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。     

双目立体视觉栅格地图构建方法

本文基于立体视觉定位技术,提出了基于双目立体视觉的栅格地图构建方法,用以解决目前视觉SLAM技术构建的稀疏特征地图难以直接用于自主导航的问题。本文提出的方法仅以视觉信息作为输入实时完成移动机器人自定位与外界环境栅格地图的构建。首先采用双目立体视觉定位获取机器人运动参数,利用稠密匹配估算空间点云分布,在考虑机器人实际高度的情况下将三维点云投影成二维数据,最后通过二值贝叶斯滤波器在线构建栅格地图。本文所构建的栅格地图包含环境几何信息,可直接应用于机器人路径规划与导航。实验结果验证了本文所以出的定位与地图构建方法的可行性。     

基于环境特征的机器人同时定位与地图创建

移动机器人同时定位和地图创建是实现移动机器人完全自主导航的关键.本文提出了一个通用的移动机器人同时定位与地图创建基本框架,接着对扩展卡尔曼滤波器算法进行了详细的分析,最后通过基于点特征和扩展卡尔曼滤波器的同时定位与地图创建仿真实验,验证了框架的可行性.目的是为开展同时定位与地图创建的研究提供一种可行的研究方案,以推动我国移动机器人技术的发展.     

激光测距在移动机器人自主导航中的应用

移动机器人在运动范围内需要有足够的传感器信息可供利用来进行自主导航,在完全未知的环境中,由机器人依靠其自身携带的传感器所提供的信息建立环境模型是机器人进行自主定位和导航的前提之一。介绍了激光测距在移动机器人自主导航中的应用研究;通过二维测距传感器对其周围环境进行扫描,提出了自主导航中地图创建、定位如何用二维扫描获得三维数据流的算法描述,并实验验证该算法的运用使机器人获得一个很好的三维视觉结构图。     

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.     

基于RGB-D信息的移动机器人SLAM和路径规划方法研究与实现

移动机器人在各种辅助任务中需具备自主定位、建图、路径规划与运动控制的能力。本文利用RGB-D信息和ORB-SLAM算法进行自主定位,结合点云数据和GMapping算法建立环境栅格地图,基于二次规划方法进行平滑可解析的路径规划,并设计非线性控制器,实现了由一个运动底盘、一个RGB-D传感器和一个运算平台组成的自主移动机器人系统。经实验验证,这一系统实现了复杂室内环境下的实时定位与建图、自主移动和障碍物规避。由此,为移动机器人的推广应用提供了一个硬件结构简单、性能良好、易扩展、经济性好、开发维护方便的解决方案。     

实时更新的全局一致三维栅格建图

在未知的三维环境中,移动机器人自主导航通常需要实时构建与环境全局一致的栅格地图,而现有大部分系统缺少地图更新策略,构建的栅格地图与实际环境不一致.文中将同步定位与建图模块获得的环境信息以点云形式提供给栅格建图模块处理,同时提出基于关键帧的高效数据结构和地图实时更新策略,实时构建可用于移动机器人自主导航的全局一致的地图.室内动态的实验数据测试表明,文中方法可以有效实时更新地图,生成与环境一致的三维栅格地图,支持其后续的自主导航操作.     

基于Cortex-A53平台的激光雷达SLAM实现

针对移动机器人实现同时定位与地图构建(SLAM)的高硬件成本问题,提出了在Cortex-A53处理器平台上实现激光雷达SLAM的方法。完成了Cortex-A53处理器平台上软件平台的构建,并结合激光雷达采集的数据实现了SLAM,对相关程序进行了优化使得处理器的性能满足程序的运算量。实践结果证明,在Cortex-A53处理器平台上可以构建较高精度的地图以及实现室内环境下的导航、避障,从而降低了移动机器人实现SLAM的硬件成本。     

一种基于RGB-D的移动机器人未知室内环境自主探索与地图构建方法

提出了一种基于RGB-D信息的移动机器人自主探索与地图构建方法.首先,基于RGB-D传感器提供的信息,通过定位点生成、地图构建与闭环检测,实时构建3D点云地图.然后,将探索过程描述成部分可观测马尔可夫决策过程,结合局部地图推演策略与全局边界搜索策略,建立了移动机器人的自主探索方法.在此基础上,确定移动机器人当前动作约束,采用动态窗运动控制方法,既能避免移动机器人陷入局部最优,又能保证采用RGB-D数据进行建图时的稳定性.最后,开展了实验室场景下的探索任务实验,验证了本文提出的移动机器人未知环境自主探索与地图构建方法的有效性.     

一种基于特征地图的移动机器人SLAM方案

设计了一种结构化环境中基于特征地图的地图创建方案;采用激光测距仪进行特征地图创建,利用"聚合-分害虫-聚合"的方法来提取线段表示环境信息实现局部地图创建;为了实现移动机器人的同时定位与地图创建,采用扩展卡尔曼滤波方法对机器人的位姿与地图信息进行预测及更新,结合状态估计和数据关联理论,实验显示x的校正量保持在±0.9cm之内;y的校正量保持在±2.5cm之内;θ的校正量在±1.2之内,实现了基于扩展卡尔曼滤波器的SLAM.     

Development of a laser range finder for three-dimensional map building in rubble

In order to search and rescue victims in rubble effectively, a three-dimensional (3D) map of the rubble is required. As a part of the national project on rescue robot systems, we are investigating a method for constructing a 3D map of rubble by teleoperated mobile robots. In this paper, we developed a laser range finder for 3D map building in rubble. The developed range finder consists of a ring laser beam module and an omnivison camera. The ring laser beam is generated by using a conical mirror and it is radiated toward the interior wall of the rubble around a mobile robot on which the laser range finder is mounted. The ominivison camera with a hyperbolic mirror can capture the reflected image of the ring laser on the rubble. Based on the triangulation principle, cross-section range data is obtained. Continuing this measurement as the mobile robot moves inside the rubble, a 3D map is obtained. We constructed a geometric model of the laser range finder for error analysis and obtained an optimal dimension of the laser range finder. Based on this analysis, we actually prototyped a range finder. Experimental results show that the actual measurement errors are well matched to the theoretical values. Using the prototyped laser range finder, a 3D map of rubble was actually built with reasonable accuracy.     

Online topological map building and qualitative localization in large-scale environment

A novel topological map representation as well as an online map construction approach is presented in this paper. By virtue of the topological map whose nodes are represented with the free beams of the laser range finder together with the visual scale-invariant features, the mobile robot can autonomously navigate in unknown, large-scale and indoor environments. Different from the traditional navigation methods that rely on precise global localization, the robot locates itself qualitatively by location recognition rather than calculating its global pose in the world reference frame. By combining the reactive navigational method, Beam Curvature Method (BCM), with the topological map, a smooth, real-time navigation without precise localization can be realized.     

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。     

基于ICP算法和粒子滤波的未知环境地图创建

为了实现移动机器人仅依靠激光测距仪和里程计实时地创建精确的栅格地图, 本文提出了一种结合最近点迭代(Iterative closest point, ICP)算法和Rao-Blackwellized粒子滤波的同时定位与地图创建方法. 该方法利用ICP算法对相邻两次激光扫描数据进行配准, 并将配准结果代替误差较大的里程计读数, 以改善基于里程计读数的建议分布函数; 同时通过采用改进的抽样策略, 提高了粒子滤波过程中的抽样效率, 降低创建地图所需的粒子数. 仿真结果表明了该方法的有效性.     

A Stochastic Map Building Method for Mobile Robot using 2-D Laser Range Finder

This paper presents a stochastic map building method for mobile robot using a 2-D laser range finder. Unlike other methods that are based on a set of geometric primitives, the presented method builds a map with a set of obstacle regions. In building a map of the environment, the presented algorithm represents the obstacles with a number of stochastic obstacle regions, each of which is characterized by its own stochastic parameters such as mean and covariance. Whereas the geometric primitives based map sometimes does not fit well to sensor data, the presented method reliably represents various types of obstacles including those of irregular walls and sets of tiny objects. Their shapes and features are easily extracted from the stochastic parameters of their obstacle regions, and are used to develop reliable navigation and obstacle avoidance algorithms. The algorithm updates the world map in real time by detecting the changes of each obstacle region. Consequently, it is adequate for modeling the quasi-static environment, which includes occasional changes in positions of the obstacles rather than constant dynamic moves of the obstacles. The presented map building method has successfully been implemented and tested on the ARES-II mobile robot system equipped with a LADAR 2D-laser range finder.     

栅格法视觉传感集成及机器人实时避障

研究移动机器人在室内环境下集成双目视觉和激光测距仪信息进行障碍物实时检测。由双目视觉系统检测环境获取视差信息,通过直接对视差信息进行地平面拟合的方法快速检测障碍物;拟合过程中采用了随机采样一致性估计算法去除干扰点的影响,提高了障碍物检测的鲁棒性。用栅格地图表示基于机器人坐标系的地平面障碍物信息并对栅格信息进行提取,最后把双目视觉与激光测距得到的栅格信息进行集成。实验表明,通过传感信息集成,移动机器人既得到了充分的障碍物信息,又保证了检测的实时性、准确性。     

大规模环境下拓扑地图在线创建与导航.doc

本文提出了一种新型的拓扑地图，该地图用激光的扇区特征和视觉的比例不变特征（SIFT）来联合表示节点。与传统地图相比，该地图在创建过程中不依赖任何人工路标和机器人的全局定位。机器人通过综合考虑单个节点的相似度和不同节点间的空间关系，利用隐马尔可夫模型来提高节点识别的准确率。实验表明，本文的拓扑地图不仅易于创建和维护，而且适用于机器人在大规模室内环境下的自主导航。     

An autonomous mobile robot with a 3D laser range finder for 3D exploration and digitalization of indoor environments

Digital 3D models of the environment are needed in rescue and inspection robotics, facility managements and architecture. This paper presents an automatic system for gaging and digitalization of 3D indoor environments. It consists of an autonomous mobile robot, a reliable 3D laser range finder and three elaborated software modules. The first module, a fast variant of the Iterative Closest Points algorithm, registers the 3D scans in a common coordinate system and relocalizes the robot. The second module, a next best view planner, computes the next nominal pose based on the acquired 3D data while avoiding complicated obstacles. The third module, a closed-loop and globally stable motor controller, navigates the mobile robot to a nominal pose on the base of odometry and avoids collisions with dynamical obstacles. The 3D laser range finder acquires a 3D scan at this pose. The proposed method allows one to digitalize large indoor environments fast and reliably without any intervention and solves the SLAM problem. The results of two 3D digitalization experiments are presented using a fast octree-based visualization method.