基于相对定位的多移动微机器人协作定位方法

为了提高微机器人定位的精确性,研究了基于相对定位的多移动微机器人协作定位方法.结合微机器人尺寸小的特点,定位系统中采用低功耗的红外传感器作为微机器人的测距传感器,利用粒子滤波实现微机器人的自定位.在自定位及相对定位的基础上,提出了多微机器人的协作定位算法,通过保留一定数目的粒子在自身粒子集合中,而非交换全部的粒子的策略,保证了一定的定位精度.仿真与实验结果验证了协作定位算法的有效性.     

基于全局特征点匹配的全局定位方法

针对传统全局定位方法存在对传感器要求多、计算量大的问题,提出了一种基于全局特征点匹配的移动机器人定位方法。该方法采用普通2D雷达作为传感器,在机器人建立全局地图的过程中同步地提取全局特征点,在全局定位算法中,通过建立局部地图和提取局部地图特征点,实时将局部地图特征点和全局地图特征点进行匹配后求解全局位姿。在两个数据集上的测试,结果优于蒙特卡罗自适应定位（adaptive Monte Carlo localization,AMCL）和Cartographer的全局定位效果,运算速度更快。结果表明,与已有的方法相比,该全局定位方法能够更快地完成全局定位和有效减少计算资源的消耗。     

基于激光雷达的移动机器人定位和地图创建

针对未知环境下移动机器人定位和地图创建问题,提出了创建局部地图-机器人定位-更新全局地图的方法和步骤.利用激光雷达数据,采用"聚合-分割-聚合"的方法并运用动态阈值获得精确的局部地图.通过匹配局部地图和全局地图的线段关系,实现了机器人的定位,更新了机器人的位姿,减少了机器人的系统误差和环境误差,进而完成了全局地图的创建与更新.实验证明,此算法可以在实现机器人定位的同时获得精确的环境地图,并且有效的缩短了地图生成时间,可靠性高、实时性好.     

未知环境中一种基于激光雷达的全局位姿估计算法

1.引言 在许多应用中,移动机器人都必须知道它自身的位置[1],以及如何在不断跟踪自身的全局位姿的同时有效地到达环境中的另一个位置.因此近年来机器人的自定位获得了研究人员的广泛关注.由于激光雷达具有精度高的特点,已成为多数移动机器人配备的传感器之一,研究人员也提出了许多基于激光雷达的定位方法[2].这些方法主要分为两大类:把距离数据与全局地图进行匹配的方法和匹配一对距离数据帧的方法.在未知环境中,由于不具备先验地图,机器人只能使用两帧距离数据帧匹配的方法来跟踪位姿,并逐渐地建立起全局地图.     

图形相似性匹配在多机器人地图中的应用

在多机器人同时定位与地图创建(Simultaneous Localization and Mapping,SLAM)协同工作下,要求融合各机器人的特征子地图形成单一的公共地图,利用三角形相似性原理,实现SLAM定位中各机器人子地图的相互匹配。在机器人创建的地图中,依据路标位置相关的特征组成最小三角形,并通过三角形相似性原理对各机器人创建子地图进行相似性匹配,并记录相似三角形对应点匹配次数,最后彼此匹配次数最多的对应路标即为相关联的路标对。实验结果表明该方法是有效的,且鲁棒性强。     

助行机器人导航与远程监护系统的设计与实现

针对助行机器人在室外未知环境中的导航需求,分析了不同导航方式的优缺点,设计并实现基于全球定位系统(GPS)的机器人定位导航系统.详细地描述了室外环境地图的创建过程和地图精度的控制.为了提高定位的精度,利用地图匹配修正GPS定位误差,同时融合机器人实时速度数据,得到最终的机器人位置.在机器人定位的基础上,实现助行机器人的...     

煤矿巡检机器人同步定位与地图构建方法研究

针对煤矿井下无GPS环境下巡检机器人自主定位问题,研究了基于激光雷达的同步定位与地图构建方法。首先建立激光雷达观测模型和里程计预测模型,将机器人定位和地图构建的实际问题转换为概率数学模型的逻辑推理问题。同时采用自适应蒙特卡罗定位算法进行机器人实时位姿估计,提出了根据粒子权重(地图的匹配度)进行重采样的方法,以去除权重小的粒子,实现了用较少、较好粒子精确表达机器人位姿的后验概率分布,满足机器人利用传感器在栅格地图上实时定位的需求。通过对Fast-SLAM算法进行优化,减少了粒子数量,缓解了粒子耗散,提高了地图构建的精确性。实验结果表明,基于激光雷达的同步定位与地图构建方法有效解决了巡检机器人实时位姿估计和环境地图构建的问题,结合自适应蒙特卡罗定位算法和优化Fast-SLAM算法提高了机器人定位的自适应性和地图构建的精确性。     

基于信息融合地图的水下机器人位置估计

建立了一种对声纳和视觉图像进行融合的模型,提出了采用高斯方法和对水下环境进行描述建立融合地图的新的表达方法。首先假定传感器的观测信息为高斯分布,通过空间关系的变换和投影将声纳和视觉投影到公共的状态空间,然后对各传感器的其它信息进行加权,并嵌入到其中,得到适合计算机处理的传感器地图。提出了对水下机器人进行位置估计及地图匹配的算法,在导航过程中通过找出当前地图与参考地图的最大相关系数,从而对机器人位置进行更新,得出其最佳位置估计。仿真结果显示:采用融合地图对水下机器人的位置估计是连续的、可计算的、有效的。     

面向对象的家庭全息地图表示与构建

针对现代复杂而多样化的家庭环境,人对家庭服务机器人的服务需求,以及其自身基于家庭全息地图的路径规划的任务要求,借鉴人对空间环境的认知和地图的组建过程,提出了一种改进的面向对象的家庭服务机器人全息地图表示方法,设计出家庭-房间-物品三层表示模型.依据面向对象的思想,分别给出了改进的物品层、房间层和家庭层的面向对象表示方法.基于机器人自身携带的传感器对各层对象的空间数据进行采集.将该表示方法转化成可存储在数据库中的数据类型,将采集的数据存储到数据库中并对地图进行实时的更新.在家庭环境下,机器人基于该全息地图分别对各层进行对象识别和路径规划,实物实验说明基于家庭-房间-物品表示模型的家庭全息地图能满足服务机器人任务的需要.     

多视角几何Rao-Blackwellised SLAM算法

低成本传感器、高精度定位是机器人同步定位与地图构建的热点研究问题。采用单视觉传感器来获取多个图像视觉信息,通过因式分解求解多幅图像的空间关系;利用多视角几何理论获得环境深度信息。机器人的同步定位与地图构建是通过对观测模型进行一阶泰勒近似,以及Rao-Blackwellised粒子滤波迭代进行的。在MT-R移动机器人研究平台进行实验,实验结果表明所提出的方法在定位精度指标优于经典的EKF-SLAM方法,并且只需要单个摄像头。     

自重构移动微机器人设计与自动对接

设计了一种模块化的自重构移动微机器人系统。系统中的每个微机器人模块既可作为动力单元,拖动其它模块进行更远距离的探测,也可自动脱离成为无线通信节点,拓展整个系统的通信距离。通过这2种方式扩展了单个微型移动机器人的探测范围。研制了由1个红外接收器和4个红外发射器组成的导引系统,并基于其设计了一种新型的自动对接方法。最后进行了微机器人之间的对接实验,验证了该方法具有很高的效率和可靠性。     

基于海量公交轨迹数据挖掘的地图匹配算法

针对现有地图匹配算法（如基于经典隐马尔可夫及其变体、先进算法等）对于低频轨迹数据匹配效果不甚理想的问题,提出一种基于海量公交历史轨迹数据的轨迹数据挖掘方法。首先,以公交站点为序列骨架,从大量低频轨迹中挖掘、提取轨迹点数据,进行重组、排序形成高质量高频轨迹数据序列;然后,将高质量高频轨迹数据序列应用基于经典隐马尔可夫模型地图匹配算法,得到公交路线地图匹配结果。与未经过挖掘算法处理的低频轨迹数据的匹配方法相比,所提方法在匹配误差上平均下降6.3%,匹配所需的数据规模、时间大幅缩减;且该方法对于低频、不稳定的噪声数据具有鲁棒性,适用于所有公交路线的地图匹配问题。     

A distributed market-based boundary coverage algorithm for multiple microrobots with network connectivity maintenance

In this paper, the boundary coverage of known environments is investigated using multiple microrobots (MMR) involved in a distributed inspection case study. A strong need for an operator is able to control and receive feedback from microrobots. However, communication range is limited because of the size effect of microrobot, and obstacles may also prevent microrobots from communicating. To enable MMR to accomplish coverage task while maintaining the network connectivity with a base station, we propose a market-based boundary coverage algorithm. This algorithm can dynamically allocate the boundary coverage task to a microrobot, so as to adapt to the change of communication network topology. A motion control model based on virtual spring–damper system is established to prevent communication network splitting by monitoring infrared link quantity information among microrobot nodes. Simulations and experimental results, obtained using our MMR tested in a distributed inspection case study, demonstrate that the proposed solution fulfills the objective of maintaining network connectivity at all times while completing the allocated boundary coverage task.     

基于Canny边缘SURF特征的红外与可见光图像配准算法

利用多源传感器之间获取信息的互补性,克服单传感器的缺陷,从而提高系统整体性能指标的思想已经在军事、医疗、卫星等领域获得了广泛的应用。可见光和红外图像相融合也能提高视觉应用场景中对目标的探测能力,降低目标警报的虚警率和漏警率,提升准确率和工作效益。对于红外与可见光图像配准过程中受不同传感器图像成像原理不同,成像结果图像灰度差异大、特征难以匹配的问题,可以利用红外和可见光图像的共有特征即边缘轮廓特征,采用Canny边缘提取算法提取出图像最基本、稳定的特征,然后在边缘图中使用SURF特征检测算法进行特征点提取与匹配,最后采用RANSAC进行精准匹配。由于边缘在红外和可见光图像中都是比较稳定的特征,而且在边缘轮廓图中进行特征提取将极大减少计算量和提高匹配率,因而最终能够获得较为准确的红外、可见光图像的变换关系。     

Linear-time robot localization and pose tracking using matching signatures

A feature-based method for global localization of mobile robot using a concept of matching signatures is presented. A group of geometric features, their geometric constraints invariant to frame transform, and location dependent constraints, together are utilized in defining signature of a feature. Plausible global poses are found out by matching signatures of observed features with signatures of global map features. The concept of matching signatures is so developed that the proposed method provides a very efficient solution for global localization. Worst-case complexity of the method for estimating and verifying global poses is linear with the size of global reference map. It will also be shown that with the approach of random sampling the proposed algorithm becomes linear with both the size of global map and number of observed features. In order to avoid pose ambiguity, simultaneous tracking of multiple pose hypotheses staying within the same framework of the proposed method is also addressed. Results obtained from simulation as well as from real world experiment demonstrate the performance and effectiveness of the method.     

Elevation moment of inertia: A new feature for Monte Carlo localization in outdoor environment with elevation map

The elevation map is one of the most popular maps for outdoor navigation. We propose the elevation moment of inertia (EMOI), which represents the distribution of elevation around a robot in an elevation map, for use in the matching of elevation maps. Using this feature, outdoor localization can be performed with an elevation map without external positioning systems. In this research, the Monte Carlo localization (MCL) method is used for outdoor localization, and the conventional method is based on range matching, which compares range sensor data with the range data predicted from an elevation map. Our proposed method is based on EMOI matching. The EMOI around a robot is compared with the EMOIs for all cells of the pregiven reference elevation map to find a robot pose with respect to the reference map. MCL based on EMOI matching is very fast, although its accuracy is slightly lower than that of conventional range matching. To deal with the disadvantage of EMOI matching, an adaptive switching scheme between EMOI matching and range matching was also proposed. Various outdoor experiments indicated that the proposed EMOI significantly reduced the convergence time of MCL. Therefore, the proposed feature is considered to be useful when an elevation map is used for outdoor localization. © 2010 Wiley Periodicals, Inc.     

一种红外传感器阵列探测方法的研究

根据热释电红外传感器的工作原理和特性,设计了一种红外传感器信号的采集探测实验方法。由于敏感元件在传感器阵列的四面,故设计圆周运动的探测方法。实验结果证明：本探测方法与采集系统采集红外信号良好,实验方法具有重要实用价值。     

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．     

VOIP系统中地址映射表的创建

基于树形的存储结构及其查询方法 ,提出了适用于 VOIP系统的地址映射表创建方法 ,设计了地址映射表的数据类型与存储结构。实验表明 :采用树形存储结构构成的地址映射表 ,大大地减少了查询的耗费时间。     

High-resolution terrain map from multiple sensor data

The authors present 3-D vision techniques for incrementally building an accurate 3-D representation of rugged terrain using multiple sensors. They have developed the locus method to model the rugged terrain. The locus method exploits sensor geometry to efficiently build a terrain representation from multiple sensor data. The locus method is used to estimate the vehicle position in the digital elevation map (DEM) by matching a sequence of range images with the DEM. Experimental results from large-scale real and synthetic terrains demonstrate the feasibility and power of the 3-D mapping techniques for rugged terrain. In real world experiments, a composite terrain map was built by merging 125 real range images. Using synthetic range images, a composite map of 150 m was produced from 159 images. With the proposed system, mobile robots operating in rugged environments can build accurate terrain models from multiple sensor data