双轮差速驱动式室内移动机器人的改进航迹推算方法

针对轮式机器人仅使用编码器时传统航迹推算方法定位不足的问题,提出了一种改进的航迹推算方法。通过编码器测定同轴两个轮子的速度,建立一种新的航迹推算理论模型,来尽可能去除外部干涉,提高定位精确度。在地图环境已知、起点给定的情况下,该模型能够通过编码器对机器人进行精确跟踪与定位,为机器人导航提供准确的位置信息。实验结果表明:改进航迹推算方法比传统方法的定位精度高。     

无里程计移动机器人多传感器融合定位算法北大核心

为解决无里程计移动机器人室内定位问题,提出一种不依赖里程计数据的多传感器融合定位算法。首先,使用RF2O算法从激光雷达信息中获取移动机器人的运动数据;其次,使用扩展卡尔曼滤波融合IMU数据和RF2O算法计算的数据得到初步的定位数据;最后,使用自适应蒙特卡洛定位算法对定位数据进行修正,解决误差累计问题,得到精确的定位结果。结果表明,本文提出的定位算法可以有效降低测量误差、缩短算法运行时间,具有定位精度高且计算量小的优点,可以满足无里程计的移动机器人的定位需求。     

基于非线性多传感器复合定位融合算法应用研究

针对移动机器人单传感器数据短时丢失、定位精度低、传感器频率异步等问题,采用激光雷达、IMU、轮式里程计获取定位信息,提出基于扩展卡尔曼滤波和互补融合的组合数据融合方法。先通过S-G滤波算法对初始定位数据进行预处理,利用扩展卡尔曼滤波融合算法实现IMU和轮式里程计传感器的定位数据融合,得到融合数据1;再利用互补融合算法将融合数据1和激光雷达进行融合得到融合定位数据2。其中融合数据1对激光雷达进行实时补正,解决频率异步的位移偏差,从而明显提高定位精度。最后采用Gazebo仿真平台,搭建移动机器人模型以及设置传感器的基本参数,验证算法的有效性和稳定性。实验结果表明：数据融合算法提高了非线性传感器的定位精度和稳定性,并且平均定位误差在8 cm内。     

基于多传感器融合的移动机器人定位研究

针对室内未知环境下单一传感器定位累积误差大、受环境局限等缺点,设计一种多传感器非线性融合定位系统,以提高移动机器人自主导航的定位精度。该系统通过高斯牛顿方程对由激光雷达、惯性测量单元、轮式里程计测量得到的位姿信息进行融合优化,补偿由于在室内环境信息下单一传感器定位精度低所带来的定位误差。实验结果表明:应用多传感器融合定位系统的移动机器人在长6 m、宽3 m的室内面对曲折复杂的路径和各种噪声干扰时运行总路程12.8 m后,可以将定位误差稳定在0.106 3 m内,并将平均相对误差稳定在0.716%左右。与现有方法对比,使用该方法提高了室内移动机器人定位的精度和鲁棒性。     

一种基于视觉补偿的移动机器人地图匹配室外定位算法

在室外环境中,由于车轮打滑、里程计存在严重的累积误差,同时由于二维激光测距仪扫描到环境信息量少,在进行地图匹配时,机器人常常陷入相似或对称环境,导致定位失败.针对以上问题,在二维激光地图匹配的基础上,提出了利用单目视觉信息补偿激光信息与里程计信息的定位方法.该方法利用单目摄像机获取环境中的色块信息补偿二维激光信息;摄像机同时作为视觉里程计实时辨识车轮打滑,校正里程计的误差;最后利用粒子滤波算法融合多传感器信息.该实验利用Pioneer3-AT机器人平台在大学校园进行,实验证明该方法具有较高的定位精度.     

移动机器人自主定位和导航系统设计与实现

为实现未知环境下,移动机器人自主定位和导航,构建精准的环境地图,提出移动机器人导航系统设计方法。采用蒙特卡洛算法对机器人进行定位,通过栅格地图扫描匹配方法进行地图构建,利用Dijkstra算法对当前地图进行路径规划。将上位机和下位机串口通信,把上位机路径规划的Twist消息发送给下位机,采用底层控制器来控制电机,实现移动机器人自主运动。实验结果表明:在实际环境中,移动机器人能够从起始点出发,自主绕过障碍物到达目的地,验证了该移动机器人自主导航系统设计方法的有效性。     

一种基于视觉补偿的移动机器人地图匹配室外定位算法（英文）

在室外环境中,由于车轮打滑、里程计存在严重的累积误差,同时由于二维激光测距仪扫描到环境信息量少,在进行地图匹配时,机器人常常陷入相似或对称环境,导致定位失败。针对以上问题,在二维激光地图匹配的基础上,提出了利用单目视觉信息补偿激光信息与里程计信息的定位方法。该方法利用单目摄像机获取环境中的色块信息补偿二维激光信息;摄像机同时作为视觉里程计实时辨识车轮打滑,校正里程计的误差;最后利用粒子滤波算法融合多传感器信息。该实验利用Pioneer3-AT机器人平台在大学校园进行,实验证明该方法具有较高的定位精度。     

基于激光SLAM的移动机器人导航算法研究

定位技术是机器人技术中导航控制和路径规划的关键问题,传统定位方式采用全球定位系统(GPS),难以完成精准的定位导航功能,不依赖于GPS的定位导航方法是目前机器人领域的研究热点。提出一种基于激光雷达采集的点云信息帧间匹配方法,根据改进式激光点云数据的位姿估计算法,结合非线性优化进行了校正和优化,完成移动机器人对未知环境的精确定位。通过ROS机器人操作系统搭建实验平台,对改进算法进行验证,证明改进后帧间匹配算法的建图和定位效果对应的鲁棒性与定位精度效果更佳,可满足工程要求。     

基于改进变异粒子群算法的TDOA/AOA定位研究

针对GPS盲点区域的定位问题,蜂窝定位技术能够有效解决。蜂窝定位技术中的混合定位算法能够有效地提高定位精度和定位可靠性,但是算法中的信号测量产生的误差和定位估计遇到的非线性优化问题严重影响了混合定位算法的性能。针对上述算法问题,文章提出了一种基于改进的变异粒子群算法(IMPSO)的目标定位策略。该算法是以TDOA/AOA混合定位算法为对象,首先用最大似然法得到移动台的估计函数,将估计函数作为适应度函数产生初始种群,然后对粒子群(PSO)算法中适应度方差进行变异操作,同时改进惯性权重,达到PSO算法在对适应度函数进行寻优处理时不会出现陷入局部最优的目的,最后用IMPSO算法对种群进行寻优,得到最优的估计位置。仿真实验结果表明,IMPSO算法的应用相对传统的Chan算法和TDOA/AOA混合定位算法,在视距的环境下,能有效减小测量误差的影响,并提高定位系统的稳定性。     

动态场景下移动机器人视觉SLAM

为实现动态场景下移动机器人自主定位和建图,解决传统视觉里程计方法跟踪效果差及累积误差问题,提升闭环检测的准确性和鲁棒性,提出融合深度学习的同时定位与地图构建方法。采用四叉树算法均匀化特征分布,解决动态场景特征聚集问题;通过优化的目标检测网络识别场景动态语义信息,剔除动态物体对位姿估计的干扰;充分提取场景空间结构信息,结合点特征和线特征实现位姿跟踪及回环检测,构建全局一致的环境地图。TUM数据集和真实场景实验结果表明：改进方法提升了移动机器人定位和建图的准确性和鲁棒性。     

基于单目稀疏法多传感器融合移动机器人定位

针对移动机器人室内定位过程中,单目视觉难适应光照变化、里程计累计误差导致定位误差较大问题,提出边缘侧多传感器融合的定位方法.以稀疏直接法(半直接法)作为单目视觉的前端,实时单目相机估计位姿,通过惯性传感器恢复尺度输出位置信息,并且获取IMU的加速度以及偏航角、里程计当前速度,通过扩展卡尔曼滤波算法融合3种传感器信息,实现更加精确的定位.在移动机器人侧处理传感器读取的信息,从而减小机器人体积.边缘侧混合式多传感器信息融合使移动机器人在单个传感器失效以及无法人为干预时,也能够精确实时地在多种复杂环境中完成自主定位.     

基于多传感器信息融合移动机器人导航定位研究

移动机器人的导航及定位是机器人自主导航的关键技术之一。为提高移动机器人的导航及定位能力,提出以多种导航定位传感器组合为融合单元,设计扩展卡尔曼滤波算法,将陀螺仪、里程计和电子罗盘采集的数据进行融合。设计模糊神经网络对所融合的数据进行训练处理,提高数据处理的精度和效率,实现对移动机器人精确的控制。并进行了仿真分析,结果证明：所提出的多传感器信息融合算法既可使移动机器人在复杂环境中自主定位,又实现有效避障,有实际参考价值。     

非结构环境下移动机器人定位研究综述

从移动机器人在非结构环境下应用定位需求出发,系统梳理了移动机器人定位研究发展历史,划分为经验积累、理论框架形成和应用研究突破3个阶段。指出了推动移动机器人定位技术发展的3个主要矛盾,比较并总结了用于解决关键问题的算法的优缺点,展望了基于视觉的移动机器人定位的重点研究方向。     

基于蚁群优化神经网络在机器人重复定位测试中的应用

为了弥补传统工业机器人重复定位精度为开环测试、测试成本高及测试过程复杂等缺点,提出了一种激光传感器测试系统与蚁群优化神经网络算法相结合的测试方法,通过蚁群优化神经网络算法的快速收敛性,能快速准确地对机器人在重复定位测试中进行预测,并根据预测结果对机器人进行定位精度补偿。经试验验证,重复定位精度预测值满足目标误差要求,能补偿机器人在重复定位测试中的定位精度。     

基于混沌求偶萤火虫算法的移动机器人路径规划

针对传统萤火虫算法应用于移动机器人路径规划中存在陷入局部最优和搜索精度低的问题,提出一种基于混沌求偶萤火虫算法的移动机器人路径规划方法。设计一种混沌求偶荧火虫算法,该算法采用混沌映射策略初始化种群,优化种群分布不均和搜索范围不足问题;利用求偶学习策略指导雄性萤火虫向雌性萤火虫学习,提高算法的收敛速度和求解精度。建立移动机器人路径规划的环境仿真模型,应用混沌求偶萤火虫算法进行移动机器人路径规划仿真。仿真结果表明：混沌求偶萤火虫算法比传统萤火虫算法和粒子群算法在路径长度上分别减少了3.075%和2.428%,拥有更高的搜索精度和跳出局部最优的能力。     

基于语义ORB-SLAM2算法的移动机器人自主导航方法研究

提出了一种基于单目视觉和激光雷达的同步定位与制图融合语义信息的新方法,该方法利用从单目视觉中提取的特征和在激光雷达深度地图中的对应关系来获得相对于关键帧的姿态数据,同时对图像进行语义分割;通过从深度卷积神经网络CNN获得的语义特征来细化语义信息,地图中的每个点都与一个语义特征相关联,以执行语义引导的本地和全局姿态优化。提出的语义标记和SLAM的耦合具有更好的鲁棒性和准确性。在室内环境中对装备单目视觉和激光雷达的移动机器人进行验证实验,实验结果表明:该方法可以提高机器人导航精度,实现机器人智能自主导航,同时也可以提供语义信息的图像数据。