基于Wi-Vi指纹的智能手机室内定位方法

室内定位是近些年国内外研究的热点,但是目前的室内定位技术在适用性、稳定性和推广性方面仍然存在诸多问题.针对目前室内定位技术的不足,面向公共室内场景的人员自定位问题,本文创新性地提出以室内广泛存在、均匀分布的消防安全出口标志为路标(Landmark),提出以Wi-Vi指纹-WiFi与视觉(Vision)信息相融合的指纹,为位置表征的多尺度定位方法.该方法首先利用室内广泛存在的WiFi无线信号进行粗定位,缩小定位范围;然后在WiFi定位的基础上通过视觉全局和局部特征匹配实现图像级定位和验证;最后参考消防安全出口标志的空间坐标精确计算用户的位置信息.实验中,通过市面上流行的不同型号智能手机在12 000平米办公楼和4万平米商场分别进行实地定位测试.测试结果表明:该方法可以达到实时定位的要求,图像级定位准确率均在97%以上,平均定位误差均在0.5米以下.本文所提出的基于Wi-Vi指纹智能手机定位方法为高精度室内定位问题建议了一种新的解决思路.     

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.     

基于视觉定位的机器人智能拆垛系统

针对传统示教再现机器人仅能进行位置确定、轨迹固定的拆垛任务,局限于固定场景的问题,设计了一个基于视觉定位的机器人智能拆垛系统.该系统利用目标像素中心坐标转换求得对应世界坐标.针对眼在手外的安装相机方式,导致目标经图像处理算法求得的旋转角度可能由于相机自身的偏转而产生误差的问题,提出利用相机外参系数补偿目标旋转角度.最后设计拆垛策略,通信引导机器人以由近及远的抓取顺序执行拆垛任务,并无需人工干预自动完成整垛拆卸.经过实验数据表明,该系统可在未知工作场景中对未知位置目标进行抓取,位置误差可达1.1 mm,角度误差可达1.2°,堆垛一层定位时间为1.2 s左右,满足工业场景中对拆垛机器人的精度与效率需求.     

基于监督的室内机器人导航系统研究

针对室内光照多变对机器视觉带来的不良影响所造成的室内机器人定位难的问题，提出了一种基于监督的室内导航模型。将鱼眼相机固定在室内房顶的中心位置，并且进行多次拍照，拍照后的图片经过图像处理，即可以完成获取整个地图，以及可行驶区域的人工标定。以屋顶固定参照物灯管为中心，结合位于机器人上的移动设备在不同位置向房顶参照物拍摄的图像数据和实际坐标位置，组成了投影轮廓数据库。根据在移动过程中机器人上的移动设备对房顶参照物进行拍摄，并与数据库匹配，实现了当前机器人的位置信息的获取。经测试，本方法在中低精度下具有一定的可行性，并且具有速度快的优点。本次研究实现了在精度要求不高情况下室内的监督导航。     

STM32的单目视觉室内平面跟踪定位

针对室内平面移动物体的定位,提出了一种基于STM32的单目视觉室内平面跟踪定位方式.在平面内放置标定点,通过标定,求取出图像坐标系与世界坐标系实际的对应关系,实时追踪图像坐标系,依照对应关系推算出实际位置.为了验证该方法的有效性,采用比对平面移动物体与特定点误差的方法,同时直观地观测对应点之间的距离关系.实验中测得的移动位置与实际位置相对误差小于1.5％,对于精度要求一般的室内定位需求有着较高的实用性.     

粒子滤波与ORB特征检测结合的移动机器人定位算法

针对机器人绑架后的重定位问题,提出了将粒子滤波与图像ORB(oriented FAST and rotated BRIEF)特征匹配结合起来的全局定位算法。机器人被绑架后,由运动模型预测产生的粒子集将不能正确估计机器人位姿。方法通过加入相机观测结果来修正粒子集。首先基于相机图像ORB特征匹配检测机器人所在区域,然后在相机关联的栅格子地图内撒粒子,最后通过粒子滤波的观测更新和重采样使粒子逐渐收敛实现重定位。实验证明:本文方法能够解决机器人绑架问题,在时间效率上优于加入随机粒子的自适应蒙特—卡罗定位算法,且具有更低定位误差。     

改进的室内移动机器人模糊位置指纹定位研究

在深入研究现有的室内机器人定位算法的基础上,提出了改进的室内机器人模糊位置指纹定位方法(IRF)。该方法首先利用样本节点之间的空间相关性,采用重心拉格朗日插值算法形成位置指纹库,然后将传统的求解高次坐标问题转换成空间隶属度问题,利用模糊匹配算法计算未知节点与指纹库中已知节点的贴近度,通过贴近度加权定位未知节点。利用卡尔曼滤波算法进行误差修正。实验结果表明,IRF定位方法与传统的定位算法相比,在降低误差、提高稳定性和效率方面具有更高的性能。     

基于雅可比预测的机器人无模型视觉伺服定位控制

针对未知相机标定及目标3D几何模型,研究机器人无模型视觉伺服定位方法.引入状态空间,建立机器人“视觉空间-运动空间”雅可比非线性映射的状态方程和观测方程,提出神经网络联合卡尔曼滤波雅可比预测算法,网络在线动态补偿系统近似误差与参数估计误差,实现最小均方差条件下的雅可比预测;以李雅普诺夫稳定性准则构建雅可比预测的无模型图像视觉伺服控制方案,避免了相机标定和目标建模.“眼在手”六自由度机器人定位比较实验表明,图像空间特征轨迹平滑稳定在相机视场中,笛卡尔空间机器人末端运动平稳,无震荡回退,定位精度在10个像素范围内.     

Kinect相机的机器人视觉里程计

Kinect相机不仅能够获取彩色图像,还可以得到相应的深度信息.本文探讨了一种通过Kinect相机来实现里程计的方法,该方法由Kinect相机获取周围环境的连续帧信息,提取并匹配连续帧间的SIFT特征点,获取图像帧的描述子,通过特征点的位置变化计算机器人的位姿、里程编码等,从而实现视觉里程计的功能.     

基于直线和单特征点的移动机器人视觉推算定位法

提出了一种基于直线和单特征点的视觉推算定位方法．将摄像机固定安装在移动机器人上,并使摄像机的方向垂直于天花板．提取天花板图像中的两条相交直线及其交点作为特征,利用直线的方向估计机器人的方位,再结合相交点的像素坐标变化量推算出机器人的位置．机器人运动过程中,用作特征的交点接近图像边缘时,更换新的交点作为特征点．室内定位实验结果验证了该方法的有效性．