基于稀疏直接法的SLAM算法

SLAM技术已经应用到了智能机器人、无人机、AR/VR、无人驾驶等领域中,但当前的SLAM算法在运行速度、相机轨迹精度和鲁棒性等方面依然存在改善空间。为了提高SLAM中相机轨迹精度,提出了基于稀疏直接法的SLAM算法。该算法使用改进的Shi-Tomasi特征点检测算法进行特征点的提取,然后依据提取的特征点采用直接法进行相机位姿估计,同时利用构建的地图进行位姿优化,有效地提高了相机位姿估计精度。针对TUM标准数据集,通过对比分析可知,基于稀疏直接法的SLAM算法可以有效地减少误差,相机轨迹精度优于ORB-SLAM2算法。     

变分贝叶斯自适应容积卡尔曼的SLAM算法

在观测噪声参数未知或变化时,传统的同步定位与建图(SLAM)算法性能会下降,为了让SLAM算法性能在上述条件下不受影响同时具有较高的精度,基于此提出了一种基于变分贝叶斯噪声自适应容积卡尔曼滤波的SLAM算法(VB-ACKF-SLAM).该算法采用逆Wishart分布对未知观测噪声参数建模,采用容积积分方法近似非线性变换的均值和方差,并利用变分贝叶斯滤波实现对移动机器人状态和未知观测噪声参数的联合后验概率的估计.该算法有效地解决了在观测噪声参数未知或变化时,传统滤波算法出现的滤波发散问题.仿真实验结果表明,在观测噪声参数未知或变化时,与基于容积卡尔曼滤波的SLAM算法(CFK-SLAM)、无迹卡尔曼滤波的SLAM算法(UKF-SLAM)、扩展卡尔曼滤波的SLAM算法(EKF-SLAM)相比,VB-ACKF-SLAM算法的定位准确率得到了较大的提高,证明了该算法的有效性.     

有效点较少的动态场景下单目视觉SLAM算法

为了解决有效点较少的动态复杂场景下视觉SLAM准确定位问题,提出了一种基于自适应RANSAC动态特征点剔除的单目视觉SLAM算法.通过ARANSAC算法估计图像间的透视变换矩阵,并扭曲上一帧获得一个估计图像,使上一帧中的点转换到当前帧的坐标系下.通过计算特征点在估计图像和当前帧的光流值,区分并剔除ORB-SLAM2中的动态特征点,从而消除动态物体对SLAM定位性能的影响.利用TUM数据集的动态序列对本文算法进行仿真,并与ORB-SLAM2算法进行对比.结果表明,视觉SLAM算法绝对轨迹误差的标准偏差降低84.00%～96.11%,平移和旋转漂移的标准偏差最佳效果分别降低94.00%和96.44%,明显减少了视觉SLAM算法位姿估计的误差.本文算法能够在有效点较少的动态场景下,消除动态物体对视觉SLAM定位性能的影响,提高定位精度.     

迭代中心差分粒子滤波的SLAM算法

为了提高SLAM算法中的位姿估计精度,通过在广泛使用的RBPF粒子滤波器中,利用迭代中心差分卡尔曼滤波器(ICDKF)来代替其中的扩展卡尔曼滤波器(EKF),并融合新的观测数据使提议分布更加接近后验概率分布,并且能够精确估计智能车辆的位姿,进而采用ICDKF算法更新特征地图的位置.该算法在保证定位精度的同时减少了计算的复杂度,提高系统的估计性能,增加了迭代算法的稳定性.仿真实验结果验证了迭代中心差分粒子滤波SLAM算法的有效性.     

矿井环境下无人机视觉PSOFastSLAM算法的实现

为了实现无人机在无GPS的矿井环境下进行自主飞行,达到无人机的精准定位,提出了基于Rao-Blackwellized粒子滤波器的快速同步定位与地图创建(fast simultaneous location and mapping,Fast SLAM)算法。首先设计了一种适用于矿井环境下的人工路标,建立起了无人机的SLAM算法数学模型,接着提出一种改进算法—PSOFast SLAM算法提高准确性,对无人机的位姿和路标位置进行估计,实现无人机的精准定位和地图绘制。最后对进行仿真实验,仿真结果证明PSOFast SLAM算法有效改善了Fast SLAM算法粒子退化的问题,提高了井下无人机定位精度。     

基于迭代平方根CKF的SLAM算法

在大尺度环境中,平方根容积卡尔曼同步定位与地图构建算法的非线性误差严重制约了算法的定位精度,为解决这一问题,提出了一种基于迭代平方根容积卡尔曼滤波的改进算法,该算法结合迭代理论,对平方根容积卡尔曼滤波的量测更新过程进行迭代更新,充分利用最新的观测信息,降低滤波的估计误差,从而构建精确的地图并获得高精度的定位信息。仿真实验结果表明,采用本算法后, x轴和y轴方向上的位置误差均在1?5 m以内,估计结果明显优于SRCKF－SLAM、CKF－SLAM和EKF－SLAM算法;添加不同的环境噪声后进行仿真实验,该算法所取得的位置误差相比仍是最小的。利用该算法可以有效地减小非线性误差造成的影响,提高SLAM的定位精度。     

基于前后端图优化的RGB-D三维SLAM

针对传统滤波方法在解决移动机器人同时定位与地图构建(SLAM)中存在的累积误差问题,将图优化方法应用于前端和后端优化中,以提高移动机器人位姿估计和建图的准确性。运用ORB算法进行图像的特征提取与匹配,将图优化的方法应用到PnP问题的求解中,实现了机器人位姿的准确估计。基于词典(Bag of words)的闭环检测算法来进行闭环检测,得到存在的大回环,同时利用相邻几帧的匹配关系实时检测邻近几帧之间可能存在的局部回环。用图优化的方法对这些回环进行优化,得到准确的运动轨迹和点云地图。实验结果表明:基于前后端图优化的RGB-D三维SLAM算法,在室内环境下具有良好的精度和实时性。     

水下导航同时定位与地图构建改进算法

研究了水下导航同时定位与环境地图构建(SLAM)技术,以水下机器人(AUV)为载体,研究了水下导航同时定位与环境地图相连(SLAM)技术,研究解决SLAM问题中的扩展卡尔曼滤波(EKF)算法存在的问题。针对在进行线性化的过程中产生模型误差和在状态转移阵及观测阵中出现未知模型误差的情形,提出基于虚拟噪声补偿技术的EKF算法,结合AUV系统模型搭建仿真平台,从滤波精度、收敛性及算法稳定性方面验证改进算法的效果。从仿真结果表明,相对于传统的EKF算法,改进后的EKF算法显著提高了非线性滤波的性能,解决了AUV应用SLAM技术精确性和鲁棒性的问题。     

基于移动机器人的RGB-D SLAM算法研究

近些年来,RGB-D SLAM(Simultaneous Localization and Mapping,同时定位与地图构建)一直是机器人领域的研究热点,但其仍存在准确性和实时性不高等问题。首先,为了解决因像素深度数据缺失导致传统的ICP(Iterative Closest Points,迭代最近点)算法不能准确求解相机位姿的问题,提出混合使用ICP和EPnP(Efficient Perspective-nPoint)算法来进行运动估计。其次,针对传统逐帧检测方法复杂度高,导致系统实时性较差的问题,引入改进的半随机检测方法进行闭环检测。最终构建出一种准确性和实时性较好的移动机器人RGB-D SLAM算法。     

基于重投影深度差累积图与静态概率的动态RGB-D SLAM算法

为了提高同时定位与建图（SLAM）系统在动态场景下的定位精度和鲁棒性,提出新的RGB-D SLAM算法. 建立基于重投影深度差值的累积模型,分割图像的动静态区域;为了避免动态区域过分割,先剔除与匹配地图点欧氏距离过大的动态区域特征点,再根据t分布估计其余特征点的静态概率;将静态区域特征点和动态区域的疑似静态点以不同权重加入位姿优化,得到提纯后的位姿. 在公开数据集上的实验结果表明,所提算法在动态场景下较改进前的RGB-D ORB-SLAM2算法的定位精度提升96.1%,较其他动态SLAM算法提升31.2%,有效提高了视觉SLAM系统在动态环境下的定位精度和鲁棒性.     

3P-3R机械手曲面轨迹控制的粗插补算法

针对6自由度3P-3R型机械手臂的机械结构,提出了一种基于二次曲面双参数方程的空间轨迹粗插补算法.本文分析空间二次旋转曲面的产品数学模型,通过参数方程求解二次曲面各点在笛卡尔坐标系中的位姿矩阵,从而计算出机械手臂每个关节的电机旋转角度.由MATLAB软件进行验证,观测此二次曲面的粗插补算法的准确度和精确度,生成数据文件后进行6自由度3P-3R型机械手臂的轨迹控制.实验结果验证了此二次曲面粗插补算法对机械手臂目标轨迹控制的正确性和有效性.     

Robot path planning in globally unknown environments based on rolling windows

In this paper, robot path planning in globally unknown environments is studied. Using the rolling optimization concept in predictive control for reference, a new strategy of path planning for a mobile robot, based on rolling windows, is proposed. The method makes full use of the real-time local environmental information detected by the robot and the on-line path planning is carried on in a rolling style. Optimization and feedback are combined in a reasonable way. The convergence of the planning algorithm is also discussed.     

基于PIC单片机控制格斗机器人的研究

研究了基于PIC单片机为控制核心的格斗机器人.该机器人由动力系统、机械系统和控制系统组成,其控制系统主要由PIC单片机、电机驱动电路和传感器模块三部分组成.在机器人控制系统的软件设计中,采用了自救、搜索和攻击算法.利用灰度传感器和接近传感器将信号经模数转化为14位数字量.在精度问题上,通过软件实现只取其中的高8位,并在实际对抗中,取得较好的效果.     

一种基于迭代EKF的FastSLAM算法

针对在传统的快速地图创建和同时定位算法(fast simultaneous location and map building, FastSLAM)中采用扩展卡尔曼滤波器(extend Kalman filter, EKF)来估计机器人位姿和地图创建所带来的线性化误差的问题,本研究提出了一种基于迭代EKF的FastSLAM2.0算法--IFastSLAM算法。该算法将迭代思想运用到EKF中,同时采用迭代EKF来估计粒子从而完成机器人地图创建和自身定位。实验结果证明,该算法提高了粒子的估计精度从而减缓粒子退化问题,并更好的维持了地图的一致性。     

基于蚁群神经网络算法的机器人逆解

提出了一种机器人逆运动学问题建模的新方法.利用神经网络逼近机器人逆运动学的输入与输出、利用改进的蚁群算法学习神经网络.针对蚁群算法主要用于离散优化的特点,对基本的蚁群算法进行了改进,采用了全局搜索、局部搜索和确定性搜索,为连续问题的优化提供了一条新的思路.利用改进的蚁群算法学习神经网络,为神经网络提供了一种新的学习算法,使得该方法兼具了蚁群算法与神经网络的优点.应用实例表明了该方法的有效性,提高了机器人逆运动学求解的速度和精度.     

机器人世界杯足球锦标赛中多机器人对目标协同定位算法的改进

以机器人世界杯足球锦标赛（ROBOCUP）中全自主机器人平台为对象,针对传统的基于密度空间聚类方法（DBscAN）在对数据处理的精准度和稳定性上的出现的问题,提出了引入机器人距离阈值的改进DBSCAN算法,以提高多机器人协同定位的准确度．首先通过研究单个机器人自定位和目标定位,建立协同定位信息融合的模型;然后该算法通过引人机器人距离阈值,结合平台实际,即机器人测控距离越近测控的精度越高,将传统基于密度空间的聚类方法中有可能被剔除掉的数据,通过与阈值的对比而决定是否保留,提高融合数据的数据量和准确度,从而解决观测信息误差较大以及融合数据不稳定的问题．实验中,在多机器人获取同一个点的情况下分别使用传统DBSCAN和改进DBNscAN算法对目标点进行数据融合．实验结果表明对比传统DBSCAN,改进后的算法在领域半径EPS变化的情况下,融合数据依然稳定．ROBOCUP全自主机器人平台中使用引入机器人距离阈值判断的改进DBSCAN算法进行协同定位,这让其信息融合在稳定性和精确性方面要高于传统的DBSCAN算法．     

移动机器人智能避障算法仿真研究

针对轮式移动机器人运动过程中避免碰撞固定障碍物的问题,提出了一种基于预先检测位置的智能控制算法。该算法以障碍物边预先检测位置为运行过程的子目标,通过经由各子目标,实现移动机器人绕行障碍物,避免碰撞的目的。仿真结果显示:使用此智能控制算法,移动机器人能够实现平稳绕行障碍物,到达最终目的地。     

蚁群算法在多机器人协作中的应用

协作是多机器人系统的关键问题,对此提出一种基于蚁群算法的多机器人系统的协作算法。在已知机器人的工作位置、工作所需时间、各项工作的重要程度以及每个机器人对各项工作的擅长程度等前提下,利用蚁群算法选择最优协作方案,使机器人所走路径最短、用时最少、效率最高。仿真结果表明,该算法具有较好的优化求解能力.     

自主移动机器人的自定位问题研究

为解决仅仅利用视觉系统或者声纳系统得到的信息进行机器人自定位时存在较大的误差的问题,提出了一种极坐标系下进行自定位的方法.在极坐标系下,通过简单的几何算法获得视觉距离和角度、码盘距离和角度及声纳距离和角度,然后运用模糊数学的方法再对其信息融合,即将机器人视觉信息,驱动码盘信息和声纳信息等进行有效的融合,得到了理想的距离和角度信息,从而提高机器人的自定位精度.实验结果表明:在4 m范围内,其定位误差低于1.5%.该研究为多机器人定位提供了参考依据.     

Dead-reckoning/vision integrated navigation for mobile robot

0　INTRODUCTIONInordertofulfilamission ,amobilerobothastohaveanavigationsystem .Severaldifferenttechniques ,suchasGPS ,anddead reckoningandbeaconbasedsys tem[1～ 3] canbeusedforrobotnavigation .Foraparticularkindofmission ,arobotwillfulfil ,aproperkindofnavi gationsystemwillbeusedfortherobot.Sincealmostallnavigationsystemshavetheiradvantagesanddrawbacks ,sometimesasinglenavigationsystemcannotsatisfyalltherequirementsforfulfillingaparticulartask[4 ] .Sotwoorthreenavigationsystemshavetobei…