基于激光雷达的移动机器人实时位姿估计方法研究

位姿估计是移动机器人研究中的一个关键问题,对于运动目标跟踪、机器人导航、地图 生成等具有重要意义,提出了一种基于二维激光雷达的实时位姿估计方法,包括基于Hough变 换的切线角度直方图算法和迭代切线加权最近点算法两部分.两种算法的结合和切线信息的引 入.有效地解决了传统方法无法解决的局部最小值、类孔径、大计算量等问题.仿真数据和室外 环境实际数据的大量实验结果表明它具有精度高、速度快、适用性广和对噪声、遮挡和类孔径问 题鲁棒性高的特点.     

基于深度学习的刚体位姿估计方法综述

刚体位姿估计旨在获取刚体在相机坐标系下的3D平移信息和3D旋转信息,在自动驾驶、机器人、增强现实等快速发展的领域起着重要作用。现对2017-2021年间的基于深度学习的刚体位姿估计方向具有代表性的研究进行汇总与分析。将刚体位姿估计的方法分为基于坐标、基于关键点和基于模板的方法。将刚体位姿估计任务划分为图像预处理、空间映射或特征匹配、位姿恢复和位姿优化4项子任务,详细介绍每一类方法的子任务实现及其优势和存在的问题。分析刚体位姿估计任务面临的挑战,总结现有解决方案及其优缺点。介绍刚体位姿估计常用的数据集和性能评价指标,并对比分析现有方法在常用数据集上的表现。最后从位姿跟踪、类别级位姿估计等多个角度对未来研究方向进行了展望。     

基于混合位姿估计模型的移动机器人三维地图创建方法

针对室内复杂环境下的稠密三维建模问题, 提出一种基于RGB-D 相机的移动机器人同时定位与三维地图创建方法. 该方法利用架设在移动机器人上的RGB-D 相机获取环境信息, 根据点云和纹理加权模型建立结合局部纹理约束的混合位姿估计方法, 确保定位精度的同时减小失败率. 在关键帧选取机制下, 结合视觉闭环检测方法, 运用树结构网络优化(TORO) 算法最小化闭环误差, 实现三维地图的全局一致性优化. 在室内环境下的实验结果验证了所提出算法的有效性和可行性.

     

基于深度学习的RGB图像目标位姿估计综述

6自由度（DoF）位姿估计是计算机视觉与机器人技术中的一项关键技术,它能从给定的输入图像中估计物体的6DoF位姿,即3DoF平移和3DoF旋转,已经成为机器人操作、自动驾驶、增强现实等领域中的一项至关重要的任务。首先,介绍了6DoF位姿的概念以及基于特征点对应、基于模板匹配、基于三维特征描述符等传统方法存在的问题;然后,以基于特征对应、基于像素投票、基于回归和面向多物体实例、面向合成数据、面向类别级的不同角度详细介绍了当前主流的基于深度学习的6DoF位姿估计算法,归纳整理了在位姿估计方面常用的数据集以及评价指标,并对部分算法进行了实验性能评价;最后,给出了当前位姿估计面临的挑战和未来的重点研究方向。     

基于深度学习的相机位姿估计方法综述

相机位姿估计是指在已知环境下精确地估计相机在世界坐标系中六自由度位姿的技术,该技术是机器人技术和自动驾驶中的关键技术。随着深度学习的飞速发展,使用深度学习来优化相机位姿估计算法已经成为了当前的研究热点之一。为了掌握目前相机位姿估计算法的研究现状与趋势,对基于深度学习的相机位姿估计的主流算法进行了综述。简单介绍了传统的基于特征点的相机位姿估计方法。重点介绍了基于深度学习的方法：根据核心算法的不同,从端到端的相机位姿估计、场景坐标回归、基于检索的相机位姿估计、层级结构、多信息融合和跨场景的相机位姿估计六个方面进行了详细的阐述和分析。对研究现状进行了总结,并基于深入的性能分析指出了相机位姿估计领域面临的挑战,展望了其发展动向。     

基于视觉的门把手位姿估计方法研究

本文针对门把手位姿估计的实时性和准确性问题。为了提高系统获取门把手位置及姿态的准确性,利用最小二乘法平面拟合算法获得在摄像机平面下的门把手的空间姿态信息。并针对门把手姿态的准确性进行实验验证,本文的方法在实际应用中,能够满足要求。     

室内自主移动机器人定位方法研究综述

定位是确定机器人在其作业环境中所处位置的过程．应用传感器感知信息实现可靠的定位是自主移动机器人最基本、也是最重要的一项功能之一．本文对室内自主移动机器人的定位技术进行了综述，提出了一种通用的控制结构，对其中与定位相关的地图结构、位姿估计方法进行了详细介绍，指出了地图构造、全局定位、数据关联、同步定位与地图构造、信息融合及协同定位所应用的方法及存在的问题．     

基于自控测距法的机器人位姿估计

针对两轮自平衡机器人运行过程中遇到打滑、越障、碰撞等异常事件,测程法进行位姿估计失效的情况,提出一种自控测距法。结合改进的Gyrodometry方法,通过融合码盘、陀螺仪与加速度计数据对机器人的位姿进行估计,实现了机器人的准确定位,解决了非系统定位误差对机器人位姿估计的影响,降低了陀螺仪、加速度计固有漂移的不利影响,提高了两轮自平衡机器人的定位精度。实验结果显示与测程法误差相比自控测距法位置误差降为1／3,方向误差降为1／6,验证了自控测距法的有效性。     

基于计算机视觉的无人直升机位姿估计方法研究

无人直升机与着陆点的相对位置和姿态估计是其实现自主着陆的前提条件,采用计算机视觉技术完成该任务是当前的发展趋势。介绍了基于计算机视觉技术的位姿估计方法的特点,对目前直升机自主着陆研究中采用的各种位姿估计方法做了分类并进行了评述,为类似的视觉系统的设计和相关问题的研究提供了参考。     

基于聚类的迭代双向最近点机器人位姿估计

针对迭代最近点（ICP）算法在存在严重遮挡的情况下容易陷入局部最小值的问题,对最近点规则（CP） 进行了修改,提出双向最近点规则（DCP）．DCP 规则包含两次CP 规则对应,使计算量增加了一倍．为了降低算法 的复杂度,继而提出基于聚类的迭代双向最近点（IDCP BoC）算法．IDCP BoC 对扫描数据进行聚类,在聚类的基础 上进行数据精简．在相邻两次迭代的残差之差小于某个阈值之前,用精简数据进行迭代以提高计算速度,之后再改 用非精简数据以保证精度．实验结果表明,IDCP BoC 算法能够有效避免陷入局部最小值的问题且其实时性也是可 接受的．     

多智能体移动机器人物体收集系统

多移动机器人合作物体收集系统是一个复杂的分布式动态系统,传感器和执行 机构空间分布的特点,以及各个机器人之间、机器人与环境之间复杂的相互作用,使它难以 用集中控制的方式设计整个控制系统．本文详细分析了该任务的特点,指出它特别适合采用 多智能体方法进行系统的实现,并在多智能体方法指导下,深入探讨了系统的整体结构和各 部分的功能,并基于OAA结构加以实现．     

基于彩色图像的移动机器人定位

本文利用彩色图像对移动机器人进行定位,将颜色由 Ｒ Ｇ Ｂ 空间转换到 Ｈ Ｓ Ｉ空间中,颜色成为图像的唯一特征,简化了图像的特征抽取,大大提高了图像的处理速度和特征抽取的鲁棒性．在结构上采用全局静态视觉,避免了对摄像机的控制,并使得定位时在环境中只需一个着色标记．在移动机器人运动过程中,利用动态窗口进一步减少数据处理量．考虑视觉系统的延时,推广卡尔曼滤波完成视觉与推算航行数据的融合．该定位方法已成功地应用于我们研制的移动机器人控制系统中,效果良好．     

基于不确定信息的移动机器人地图创建研究进展

移动机器人自主的地图创建是机器人研究中一个基础且重要的问题．本文对该领域的最新进 展进行了综述,特别侧重于在完全未知环境中基于不确定信息的地图创建问题．首 先介绍了单机器人的地图创建方法,详细分析了地图表示方法、导航问题、不确定信息的描 述和处理等关键技术;对多机器人协作的地图创建问题也根据最新文献进行了论述．文中指 出了机器人地图创建研究中所面临的主要问题,并探讨了将来的发展方向．     

室外移动机器人的视觉临场感系统

本文介绍了我们所建立的室外移动机器人的视觉临 场感系统,由摄像机云台系统、头盔系统、通讯系统、视频显示系统组成,集成的系统取得 了令人满意的效果．     

多移动机器人合作系统中的单机控制体系结构研究

随着机器人技术的不断发展,出现了合作多移动机器人系统这一新的研究和应用领域,随之而来的是对机器人控制体系的新的要求．本文分析了合作多移动机器人系统对单机控制体系结构的要求,并以此为背景,在比较两种典型的智能机器人体系结构的基础上,提出一种混合分层的体系结构     

多移动机器人分布式智能避撞规划系统

研究在同一工作环境中多移动机器人的运动规划问题 ,提出将原来比较复杂的大系统问题转化为相对简单的子系统,由各智能机器人依据任务要 求和环境变化,独立调整自身运动状态,完成任务的分布式智能决策体系结构,并给出相应 的模型和算法．     

多移动机器人队形控制的研究方法

本文从基本思想、优缺点等方面论述了进行多移动机器人队形控制的三种研究方法.介绍了 一种包含这三种方法的系统体系结构，并对该体系结构进行了评价，指出了需要进一步研究 的问题．     

一种基于行为效用理论的多移动机器人编队协调方法

本文提出了一种基于行为效用理论的多移动机器人编队协调方法，用于解决多移动机器人编队初始化问题，实现自治的多移动机器人按特定的空间结构进行编队以完成特定的任务．我们对编队问题协调控制策略和算法进行了研究，给出了行为效用方程及两个衡量值，并针对编队问题的协调控制过程中目标点重复决策问题及偏远目标的选择问题进行了探讨并给出了相应的改进协调方案，计算机仿真试验验证了本文所提方法的有效性和可行性．     

A STUDY FOR THE APPLICATION OF AUTOMATED PLANNING TO MOBILE ASSISTIVE ROBOTS

In recent years, Automated Planning (AP) has experienced important advances. In this study we apply such advances to the field of Mobile Assistive Robots (MAR). In particular, we propose the use of AP to implement the deliberative step between observation and action execution in MAR. First, we analyze the requirements that allow a MAR to plan navigation and manipulation actions in near real time. The intention is to build the foundation for a planning module within the Simultaneous User Learning and TAsk executioN (SULTAN) architecture, allowing a MAR to perform Daily Life Activities (DLA) in humanlike environments. Second, we apply AP techniques in fully observable, deterministic and static simulated environments with a single MAR. In addition, we analyze and compare the best available satisficing automated planners. The selected planners participate in several experiments to obtain plans for a Planning Domain Definition Language (PDDL) based on the Tidybot domain. Finally, in order to know how competitive the selected planners are, we compare the experimental results in detail.