏时的退化问题.即采用双目视觉惯导里程计算法为激光扫描匹配模块提供视觉先验位姿,并进一步兼顾视觉约束与激光结构特征约束进行联合位姿估计.此外,提出一种互补滤波算法与因子图优化求解的组合策略,完成激光里程计参考系与惯性参考系对准,并基于因子图将激光位姿与IMU数据融合以约束IMU偏置,在视觉里程计失效的情况下为激光扫描匹配提供候补的相对位姿预测.为进一步提高全局轨迹估计精度,提出基于迭代最近点匹配算法(iterative closest point, ICP)与基于图像特征匹配算法融合的混合闭环检测策略,利用6自由度位姿图优化方法显著降低里程计漂移误...     

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...     

Robust and real-time self-localization based on omnidirectional vision for soccer robots

Self-localization is the basis to realize autonomous ability such as motion planning and decision-making for mobile robots, and omnidirectional vision is one of the most important sensors for RoboCup Middle Size League (MSL) soccer robots. According to the characteristic that RoboCup competition is highly dynamic and the deficiency of the current self-localization methods, a robust and real-time self-localization algorithm based on omnidirectional vision is proposed for MSL soccer robots. Monte Carlo localization and matching optimization localization, two most popular approaches used in MSL, are combined in our algorithm. The advantages of these two approaches are maintained, while the disadvantages are avoided. A camera parameters auto-adjusting method based on image entropy is also integrated to adapt the output of omnidirectional vision to dynamic lighting conditions. The experimental results show that global localization can be realized effectively while highly accurate localization is achieved in real-time, and robot self-localization is robust to the highly dynamic environment with occlusions and changing lighting conditions.     

基于全景视觉与里程计的机器人自定位方法研究

通过分析全景视觉与里程计传感器的感知模型的不确定性，提出了一种基于路标观测的移动机器人自定位算法. 该算法利用卡尔曼滤波器，融合多种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，它利用视觉和里程计的互补特性，提高了自定位的精度．实验结果证明了上述方法的有效性．     

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。     

机器人足球视觉系统中的实时图像处理

视觉系统是整个机器人足球系统的重要组成部分。根据机器人足球视觉系统的特点,提出基于游程长度编码(RLE)的实时快速图像处理算法。算法使用RLE对图像进行压缩,并且在处理阶段高效识别出图像中目标的尺寸和位置。压缩阶段算法的时间复杂度与图像尺寸成线性关系,图像处理阶段算法的时间复杂度与图像中目标的个数和每个目标所占的扫描行数成线性关系。     

Localization With Limited Sensing

Localization is a fundamental problem for many kinds of mobile robots. Sensor systems of varying ability have been proposed and successfully used to solve the problem. This paper probes the lower limits of this range by describing three extremely simple robot models and addresses the active localization problem for each. The robot, whose configuration is composed of its position and orientation, moves in a fully-known, simply connected polygonal environment. We pose the localization task as a planning problem in the robot's information space, which encapsulates the uncertainty in the robot's configuration. We consider robots equipped with: 1) angular and linear odometers; 2) a compass and contact sensor and; 3) an angular odometer and contact sensor. We present localization algorithms for models 1 and 2 and show that no algorithm exists for model 3. An implementation with simulation examples is presented.     

Autonomous robot calibration using vision technology

Unlike the traditional robot calibration methods, which need external expensive calibration apparatus and elaborate setups to measure the 3D feature points in the reference frame, a vision-based self-calibration method for a serial robot manipulator, which only requires a ground-truth scale in the reference frame, is proposed in this paper. The proposed algorithm assumes that the camera is rigidly attached to the robot end-effector, which makes it possible to obtain the pose of the manipulator with the pose of the camera. By designing a manipulator movement trajectory, the camera poses can be estimated up to a scale factor at each configuration with the factorization method, where a nonlinear least-square algorithm is applied to improve its robustness. An efficient approach is proposed to estimate this scale factor. The great advantage of this self-calibration method is that only image sequences of a calibration object and a ground-truth length are needed, which makes the robot calibration procedure more autonomous in a dynamic manufacturing environment. Simulations and experimental studies on a PUMA 560 robot reveal the convenience and effectiveness of the proposed robot self-calibration approach.