室内自主式移动机器人定位方法研究

定位是确定机器人在其工作环境中所处位置的过程。本文对室内自主式移动机器人的定位技术进行了研究。论述了自主式移动机器人定位系统与地图构造中所面临的主要问题及其解决方法并指出了该领域今后的发展方向。     

室内移动机器人的定位技术研究

移动机器人的定位技术是机器人研究领域的关键技术,并被广泛研究。由于室内环境和空间的限制,室内机器人在运行过程中对自身位置的定位有着很高的要求,对定位导航技术的研究是至关重要的。详细介绍了轮式机器人和四足机器人的定位方式,对室内定位导航系统进行概述与分析,比较其优势和劣势,并对移动机器人的室内定位方法做了展望。     

大视场室内移动机器人高精度动态定位方法

高精度室内定位是移动机器人实现自主导航、运动控制和协同作业等任务的前提条件.利用单目视觉定位原理,提出了一种针对大视场的室内移动机器人绝对定位方法.该方法适用于室内多移动机器人同步动态定位,解决了大视场环境下多相机非线性标定和视场融合问题,相机标定精度提高了52.6％.为提高移动机器人动态定位精度,设计了基于光信标的高...     

人工路标辅助的室内移动机器人SLAM

为了提高移动机器人在大规模室内场景中同时定位与建图(SLAM)的精度,利用人工路标和激光雷达传感器对移动机器人SLAM进行了研究。针对大规模室内环境下移动机器人里程计信息不可靠,且低成本雷达测距范围较小导致地图创建结果与真实环境尺度严重不符的问题,提出了利用简单人工路标辅助移动机器人定位并结合基于RaoBlackwellized的粒子滤波算法进行室内走廊场景的移动机器人SLAM,保证移动机器人在长距离运行下的准确定位,最后通过实验验证了方法的可行性,实验结果与真实环境一致性较高,基于人工路标的移动机器人运动轨迹精度提高了6%左右。     

基于Kinect传感器的移动机器人自主导航研究

未知环境移动机器人自主导航是当前的研究热点.同步定位与建图是实现移动机器人自主导航的关键环节.目前,许多学者通过激光测距仪、声呐、相机等设备来研究同步定位与建图.本文提出了由一台笔记本控制携带Kinect传感器移动机器人获取信息,再通过独立工作站创建未知环境全局地图的方案.其中,笔记本获取的信息(深度数据)通过无线传输给工作站.Gmapping(一种高效的Rao-Blackwellized粒子滤波器将激光扫描数据生成栅格地图)参数被优化来提高地图创建质量和激光扫描数据精度.通过Turtlebot进行实验验证了本文所提方案的有效性.     

基于霍夫空间模型匹配的移动机器人定位方法

快速获取自身相对于外部世界的位置和姿态是自主移动机器人一项重要的基本功能。本文将经典霍夫(Hough)变换引入移动机器人自定位，利用摄像机获取外界环境的局部地图特征，与给定环境模型(全局地图)在Hough空间进行匹配和比较，更新机器人的位置信息，并用EKF法将此信息与里程计测得的位置信息进行数据融合，从而最终实现移动机器人自定位。该方法尤其适用于室内结构化环境，实验结果表明该方法具有良好的性能。     

自主移动机器人语义信息应用研究进展

语义信息应用研究是自主移动机器人在导航中实现智能任务规划基础研究的核心内容之一,它涉及到语义地图、语义定位、语义知识表示、语义推理等技术,它在移动机器人任务规划中起到人-机-环境交互的桥梁作用,让机器人具备人的视角去理解周围的环境、自主识别、推理和完成指定任务。重点从语义地图、语义定位和语义知识表示三个方面分析和总结语义信息在自主移动机器人导航过程中的应用,同时展望了语义信息在自主移动机器人导航应用中的发展趋势。     

基于农业仓库物流搬运机器人控制算法分析与研究

在现代化农业仓库物流搬运产业布局中,通过移动机器人取代人来实现产业升级是一条必由之路。针对移动机器人在复杂工作环境下导航定位及避障运动问题,本文主要研究了相关的控制算法。首先,介绍了移动机器人网络控制系统平台的架构,并对经典双轮差动模型进行了简要分析;其次,通过对激光雷达数据的数学建模,实现了对于机器人工作环境中几何特征的提取算法,并据此实现了地图的自主创建以及通过地图匹配的方式来实现导航定位;最后,提出一种最优化模糊逻辑避障算法用于实现移动机器人的运动避障。所述算法的有效性均通过机器人仿真环境的验证。     

室内移动机器人主动SLAM技术研究

为提高移动机器人自主探索室内未知环境的能力,基于实时获取的里程计和激光雷达数据,提出了一种面向室内环境的主动SLAM算法。首先利用激光雷达高精度特性,进行高频率的扫描匹配,提高了机器人定位和建图精度。同时基于实时地图,通过边界探索算法实现了机器人自主、高效遍历室内环境,并建立全局地图。鉴于室内环境通常是动态的,在全局路径规划的基础上引入局部路径规划,实现了机器人运动过程中的实时避障。使用Kobuki移动机器人平台在室内环境中进行了实验验证,实验结果表明该算法在小规模室内场景下的建图精度约为5cm,全程用时约为人为遥控方式的1.5倍。     

室内移动机器人的初始定位的一种新方法

提出了一种基于“完整线段”匹配实现室内移动机器人初始定位的新方法，给出了完整线段的定义，性质和判定方法，详细介绍了该方法进行初始自定位的算法过程，并对一些特殊情况进行了讨论，用该方法进行初始定位的实验结果令人满意。     

基于激光雷达的移动机器人同时定位与地图创建的研究

应用同时定位与地图创建理论建立全区域覆盖移动机器人导航系统,融合航位推算理论和基于环境特征的定位方法,设计了基于光电编码器--磁航向传感器组合和LMS激光雷达的混合定位系统.使用扩展Kalman滤波技术完成了基于特征直线的机器人位置更新.通过计算机仿真,结果表明建立的混合定位系统和同时定位与地图创建方法是一种切实可行的全区域覆盖移动机器人的导航方法.     

自主移动机器人定位技术研究综述

定位技术是自主移动机器人最基本也是最重要的技术之一。本文介绍了几种自主移动机器人的定位技术,着重分析了基于路标定位和概率定位的技术,及其各自的优点和局限性,并提出了今后研究的方向。     

定位细胞认知机理启发的机器人导航研究综述

快速准确完成目标导航是哺乳动物赖以生存的一个重要能力,海马体和内嗅皮层是实现其空间认知及导航能力的主要脑区,网格细胞和位置细胞等多细胞的协同作用可以为大脑提供一套综合定位系统,实现了哺乳动物更高水平的认知功能。综述了哺乳动物海马相关定位细胞在机器人自主导航领域的最新研究进展,重点介绍了定位细胞认知机理启发的机器人环境建模、地图构建及行为规划与控制等领域的研究成果。最后对定位细胞启发机器人应用存在的问题进行分析和讨论,并对未来发展方向做了展望。     

全区域覆盖移动机器人的导航系统总体设计

导航与定位是自主移动机器人研究的重点,是实现移动机器人智能化的核心技术。本文从全区域覆盖移动机器人面临的实际环境,综合光电编码器、磁航向角传感器和LMS221系列激光雷达的特性设计一种混合定位系统。通过理论分析,论述同时定位与地图创建方法（SLAM）在导航系统中应用的可行性和解决方案。     

基于ROS和激光雷达的室内移动机器人定位和导航系统设计与实现

根据自主运动机器人的室内定位需求,设计并实现基于机器人操作系统ROS和激光雷达的室内移动机器人定位和导航系统。机器人系统采用树莓派控制器作为控制核心平台,利用激光雷达采集环境信息,在ROS分布式框架下进行软件算法的开发,实现基于扫描匹配算法的SLAM功能、基于最优路径算法路径规划以及基于粒子滤波算法的导航功能。理论仿真及实验实测结果表明,系统可构建精度较高的环境地图,并对机器人进行定位,有效完成室内定位和导航任务,具有低成本、开源、模块化、易于拓展等优点。     

实时的移动机器人语义地图构建系统

语义信息可以使机器人更充分地理解未知环境,为更高级的人机交互和完成更复杂的任务奠定基础。为了能够使移动机器人实时地创建语义地图,在Jetson TX1嵌入式电脑上开发了一种轻量级的深度学习目标检测模型,在保证了检测精度的同时,实现了高效的目标检测功能。并利用了视频流中的帧间光流信息,使用运动信息指导传播算法降低检测算法的漏检率。对于Kinect传感器生成的深度图像有黑边、黑洞等缺陷,使用统一计算设备架构(CUDA)技术开发了一种实时的深度图像修复算法。利用即时定位与地图构建(SLAM)技术,实现移动机器人底层的定位、导航、地图创建功能,并在此基础上使用贝叶斯推理框架,同时融合了环境的度量信息与视觉识别信息完成了语义地图的创建。经过实验表明,所提出的方法在实际的、复杂的室内环境下可以使移动机器人实时地创建语义地图。     

Collision-free motion coordination of heterogeneous robots

This paper proposes a method to coordinate the motion of multiple heterogeneous robots on a network. The proposed method uses prioritization and avoidance. Priority is assigned to each robot; a robot with lower priority avoids the robots of higher priority. To avoid collision with other robots, elastic force and potential field force are used. Also, the method can be applied separately to the motion planning of a part of a robot from that of the other parts of the robot. This is useful for application to the robots of the type mobile manipulator or highly redundant robots. The method is tested by simulation, and it results in smooth and adaptive coordination in an environment with multiple heterogeneous robots. This paper was recommended for publication in revised form by Associate Editor Jong Hyeon Park Nak Yong Ko received the B.S. degree, M.S. degree, and Ph.D. degree from the Department of Control and Instrumentation Engineering, Seoul National University, Korea, in the field of robotics. He is Professor of the department of Control, Instru-mentation, and Robot Engineering, Chosun University, Korea, from 1992. During 1996–1997 and 2004–2005, he worked as a visiting research scientist at the Robotics Institute of Carnegie Mellon University. His research interests include autonomous motion of mobile robots(collision avoidance, localization, map building, navigation, and planning), manipulator force/torque control, and incorporation of mobile robot technology into GIS. Dong Jin Seo is a Research Engineer in Robotics Institute at REDONE Tech. He earned B.A degree, M.S. degree and Ph.D. degree from the Department of Control and Instrumentation Engineering, Chosun Uni-versity, Korea in 2000, 2002 and 2006. During 2004–2005, he worked as a visiting student scholar at the Robotics Institute of Carnegie Mellon University, USA. His research interests are multi-robot cooperation, localization, navigation and modeling robot simulation systems with uncertainty. Reid Gordon Simmons is a research scientist in the department of com-puter science and robotics institute at Carnegie Mellon University, USA. He earned his B.A degree in 1979 in computer science from SUNY at Buffalo, and his M.S and Ph.D. degrees from MIT in 1983 and 1988, respectively, in the field of artificial intelligence. His research interests focus on developing reliable, highly autonomous systems(especially mobile robots) that operate in rich, uncertain environments. In particular, he is interested in architectures for autonomy the combine deliberative and reactive behavior, reliable execution monitoring and error recovery, multi-robot coordination, probabilistic and symbolic planning, formal verification of autonomous systems, and human-robot social interaction.     

A new approach to map building by sensor data fusion: sequential principal component-SPC method

This study proposes a new map building method for a mobile robot operating in an environment with obstacles by fusing sensor data. Required information for a map designing is supplied by fusion of different sensor data using the sequential principal component (SPC) method. We discuss mathematical and experimental issues of the method by comparing a Bayesian method that works efficiently in map building using sensor data fusion. Application of the method for grid based map building is introduced and compatibility in mobile robot navigation is demonstrated. Experimental studies are implemented on Nomad200 mobile robot successfully.