基于多传感器融合的移动机器人定位算法研究

针对移动机器人在室外环境下全局位姿定位精度低、定位耗时长的问题,提出一种基于多传感器融合的机器人定位算法。首先构建移动机器人的运动模型,并选用里程计、惯性测量单元IMU和激光雷达作为移动机器人的基础传感器;然后采用自适应蒙特卡罗定位算法对传感器融合位姿进行位姿误差计算,获取移动机器人初始位姿;最后进行激光点云匹配,获取全局地图,并利用基于全局正态分布地图的NDT算法进行初始位姿修正,最终实现全局位姿校正和高精度定位。结果表明,基于多传感器融合的移动机器人定位误差控制在0.04 m范围内,定位时长均值为0.045 s,定位误差较小,定位损耗时间较少。由此说明,本定位算法可提升移动机器人的定位精度和定位效率,可实现移动机器人全局位姿快速、精确定位,提出的定位算法具备一定的有效性。     

基于全局特征点匹配的全局定位方法

针对传统全局定位方法存在对传感器要求多、计算量大的问题,提出了一种基于全局特征点匹配的移动机器人定位方法。该方法采用普通2D雷达作为传感器,在机器人建立全局地图的过程中同步地提取全局特征点,在全局定位算法中,通过建立局部地图和提取局部地图特征点,实时将局部地图特征点和全局地图特征点进行匹配后求解全局位姿。在两个数据集上的测试,结果优于蒙特卡罗自适应定位（adaptive Monte Carlo localization,AMCL）和Cartographer的全局定位效果,运算速度更快。结果表明,与已有的方法相比,该全局定位方法能够更快地完成全局定位和有效减少计算资源的消耗。     

多视角几何Rao-Blackwellised SLAM算法

低成本传感器、高精度定位是机器人同步定位与地图构建的热点研究问题。采用单视觉传感器来获取多个图像视觉信息,通过因式分解求解多幅图像的空间关系;利用多视角几何理论获得环境深度信息。机器人的同步定位与地图构建是通过对观测模型进行一阶泰勒近似,以及Rao-Blackwellised粒子滤波迭代进行的。在MT-R移动机器人研究平台进行实验,实验结果表明所提出的方法在定位精度指标优于经典的EKF-SLAM方法,并且只需要单个摄像头。     

基于几何－拓扑广域三维地图和全向视觉的移动机器人自定位

面向大规模室内环境, 研究了基于全向视觉的移动机器人自定位. 提出用分层的几何－拓扑三维地图管理广域环境特征, 定义了不同层次的三维局部环境特征及全局拓扑属性, 给出了分层地图的应用方法. 构建了全向视觉传感器成像模型及其不确定性传播方法, 使得地图中的概率元素能够在系统中有效应用. 采用随机点预估搜索的方法提取环境元素对应的曲线边缘特征. 用带反馈的分层估计方法在融合中心对多观测特征产生的相应估计状态进行总体融合. 以分层逻辑架构设计实现了移动机器人交互式自定位系统. 实验分析了真实环境中不同初始位姿和观测信息情况下定位系统的收敛性和定位精度, 在考虑动态障碍物的遮挡情况下完成了机器人的在线环境感知和运动自定位任务. 实验结果表明本文方法的可靠性和实用性.     

基于低成本超声传感器的无线传感网生存环境地图构建研究

移动传感器网络节点在监测环境过程中,采集到大量有误差的环境地图数据,导致构建的传感器网络生存环境地图质量低、实时性差.针对以上问题,提出了一种适用于低成本、轻数据量、多网络节点的基于超声传感器组的环境地图构建算法.首先对超声波测量数据进行高斯滤波处理,其次利用处理后的数据进行单一网络节点所属区域地图的构建,再次提取单一节点地图的点特征,并进行匹配,进而得到融合后的全局地图,最终实现传感器网络节点生存环境地图的构建.进一步通过优化子图拼接顺序,降低了构图数据与实际环境数据的误差,提高了传感器网络节点生存环境的地图质量.     

智能空间辅助家庭服务机器人的定位方法

研究移动机器人智能定位优化问题,在分析传统的移动机器人定位的过程中,由于在定位时存在误匹配造成不准确,传统的移动机器人自身携带传感器对周围环境观测具有局限性.为了提高有效定位,提出利用智能空间中的单个全局摄像机作为外部传感器,可采用Monte Carlo方法解决移动机器人定位,并进行仿真,实验表明,全局摄像机能够有效地辅助移动机器人在全局环境中定位,Monte Carlo算法利用全局摄像机的观测信息,使定位有良好的性能效果.     

基于超声波的移动机器人的同时定位和地图构建

为了在移动机器人SLAM过程中得到更精确的定位和二维地图构建,对一种利用超声波传感器信息进行栅格地图创建的方法提出了改进;该方法利用Bayes法则对信息进行融合,利用粒子滤波和航位推算相结合的方法对机器人进行精确定位和创建地图,然后利用移动的栅格法进行地图的全局更新,提出了一种地图的校验方法;通过实验,在粒子数为200的情况下分别得到了算法改进前和改进后的地图构建结果,通过比较,证明了使用该算法进行移动机器人定位和地图构建更加精确。     

基于激光测距与双目视觉信息融合的移动机器人SLAM研究

未知复杂环境中不规则的障碍物使传感数据具有不确定性,单依靠激光测距仪进行移动机器人的定位与自主导航可靠性不足;针对此问题,提出了一种基于激光测距仪和双目视觉传感器信息融合的精确定位方法,利用加权最小二乘拟合方法和尺度不变特征变换(SIFT)算法分别从对激光信息与视觉信息中提取直线和点特征,进行特征级的信息融合。通过对实验结果和数据分析,多传感器信息融合可以有效提高移动机器人SLAM(即时定位与地图构建)的精度和鲁棒性。     

基于超声波传感器的移动机器人定位研究

为了解决超声波传感器在感知环境的过程中的不确定性问题和在定位过程中存在的噪音,以Pioneer 3-AT机器人为实验平台,运用概率算法解决对象本身和对象之间的不确定性关系,理出各种算法之间的内在联系,对移动机器人的定位算法作了相关分析与研究,并利用Mobilesim平台在自建的现场全局地图上进行实验。实验表明:使用改进蒙特—卡罗算法的移动机器人有着较好的定位效果,能够满足实用要求。     

一种融合激光和深度视觉传感器的SLAM地图创建方法

针对移动机器人的不确定复杂环境,一般采用单一传感器进行同时定位和地图创建(SLAM)存在精度较低,并且易受干扰,可靠性不足等问题,本文提出一种基于Bayes方法的激光传感器和RGB-D传感器的信息融合SLAM方法,利用Bayes方法通过概率启发式模型提取光束投影到栅格地图单元,充分利用激光与视觉信息中的冗余信息,提取一致性特征信息,并进行特征级的信息融合;在地图更新阶段,本文提出一种融合激光传感器和视觉传感器的贝叶斯估计方法,对栅格地图进行更新。在使用ROS(移动机器人操作系统)的实验平台上实验表明,多传器信息融合可以有效提高SLAM的准确度和鲁棒性。     

超声在移动机器人障碍物检测中的应用研究

在移动机器人的相关技术的研究中,移动机器人障碍物检测是机器人研究的一个重要方向。以上海英集斯自动化技术公司生产的MT-R机器人为研究对象,首先利用其内部安装的超声传感器及相关软件测量机器人前方障碍物的距离,得出测量结果,并分析误差原因;其次利用机器人前面三个超声传感器进行避障实验,运行过程基本能够满足一般要求,但对特殊障碍如有桌洞的障碍物,机器人钻入桌洞,无法避开。单独采用超声传感器不能满足机器人对障碍物的精确识别,有必要结合其他传感器提高障碍物的测量精度。     

ATmega16与PC机的移动机器人定位系统研究

为提高移动机器人定位系统的可靠性,设计了组合使用光纤陀螺仪、光电码盘和超声波传感器的定位系统,系统采用CAN总线的数据传输方式。ATmega16采集各传感器数据,再以CAN总线方式传输给PC机;PC机平台综合处理光纤陀螺、光电码盘与超声波返回的数据,实现移动机器人定位。定位算法以航迹推算为主,超声波传感器起辅助定位作用。实验表明定位系统可靠有效。     

移动机器人的多传感器测距系统设计

在移动机器人的路径规划过程中,必须掌握障碍物的距离信息.基于超声波和红外传感器的测距原理,设计了一种移动机器人多传感器测距系统,可测量0～200 cm距离内存在的障碍物,测量误差小于1 %.采用超声波和红外2种传感器组成3组测距采集系统,采集机器人3个不同方位的障碍物信息,解决了单一传感器测距盲区的问题,并详细介绍了该系统的软件和硬件设计.     

运用异质传感器信息融合的移动机器人自定位

采用单类、单一传感器很难获得移动机器人的准确定位.为此,运用异质传感器信息融合来提高定位精度.首先,建立机器人运动方程和CCD摄像机观测模型.然后,利用扩展卡尔曼滤波器进行状态估计,选择Q,R矩阵抑制系统的模型噪声和量测噪声,并实现移动机器人的自定位.接着,建立超声波传感器的观测模型,获得机器人的自定位信息.最后,运用BP神经网络,将两种自定位信息进行融合,实现两类传感器的优缺点互补.仿真实验表明,运用异质传感器信息融合能明显地提高移动机器人的自定位精度.     

Optimally overlapped ultrasonic sensor ring design for minimal positional uncertainty in obstacle detection

This paper presents the optimal overlapping arrangement of a circular array of ultrasonic sensors for minimal positional uncertainty in obstacle detection. First, it is shown that beam overlap among three adjacent ultrasonic sensors leads to significant reduction of positional uncertainty. Second, the positional uncertainty of an overlapped ultrasonic sensor ring is compared to a single ultrasonic sensor in terms of a collision-free region with obstacles. Third, the optimal design index for an overlapped ultrasonic sensor ring is defined as the area closest between the non-overlapped and overlapped sensing sub-zones. Fourth, using commercial low directivity ultrasonic sensors, an optimally overlapped ultrasonic sensor ring is given along with its prototype installed on top of a mobile robot. Finally, experimental results are given to demonstrate the validity and performance of our overlapped ultrasonic sensor ring prototype.     

Simultaneous localization and map building for mobile robotnavigation

Inexpensive ultrasonic sensors, incremental encoders, and grid-based probabilistic modeling are used for improved robot navigation in indoor environments. For model-building, range data from ultrasonic sensors are constantly sampled and a map is built and updated immediately while the robot is travelling through the workspace. The local world model is based on the concept of an occupancy grid. The world model extracted from the range data is based on the geometric primitive of line segments. For the extraction of these features, methods such as the Hough transform and clustering are utilized. The perceived local world model along with dead-reckoning and ultrasonic sensor data are combined using an extended Kalman filter in a localization scheme to estimate the current position and orientation of the mobile robot, which is subsequently fed to the map-building algorithm. Implementation issues and experimental results with the Nomad 150 mobile robot in a real-world indoor environment (office space) are presented     

Self-localization and obstacle avoidance for a mobile robot

This article presents a fast self-localization method based on ZigBee wireless sensor network and laser sensor, an obstacle avoidance algorithm based on ultrasonic sensors for a mobile robot. The positioning system and positioning theory of ZigBee which can obtain a rough global localization of the mobile robot are introduced. To realize accurate local positioning, a laser sensor is used to extract the features from environment, then the environmental features and global reference map can be matched. From the matched environmental features, the position and orientation of the mobile robot can be obtained. To enable the mobile robot to avoid obstacle in real-time, a heuristic fuzzy neural network is developed by using heuristic fuzzy rules and the Kohonen clustering network. The experiment results show the effectiveness of the proposed method.     

基于ROS与Kinect的移动机器人同时定位与地图构建

同时定位与地图构建(SLAM)技术一直以来都是移动机器人实现自主导航和避障的核心问题,移动机器人需要借助传感器来探测周围的物体同时构建出相应区域的地图。由于传统的1D和2D传感器,如超声波传感器、声呐和激光测距仪等在建图过程中无法检测出Z轴(垂直方向)上的信息,易增加机器人发生碰撞的概率,同时影响建图结果的精确度。本文利用Kinect作为机器人SLAM的传感器,将其采集到的三维信息转化成二维的激光数据进行地图构建,同时借助机器人操作系统(robot operating system,ROS)进行仿真分析和实际测试。结果表明Kinect可以弥补1D和2D传感器采集信息的不足,同时能够较好的保持建图的完整性和可靠性,适用于室内的移动机器人SLAM实现。     

Correlation-Based Scan Matching Using Ultrasonic Sensors for EKF Localization

This paper presents a localization method for a mobile robot equipped with only low-cost ultrasonic sensors. Correlation-based Hough scan matching was used to obtain the robot’s pose without any predefined geometric features. A local grid map and a sound pressure model of ultrasonic sensors were used to acquire reliable scan results from uncertain and noisy ultrasonic sensor data. The robot’s pose was measured using correlation-based Hough scan matching, and the covariance was calculated. Localization was achieved by fusing the measurements from scan matching with the robot’s motion model through the extended Kalman filter. Experimental results verified the performance of the proposed localization method in a real home environment.     

基于S3C2410的超声波避障系统设计

通过设计基于S3C2410＋Linux系统的移动机器人平台未知环境下的避障导航系统。介绍了新型超声波传感器的工作原理以及机器人平台整个软件实现流程,并结合开发的超声波驱动程序实现了机器人的避障功能。