基于人工路标和立体视觉的移动机器人自定位

针对室内移动机器人的自定位问题,提出一种基于人工路标和双目视觉的室内移动机器人自定位方法。首先设计了一种可扩展的彩色人工路标,并给出路标的编码方法;然后利用色彩空间变换,直线交比不变性以及自适应窗口实现路标检测与识别;最后在分析双目立体视觉模型的基础上建立起基于路标的双目立体视觉定位模型,实现移动机器人的准确定位。实验结果表明,路标对光照和视觉传感器的采集位置具有较强的鲁棒性,定位精度能够满足室内移动机器人的定位要求。     

一种基于图像检索的机器人自定位方法

针对单目视觉机器人的定位问题,提出了一种基于EM(expectation maximization algorithm)的混合高斯粒子滤波定位算法。采用高斯混合模型矢量量化的方法生成图像直方图,利用图像特征相似性度量方法对提取的图像直方图进行匹配,并将匹配的结果应用到粒子滤波定位中,实现了室内结构化环境下机器人的全局定位。仿真实验结果表明颜色特征提取方法和机器人定位方法的有效性。     

室内移动机器人自主避障研究

为了解决移动机器人在室内环境中的定位问题,设计航迹推测算法实时获取机器人的位姿信息。针对未知环境下的实时避障问题,提出基于多传感器信息融合的算法,用超声波、红外传感器对移动机器人周围的环境信息进行探测,进行数据融合,获得有效的距离信息。根据目标点信息和传感器测距信息,设计模糊控制器来实现实时避障行为。为了验证算法的可行性和有效性,在AS－R室内移动机器人平台上进行实物实验。实验结果表明：该方法能够引导机器人避开多个障碍物,到达目标点。     

基于相机与摇摆激光雷达融合的非结构化环境定位

定位是机器人导航的关键问题,在缺乏结构信息的室外非结构化环境下,精确的三维定位面临更大挑战.本文提出一种基于相机与摇摆激光雷达融合的定位算法,重点解决在光照,地面起伏等因素影响下的机器人定位问题.本文结合激光雷达的深度信息和图像的颜色纹理信息,构建在时序帧间的特征点匹配关系;引入一种置信度评价方法,结合系统误差、数据关联、物体遮挡、特征跟踪等因素对特征点及其匹配关系进行评估,减少低质量特征的影响;最终将定位问题转化为特征点对的加权重投影误差优化问题予以解决.本文利用小型轮式移动机器人在越野和公园等典型非结构化环境下进行数据采集和实验验证.实验结果表明,与前沿的视觉定位算法相比,本文算法可有效提高在非结构化环境中的定位精度.     

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.     

自主移动机器人的室内结构化环境地图创建

定位与地图创建是自主移动机器人领域研究的重要课题.本文阐述了一种以扩展卡尔曼滤波算法为主要框架,运用直接位姿控制模型描述机器人运动的算法,实现了机器人在室内结构化环境中的同时定位和地图创建.仿真与实验结果表明,里程计信息无法满足定位和创建环境地图的要求,本文算法则能够实现机器人的精确定位.并生成满足一致性要求的地图.     

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．     

UHF-RFID环境下的移动机器人定位方法

研究UHF-RFID环境中移动机器人的定位问题,提出一种基于自适应UKF滤波器组的移动机器人定位方法,融合UHF-RFID和机器人内部传感器信息,以实现初始位姿未知的移动机器人定位.首先,利用UHF-RFID系统对移动机器人进行初始定位,并根据其初始位置信息随机生成移动机器人的初始状态估计集;然后,考虑UHF-RFID系统定位的量化误差,应用自适应UKF方法对机器人的状态估计集进行预测和更新,并对状态估计集进行有效地裁剪、筛选以及更新,以提高滤波器的估计精度和稳定性.仿真结果表明,相比于标准UKF滤波方法,自适应UKF滤波器组方法具有更高的定位精度和更快的收敛速度.     

一种新的基于RFID的室内移动机器人自定位方法研究

针对室内移动机器人自定位算法定位精度不高、定位误差存在波动的问题,提出了一种RTFL(RFID tag floor based localization)定位算法与RSSI定位算法相结合的室内移动机器人自定位方法。由RTFL定位算法给定机器人位置估算初值和机器人所在的范围,然后通过基于RSSI的机器人自定位系统进行机器人位置的进一步精确定位。求解过程中,通过遗传算法求解极大似然方程组,并且提出了染色体的筛选和剔除策略。仿真实验结果表明：该方法在有效的时间内完成定位,平均定位误差为0.1572m,与传统的改进方法0.33214m的定位误差相比,降低了近一倍。并且新方法受环境影响较小,鲁棒性较好,能够很好的满足室内移动机器人的定位要求。     

基于粒子滤波器的移动机器人自定位方法研究

首先,对粒子滤波器的原理进行了简要阐述。然后详细描述了基于粒子滤波器的移动机器人自定位算法——蒙特卡洛定位算法。在ROS(Robot Operating System)平台上对该算法进行了仿真实验并分析了其性能。最后,对蒙特卡洛粒子滤波定位方法用于移动机器人定位进行了总结。结果表明,MCL(蒙特卡洛)算法是一种精确鲁棒的移动机器人概率定位方法,可对解决移动机器人的定位问题提供有意义的参考。提出的机器人自定位方法为机器人在Robocup竞赛中自主执行各种作业提供定位支持,已在2013年中国机器人大赛获奖。