基于ROS的移动机器人自主建图与路径规划

为了提高机器人的自主导航性能,设计了基于ROS的移动机器人自主建图与路径规划系统.通过2D激光雷达获取周围环境信息,利用姿态传感器(IMU)获取机器人的姿态和加速度信息,利用Gmapping算法实现机器人的自主定位与建图,利用基于头尾双向搜索的A~*算法进行全局路径规划,采用DWA算法完成局部避障工作.结果表明,所提算法可使机器人完成构建地图以及自主导航任务,提高导航系统的自主性能以及工作效率.     

基于双目光束法平差的机器人定位与地形拼接

为了实现自主移动机器人完成复杂智能任务,如路径规划和避障等,针对移动机器人在复杂未知环境中精确定位并对周围环境进行致密地形构建问题,提出一种基于双目光束法平差的机器人定位与致密地形拼接算法.利用安装在移动机器人上的立体相机获取图像序列,跟踪前后帧图像序列中的对应特征点,基于双目光束法平差优化(BBA)精确估计机器人位置姿态.对左右相机采集图像对进行立体匹配获取致密三维地形信息,结合定位时获取的旋转平移姿态,实现了地形的构建与拼接.实验结果表明,该算法具有较好的实时性和鲁棒性.     

基于图形路标特征的精确定位研究

定位系统是智能移动机器人中一项重要的基础性工作,精确定位对机器人的实时导航具有重要的意义。随着计算机图像处理技术的发展,基于图像的定位技术也在不断地进步。该文提出一种基于图形路标的精确定位算法。首先对采集图像进行数据压缩处理,去除图像中冗余的信息,减少计算量、提高运算效率;其次通过SIFT算法对不同尺度空间下的图像进行特征提取,使得不同背景下的图形路标依然能够匹配;最后通过三角定位法来实现移动机器人的精确定位。实验结果表明,该算法是移动机器人实现精确定位和自主导航的一种可行方法。     

一种基于UKF的AUV移动声学网络协同导航方法

针对扩展卡尔曼滤波(EKF)在自主水下航行器(AUV)移动声学网络协同导航中,存在强非线性观测方程条件下线性化误差大、计算复杂等缺点,文章提出一种基于无迹卡尔曼滤波(UKF)的AUV移动声学网络协同导航方法.利用移动长基线原理和UKF方法,建立基于UKF的协同导航滤波算法,并通过仿真实验与传统的EKF协同导航算法进行对比.仿真结果表明,基于UKF的协同导航算法能明显减小导航定位误差,在导航精度上优于EKF方法,是AUV协同导航中一种更加简单有效的导航滤波方法.     

脐橙采摘机器人快速视觉定位系统研究

基于双目视觉设计了脐橙采摘机器人果实快速识别与三维视觉定位系统.利用归一化2R-G-B色差模型阈值分割提取目标果实;采用游程编码快速进行连通区域标记及区域形状特征描述;通过最优采摘目标策略选取最佳采摘对象.针对目标的外形、纹理区分度小,容易出现多候选匹配情况,采用形心特征点与邻域灰度互相关性相结合的匹配算法立体匹配.通过定位实验验证了系统的实时性和精度性能.实验数据表明:系统定位单个果实时间为0.6 s左右,在220~850 mm距离范围内误差小于12 mm,可以较好满足采摘机器人实时性和精度要求.     

农田作业机器人视觉导航目标曲线检测算法研究

为研究农田作业机器人视觉导航信息的提取方法,以自然环境下采集的曲线特征较为明显的农田图像为研究背景,根据图像RGB颜色特征,利用颜色聚类算法,将导航路径从复杂的背景中提取出来.并对得到的二值图像进行形态学处理以消除噪声,然后对图像逐行扫描检测出导航路径的中心离散点,利用最小二乘法拟合出导航路径,并提出一种新的导航参数的获取方法.试验结果表明:该算法具有速度快、精确度高的优点;在作业环境具有较强的曲线特征等情况下有较好的检测效果.     

单目视觉自然路标辅助的移动机器人定位方法

针对很多场合下GPS信号会受到遮挡而无法使用,导致机器人定位精度下降很快的问题,提出一种基于单目视觉自然路标辅助的机器人绝对定位方法.在导航环境中的若干位置预先建立视觉路标库.机器人在利用惯导（INS）定位过程中,同时对采集到的单目图像和库中的视觉路标进行匹配.建立基于全局特征信息（GIST）和快速鲁棒算子（SURF）局部特征相结合的在线图像快速匹配框架,同时结合基于单目视觉的运动估计算法修正车体航向.最后利用卡尔曼滤波将视觉路标匹配获得的定位信息和INS有效地融合起来.结果表明,该方法有效地提高在GPS受限情况下惯性导航定位的精度和鲁棒性.     

深空探测着陆过程序列图像自主导航综述

基于序列图像的自主导航作为未来深空探测地外天体精确定点着陆任务的关键技术,是目前深空探测技术的重点发展方向之一.针对未来深空探测地外天体精确着陆自主导航的需求,阐述了发展深空探测着陆过程序列图像自主导航的必要性.首先,分别从主动成像和被动成像两个方向介绍了基于序列图像的深空探测着陆过程自主导航研究现状;然后,总结并分析了基于序列图像的深空探测着陆过程自主导航涉及到的关键技术;最后,根据关键技术分析给出了基于序列图像的深空探测着陆过程自主导航研究目前存在的主要问题并对其后续发展进行了展望.     

EKF和UKF在非线性组合导航系统中的对比研究

采用组合导航系统在对目标的位置、航向进行测量时,其状态模型和观测模型中存在非线性问题,采用基于EKF和UKF的非线性滤波算法以改善传统Kalman滤波的估计精度,并保证算法收敛性.通过建立组合导航的状态方程和量测方程,分别采用EKF和UKF对状态方程中的非线性部分进行离散化,仿真实验结果表明,采用基于UKF的非线性导航算法能有效提高导航位置精度和系统稳定性.     

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.     

基于Matlab的有路标移动机器人定位仿真

为了满足机器人精确定位的要求,提出一种基于多传感器信息融合的自定位算法并介绍了如何利用Matlab搭建移动机器人定位系统的仿真模型.仿真程序建立了移动机器人活动的虚拟环境,模拟了机器人的运动模型、里程计、激光雷达观测模型,利用扩展卡尔曼滤波算法将里程计和激光传感器采集的数据进行融合;最后,由匹配的环境特征对机器人的位置进行修正,得到精确的位置估计.仿真试验的结果表明该定位系统具有较高的定位精度.模块化的仿真系统设计有利于其他定位算法的验证,对机器人系统的理论研究以及实用化具有重要的作用.     

双目立体视觉的无人机位姿估计算法及验证

针对无人飞行器在未知复杂环境下的导航问题,提出了一种基于双目立体视觉的无人飞行器位置和姿态估计算法。用双目摄像机采集立体图像序列,对图像进行立体校正后使用Harris算法提取特征角点,用NCC算法获取匹配特征点,导出摄像机坐标系下的特征点坐标,得到三维立体特征信息,使用RANSAC算法与L-M迭代算法得到无人飞行器姿态和位置估计值。实验结果表明,基于双目立体视觉的位姿估计算法能适应未知环境变化,计算结果与实际位姿量相比误差小,能满足无人飞行器导航要求,可为无人飞行器的导航实现提供一套新途径。     

虹膜内外边缘定位算法

提出了一种基于Hough变换的虹膜定位方法.根据虹膜图像特征,按内外边缘定位需要,采用不同尺寸模板的中值滤波器对原始图像进行预处理,再采用圆形Hough变换投票决定其内外边缘精确位置.根据对100多幅虹膜样本的处理结果表明,此算法具有快速、精确、鲁棒等特点.     

面向视觉伺服的工业机器人轮廓曲线角点识别

为了解决工业机器人视觉伺服中轮廓曲线角点识别效率低进而影响实时定位准确性的问题,提出面向视觉伺服的工业机器人轮廓曲线角点识别算法. 建立基于Freeman链码的机械爪轮廓曲线编码模型,利用差别码对机械爪轮廓曲线的角度变化特征进行统一编码建模. 通过基于差别码和卷积系数的卷积运算,对差别码进行局部非线性加权,计算机械爪轮廓曲线上各点的曲度精确量化辨识机械爪角点. 基于候选角点阈值、点的最远领域间隔和局部范围最多点数进行获选角点的初步选取. 采用平面轮廓曲线毛刺过滤筛选误识角点,实现机械爪角点的精确识别,为视觉伺服中实时定位提供可靠的位置信息. 通过与已有平面轮廓曲线角点识别算法对比,验证本研究所提方法的准确性和高效性,提取角点过程具有较强的鲁棒性.     

改进ORB的轮式机器人视觉导航算法

为实现轮式机器人的自主导航和自主控制,针对传统视觉导航技术中ORB算法的特征点分布均匀程度较低、算法耗时较长的缺点,提出一种改进ORB算法:构建尺度空间金字塔对每层图像进行网格划分,增加空间尺度信息;设置感兴趣区域,采用改进FAST角点提取方法提取特征点;引入非极大值抑制方法,抑制低阈值特征点的输出;基于区域图像特征点分布的方差数值评价待检测图像中特征点分布的均匀程度。实验结果表明:使用改进ORB算法提取到的特征点分布均匀程度较高,匹配效果较好,特征点重叠现象降低,算法耗时较短;当特征点期望数值为3 000时,图像中特征点分布的均匀程度提高71.13%,耗时降低比率为69.52%,说明该算法可以更好地应用于轮式机器人执行视觉导航算法。     

一种多机器人编队协同定位的方法

针对多机器人编队导航,提出了一种协同定位的方法.一个主机器人带领其他成员机器人,主机器人配备视觉传感器及激光扫描仪,成员机器人通过融合内部传感器数据进行自身定位.主机器人利用双目视觉进行目标检测,确定目标方位及距离信息,并利用激光扫描仪结合视觉获取的方位信息得到成员机器人位置及航向.基于联邦滤波算法提出了一种联合滤波模型,融合多传感器信息得到精确定位.1个Pioneer 3-AT和3个AmigoBot机器人编队的协同定位实验表明:该方法可行,误差范围小,满足实际应用的精度要求.     

基于地面特征的单目视觉机器人室内定位方法

针对高精度的机器人室内定位方法中成本过高的问题,提出一种基于地面特征的单目视觉机器人室内定位方法。该方法通过安装在机器人底盘的单目鱼眼摄像头采集地面图片,并经过一系列图像处理,将得到的地面方格直线和相机的位姿关系作为观测量,通过推导出观测方程并根据扩展卡尔曼滤波算法得到机器人的位置信息。基于机器人当前时刻位置数据和地面的固定方格大小提出线预测算法,有效地排除干扰线段的影响。实验结果表明,该机器人室内定位方法定位精度可以达到2 cm,具有较好的鲁棒性,能够为低成本的机器人室内定位提供较好的技术参考。     

基于人工路标的机器人视觉定位研究

自定位和位置估计是自主移动机器人最重要的能力之一。根据摄像机透视映射原理,确定内外参数来推算机器人位置。基于实验分析,提出了一种人工路标方案。通过建立以RGB的值域范围为分割点,分层实现彩色图像的目标与背景分离,从而完成了图像标志的识别。试验表明基于人工路标信息的视觉定位系统能够有效识别出机器人,实现反馈机器人的当前位置。     

管道机器人全程定位理论和方法研究--基于光纤光栅空间曲率传感器

为了实现管道机器人在工作时对自身位置的全程定位,提出了一种基于光纤光栅空间曲率传感器全程定位的递推算法.该方法利用光纤光栅空间曲率传感器检测出管道机器人当前所处测量点的曲率和相邻测量点密切平面间夹角,并根据前一测量点的空间位置、密切平面、切向矢量方向、机器人移动步距等参数计算当前测量点的空间位置、密切平面和切向矢量方向.因此,只要给定初始测量点的空间位置、曲率、切向矢量方向和密切平面,就可以实现管道机器人的全程定位.同时由该算法得到每一个测量点的管孔轴心坐标,然后通过曲线拟合求出管孔的轴心轨迹曲线,从而实现对管道内表面形貌的三维重建.     

一种有效的水下机器人并行定位标图方法

提出了一种水下机器人并行定位标图的方法.首先对声纳扫描数据进行直线特征提取.在特征的匹配过程中,引入3种几何约束:一元约束,二元约束和刚性约束来保证观测特征和模型特征的正确匹配.在并行的定位与标图中进行了机器人的位置修正和地图修正.应用该方法,机器人在较为复杂的环境下,仅使用前视声呐和多普勒速度仪,依靠不精确的地图,实现了自主的定位和导航,同时修正了地图的精度.仿真和物理试验证明了该方法的正确性.