无嗅卡尔曼滤波在移动机器人定位中的应用

为了更有效、可靠地从传感器原始数据中获取信息,介绍了一种移动机器人同步定位与地图创建的方法。该方法使用二维激光测距传感器实现室内环境中的移动机器人自主定位,依靠无嗅卡尔曼滤波器减少定位过程中所产生的误差;通过激光测距仪采集机器人所在环境数据的曲率函数,将环境特征分解为直线、拐角和曲线三类基本定位特征,并结合环境地图得到机器人位置和姿态的最优解。试验结果表明,该定位方法对于室内环境是有效的。     

基于梯度自适应极值搜索算法的趋光控制研究

源定位已成为国内外研究的热点问题,为了在实验室环境下研究移动机器人的趋光性,对源定位理论方法进行了研究,设计了地面移动机器人光源定位平台,通过该平台来验证趋光理论的可行性。首先,利用对角线控制策略和梯度自适应极值搜索算法分别进行趋光实验,完成移动机器人对光源的定位。其次,使用MeanShift目标跟踪算法跟踪移动机器人的运动轨迹。最后,绘制出光源强度分布等值线并分析了移动机器人的运动轨迹。相比于对角线控制策略,梯度自适应极值搜索算法根据当前区域梯度值自适应调整反馈增益参数,提高了源定位效率,并在光源定位平台验证了该算法的有效性和稳定性。     

室内自主式移动机器人定位方法

定位是确定机器人在其工作环境中所处位置的过程.应用各种传感器感知信息实现可靠的定位是自主式移动机器人最基本、也是最重要的一项功能之一.本文对室内自主式移动机器人的定位技术进行了综述,介绍了当前自主式移动机器人定位方法的研究现状.同时,对国内外具有典型性的研究方法进行了较洋细的介绍,并重点提出了几种室内自主式移动机器人通用的定位方法,对其中的地图构造、位姿估计方法进行了详细介绍.最后,论述了自主式移动机器人定位系统与地图构造中所面临的主要问题及其解决方法并指出了该领域今后的研究方向.     

移动机器人即时定位与地图创建问题研究

基于环境特征的移动机器人即时定位与地图创建是机器人领域的开放性课题.本文从环境特征提取、定位与地图创建、数据相关三个方面对移动机器人即时定位与地图创建问题进行了综述.对移动机器人定位问题作了概述.探讨了室内环境下特征提取方法.详细地论述了定位与地图创建中面临的主要问题及其解决方法;阐述了数据相关问题的基本思想.最后,根据近期文献指出了该领域今后的研究方向.􀁱 􀁽     

基于3D-NDT的移动机器人定位算法研究北大核心CSCD

移动机器人定位是移动机器人自主导航的基本问题,在室外环境,GPS作为成熟方案被广泛使用,但在存在遮挡、有强电磁干扰等环境下,GPS定位的精度、稳定性及可靠性受到很大影响。本文详细阐述了三维激光点云3D-NDT匹配方法,在此基础上提出了融合里程计与3D-NDT点云匹配方法的移动机器人实时定位方法,解决了移动机器人在室外弱GPS环境下定位精度无法保证的问题。利用自主研发的移动机器人平台,在大范围室外环境中进行了测试,实验结果验证了本文所提算法的有效性。     

基于RGB-D相机的室内移动机器人自定位方法

精准可靠的自定位是移动机器人实现多机协同、路径规划与控制决策等自主能力的基础。因此,室内服务机器人作为移动机器人的典型代表,要求能够实时进行自定位,并且有效地避开各种静态和动态障碍物。基于此,提出一种基于RGB-D相机的室内移动机器人自定位方法,该方法利用Hough变换对机器人建立的环境地图进行线特征提取,并建立环境模型误差查找表,将非结构化环境中的自定位问题转化为结构化环境中的自定位问题,然后利用匹配优化算法实现自定位。实验结果表明,采用所提出的方法,机器人能够实现室内环境下实时精确的自定位。     

移动机器人编队视觉定位方法研究

该文提出一种基于视觉的移动机器人编队定位方法。该方法采用基于纹理的图象对机器人进行标识,然后使用纹理中的特征点对机器人的位置和姿态进行估计,使用最小二乘算法使估计结果误差最小。实验证明该方法能够有效地对编队的移动机器人定位,同时对环境干扰具有鲁棒性。     

基于场景识别的移动机器人定位方法研究

提出了一种基于场景识别的移动机器人定位方法．对CCD采集的工作环境的系列场景图像，用多通道Gabor 滤波器提取场景图像的全局纹理特征，然后通过SVM分类器来识别场景图像，实现机器人的逻辑定位．在移动机器人CASIA-I 上对该算法进行了实验．实验结果表明，该定位方法可达到91.11%的定位准确率，对光照、对比度等因素有较强的鲁棒性，并且满足机器人实时定位的要求．     

基于霍夫空间模型匹配的移动机器人全局定位方法

提出了一种基于霍夫（Hough）空间模型匹配的全局定位方法．该方法将经典Hough变换引入移动机器人全局定位，利用摄像机获取外界环境的局部地图特征，与给定环境模型（全局地图）在Hough空间进行匹配，由Hough变换可分解性及环境模型相关性分别获取机器人可能的位姿信息，并用一系列高斯值表示，借助求取的位姿方差及其概率分布以及给定环境模型信息剔除不可能位姿，从而最终实现移动机器人全局定位．该方法尤其适用于室内结构化环境. 实验结果表明该方法具有良好的性能．     

新的室内移动机器人的实时定位和运动规划方法*

提出了一种将传感器信息与先验环境信息融合实现移动机器人定位和运动规划的方法.这种方法选用SICK LMS200型激光扫描测距仪为机器人感知装置,根据室内障碍物的顶点或拐角信息进行定位和运动规划.这种定位和规划方法模仿了盲人在熟悉环境下用拐杖走路的过程,适于室内移动机器人的实时定位和运动规划.     

声音定位机器人设计与实现

设计了基于麦克风阵列和时延估计算法的声音定位系统,硬件采用多通道同步模数转换器和数字信号处理器(DSP)实现;结合LabVIEW平台机器人,实现了通过远程控制机器人对声源进行实时定位跟踪。算法仿真和实际测试表明,该声音定位机器人定位跟踪能力良好。     

可移动机器人在中心对称环境中的自定位算法

可移动机器人的自定位问题是智能机器人研究中的重要课题，它包含许多传感器技术和定位算法，马尔可夫定位算法的优点是可以使机器人在全局不确定的情况下估计它的位置。这种方法采用概率分布描述机器人的位置信度，机器人通过在运动过程中所获得的传感器数据和运动记录来更新信度分布，然后采用最高信度值来估计它所在的位置。对于只有距离测量传感器的机器人在中心对称环境中仅仅采用马尔可夫自定位法还是无法确定其位置，为了解决中心对称的环境中所存在的问题，建议在机器人上装上陀螺仪或指南针，定义一个角度高斯分布函数，并利用这个函数建立新的机器人感知模型来扩展马尔可夫定位算法，通过仿真程序对多种对称情况进行实验，验证了这一新算法的可行性，这个扩展马尔可夫自定位算法不仅可使机器人在中心对称环境中很快地确定自己的位置，而且可以加快非对称环境中信度分布收敛到真实位置的速度。     

Hazardous area navigation with temporary beacons

A new area expansion algorithm for the localization scheme, using temporary beacons, is proposed in this paper. The effective area of the active beacons is limited by the strength of the ultrasonic signals in a noisy environment. When a mobile robot needs to move into a hazardous area or into an unstructured environment where the beacons with pre-specified position information are not available, the localization may solely rely on dead reckoning sensors such as encoders. To overcome the error accumulation by using dead-reckoning, a new scheme is developed, in this paper, in which the mobile robot carries a few temporary beacons which do not have any pre-stored position information. When the mobile robot encounters a dangerous or unstructured environment, it utilizes the temporary beacons to localize itself. An auto-calibration algorithm has been developed to provide the position information to the temporary beacons before they are used for the localization. With these temporary beacons and the auto-calibration algorithm, mobile robots can safely pass unstructured areas. The effectiveness of the temporary beacons and auto-calibration algorithm is verified through real experiments of mobile robot navigation.     

可移动机器人的马尔可夫自定位算法研究

马尔可夫定位算法是利用机器人运动环境中的概率密度分布进行定位的方法.使用该 方法机器人可在完全不知道自己位置的情况下通过传感器数据和运动模型来估计自己的位置. 但是,在研究中发现它还存在一些问题,如概率减小到零后就无法恢复.对只有距离传感器的机 器人在对称的环境中仅仅采用该算法就无法确定位置.为了解决这些问题,文中给出了修正算 法,并建议在机器人上装上方向仪(如指南针或陀螺仪等),然后利用定义的一个角度高斯分布 函数来构造新的机器人感知模型.在此基础上详细地阐述了一种新的自定位技术.最后,采用仿 真程序验证了机器人在对称环境中运动时这一新算法的可行性.     

一种基于环境监测移动机器人定位的新方法

针对移动机器人在复杂动态环境下的定位问题,提出了对环境的复杂程度进行实时监测的新方法。在定位算法中加入了环境监测的反馈项,根据环境的复杂情况实时调整定位算法,减小了粒子滤波(PF)定位算法对环境不确定性的敏感度,提高了算法的鲁棒性。环境监控模块以粒子分布状态为输入,不必添加其他传感器用以单独判断拥挤的情况,算法简单,易于实现。电动智能轮椅的实验结果,表明了所提方法的有效性。     

面向观测融合和吸引因子的多机器人主动SLAM

针对未知环境下多机器人主动SLAM(simultaneous localization and mapping)存在不能完全遍历环境、定位精度不理想等问题,本文基于EKF-SLAM(extended Kalman filter-simultaneous localization and mapping)算法提出一种多机器人主动SLAM算法。通过引入吸引因子,增强多机器人系统之间的交流,提升机器人自身定位精度与环境建图精度,同时又引导多机器人团队进行探索环境。当同一地标被多个机器人观测到,采用凸组合融合方法融合各个机器人对地标的估计,从而降低被估计地标的不确定度。仿真结果表明,所提算法能够对环境进行覆盖遍历,提升对地标估计的定位精度。     

基于EKF的全景视觉机器人SLAM算法

研究全景视觉机器人同时定位和地图创建（SLAM）问题。针对普通视觉视野狭窄, 对路标的连续跟踪和定位能力差的问题, 提出了一种基于改进的扩展卡尔曼滤波（EKF）算法的全景视觉机器人SLAM方法, 用全景视觉得到机器人周围的环境信息, 然后从这些信息中提取出环境特征, 定位出路标位置, 进而通过EKF算法同步更新机器人位姿和地图库。仿真实验和实体机器人实验结果验证了该算法的准确性和有效性, 且全景视觉比普通视觉定位精度更高。     

Robust mobile robot localization in highly non-static environments

In this paper, we propose a robust pose tracking method for mobile robot localization with an incomplete map in a highly non-static environment. This algorithm will work with a simple map that does not include complete information about the non-static environment. With only an initial incomplete map, a mobile robot cannot estimate its pose because of the inconsistency between the real observations from the environment and the predicted observations on the incomplete map. The proposed localization algorithm uses the approach of sampling from a non-corrupted window, which allows the mobile robot to estimate its pose more robustly in a non-static environment even when subjected to severe corruption of observations. The algorithm sequence involves identifying the corruption by comparing the real observations with the corresponding predicted observations of all particles, sampling particles from a non-corrupted window that consists of multiple non-corrupted sets, and filtering sensor measurements to provide weights to particles in the corrupted sets. After localization, the estimated path may still contain some errors due to long-term corruption. These errors can be corrected using nonlinear constrained least-squares optimization. The incomplete map is then updated using both the corrected path and the stored sensor information. The performance of the proposed algorithm was verified via simulations and experiments in various highly non-static environments. Our localization algorithm can increase the success rate of tracking its pose to more than 95% compared to estimates made without its use. After that, the initial incomplete map is updated based on the localization result.     

移动机器人的一种室内自然路标定位法

实时定位是移动机器人导航的一个基本前提。该文提出了一种利用墙棱边及墙平面(EdgeandPlane,EP)路标或者广义EP路标进行定位的方法,使用了异步数据融合的方法对移动机器人进行了定位。仅利用传感器对墙平面的距离数据进行测量就实现了机器人的定位。仿真显示这些方法能减少机器人的定位时间,提高对传感器测量数据的利用效率。