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.     

基于Skinner-Ransac的移动机器人单目视觉SLAM

针对移动机器人单目视觉同时定位与地图创建(simultaneous location and mapping,SLAM)数据关联问题,提出一种Ransac抽样算法.该算法(Skinner-Ransac)基于Skinner操作条件反射原理,结合扩展卡尔曼滤波(extended Kalman filter,EKF)运动模型获得的先验信息,对图像匹配点抽样集合中的每个匹配点对赋予权值,并根据判断函数对其权值进行更新.最后,针对数据关联的效率要求提出新的迭代终止条件,以公开图像数据集作为图像采集样本.实验结果表明:Skinner-Ransac算法高效可靠,SLAM的位姿估计结果可以达到移动机器人自主导航的需求.     

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.     

移动机器人的研究现状与趋势

对智能移动机器人的计算机控制系统、多传感器信息融合、环境识别、机器人视觉、路径跟踪以及智能控制等的研究现状进行了较为详细地分析和综述．最后,对智能移动机器人的多机器人协作和移动机械手之研究趋势进行了分析．     

移动机器人信息融合技术研究

智能化是未来移动机器人的发展方向,而智能化的基础是传感器技术的发展,移动机器人信息融合技术弥补了使用单传感器带来的缺陷.介绍了国内外移动机器人的研究现状,详细阐述了信息融合技术在移动机器人领域的应用.对在移动机器人中应用信息融合的一些关键技术,包括基于移动机器人的融合结构、融合算法、目标识别和自主导航等问题作了较深入的探讨,并对信息融合技术在移动机器人领域中的应用前景给予展望.     

基于双目强约束的直接稀疏视觉里程计

为了提高双目直接稀疏里程计(Stereo Direct Sparse Odometry, Stereo DSO)的定位速度和精度, 使得移动机器人可以更有效地执行任务, 提出了一种基于双目强约束的直接稀疏视觉里程计系统。基于直接法的即时定位与地图构建(Simultaneous Localization and Mapping, SLAM)系统直接对图像像素构建光度误差优化函数, 无需提取特征点, 克服了基于特征点法的SLAM系统在弱纹理场景下不鲁棒的缺陷, 并且在前端跟踪阶段效率更高。提出一种快速、准确的双目初始化方法, 结合三角化不确定性为不同类型的点赋予不同的深度范围, 加速深度滤波器的收敛。同时, 在运动估计阶段引入双目约束, 使得该系统在绝对尺度上的定位更加准确。通过在公开的KITTI数据集11个序列上进行实验, 实验结果表明所提出的算法在定位精度上明显优于同样采用直接法的Stereo Large Scale Direct SLAM(LSD-SLAM2)和Stereo DSO, 并达到与基于特征点法的ORB-SLAM3相近的水平, 为直接法SLAM提供一种更优的定位方案。     

移动机器人信息融合技术研究

智能化是未来移动机器人的发展方向，而智能化的基础是传感器技术的发展，移动机器人信息融合技术弥补了使用单传感器带来的缺陷．介绍了国内外移动机器人的研究现状，详细阐述了信息融合技术在移动机器人领域的应用．对在移动机器人中应用信息融合的一些关键技术，包括基于移动机器人的融合结构、融合算法、目标识别和自主导航等问题作了较深入的探讨，并对信息融合技术在移动机器人领域中的应用前景给予展望．     

基于非结构化月面复杂环境下SLAM技术研究进展

综述了非结构化月面复杂环境下同时定位与地图构建(SLAM)领域的最新研究进展,重点介绍和总结了视觉SLAM的特征提取方式,以及基于EKF、PF滤波器的SLAM方法和基于图优化的3种主流SLAM方法,并对SLAM技术面临的挑战做了深入的研究,最后对未来发展方向进行了展望.研究表明:在非结构化复杂环境下多传感器融合SLAM、多机器人协作SLAM、主动SLAM及结合人工智能技术等前沿性课题已取得一定的研究成果,但在完善方法模型、相关分支问题研究及语义地图创建等方面仍待突破,应作为下一步的重点研究方向.     

多运动视觉里程计的方法与技术

多运动视觉里程计(multi-motion visual odometry, MVO)是在动态场景中估计动态物体位姿变化的算法,对于移动机器人和自动驾驶汽车等自主化设备(autonomous things, AuT)的研发具有重要的理论意义和较大的实用价值。综述机器人领域多运动视觉里程计的发展过程及最新研究进展,根据特征点聚类方法的不同,从特征点几何聚类和语义几何聚类两个方面介绍多运动视觉里程计融合特征点及语义信息求解空间内多运动视觉里程计的重要研究成果。基于相同的评价指标及数据集对几种常用方法进行深入的对比研究,展望未来多运动视觉里程计的发展方向。     

基于GC-RANSAC算法的单目视觉同时定位与地图构建

移动机器人单目视觉同时定位与地图构建(Simultaneous Localization and Mapping,SLAM)技术在应用过程中会获取大量数据,针对其带来的异常值干扰问题,提出一种基于新提出的随机抽样一致性(Random Sample Consensus,RANSAC)算法改进的半直接单目视觉里程计(Semi-direct Monocular Visual Odometry,SVO)算法。算法分为两个线程:建图线程提取点特征与边缘特征,并采用了图割RANSAC(Graph-Cut RANSAC,GC-RANSAC)算法进行异常值剔除,通过计算特征点的深度值,来构建的环境特征地图;位姿估计线程通过最小化局部地图点和边缘线的重投影误差以及帧与帧、特征与特征之间的约束关系优化,得到位姿信息,实现定位功能。通过Euroc公开数据集上得到的仿真实验结果可见,该算法剔除异常值效果明显,平均定位精度相比SVO算法提高了15.6%。     

基于同时发射声纳环移动机器人导航系统

开发了一种能在未知环境下实现快速障碍检测与障碍回避的基于同时发射声纳环移动机器人导航系统。为了消除由于同时发射造成的串话干扰,提出了一种基于神经网络模式识别的过滤方法;并制作了由24个声纳传感器组成的声纳环安装到实际的移动机器人上,实现了扫描频率最大可达到66 Hz的全景检测。系统中应用了动态窗口法来完成快速障碍回避的运动规划。实际的导航实验表明,系统可用于室内未知环境中的移动机器人快速导航。     

危化品仓库安全巡检机器人系统设计与实验研究

为丰富高校危化品仓库的安全检查手段与提升应急响应能力,设计与实现了一种巡检机器人系统.首先在差速驱动的四轮移动底盘上集成里程计、单线激光雷达、带云台的彩色夜视与热成像相机、环境监测传感器套件等,构建巡检机器人移动平台.其次,融合里程计与激光雷达数据实现机器人同时定位与建图、巡检路径自定义与跟随.在巡检点处,利用图像关联分析对预定义的待观测物品进行定位及热成像测温.在巡检过程中,利用热成像相机与环境监测传感器实时感知环境参数并形成热力图轨迹,同时基于先验知识检测热图像中出现的入侵者.基于机器人操作系统集成相关算法及使用NodeJS开发远程人机交互Web系统.在真实环境下开展了有光照条件和无光照条件下的自主巡检实验,实验结果证实本文方法与系统可以满足高校危化品仓库安全巡检要求.     

极大似然估计的信息融合方法及其在水下航行器制导中的应用

对基于极大似然估计的数据融合技术进行了理论分析,证明了用多传感器融合估计后的数据较单传感器测量数据方差减小;并把该技术应用于水下航行器制导技术,对其进行了理论分析,提出了一种新的航行器制导技术,最后对该技术应用于航行器制导和目标跟踪技术进行了仿真计算,结果证明了该方法的有效性。     

两轮自平衡机器人运动控制研究

轮式移动机器人是典型的不完整控制系统,其自身的不确定性影响控制的性能.以两轮自平衡机器人为研究对象,建立了机器人的运动学与动力学模型.利用多惯性传感器信息融合建立的基于T-S模糊模型的模糊控制器有效地解决了两轮自平衡机器人平衡控制的问题,并同时对轨迹跟踪的问题进行了探讨.仿真结果表明,通过多惯性传感器的信息融合建立的控制器对于机器人的平衡和跟踪问题是有效的,并在实际的实验中得到了验证.     

基于D-S证据理论的移动机器人多超声波传感器信息融合方法

采用多超声波传感器来获得履带式行走机器人的环境信息,并利用Dempster-Shafer证据理论对获取的信息进行分析和融合,从而完成对周围环境的准确认识,试验结果表明效果良好,具有良好的使用价值.     

履带式行走机器人的多超声波传感器信息融合方法

采用多超声波传感器来获得履带式行走机器人的环境信息,并利用Dempster-Shafer理论、卡尔曼滤波的数据融合方法对获取的信息进行分析和融合,从而完成对周围环境的准确认识,试验结果表明效果良好,具有一定的使用价值.     

基于局部特征预测的栅格地图创建

为解决利用声纳传感器进行地图创建时容易出现检测不到障碍物或产生虚假障碍物的问题,提出了一种利用局部几何特征提高地图精确度和可靠性的方法．利用连续几次可靠的声纳信息预测机器人周围局部环境中几何特征的位置与方向,并根据几何特征计算当前声纳数据的置信度．在全局地图更新中,删除置信度低于设定阈值的声纳数据,从而根据置信度降低不确定信息对地图创建的影响．实验结果证明本方法可以有效地提高地图的精确度．