一种基于声纳信息的地图创建方法

地图创建是实现机器人在未知环境中自主导航的关键。该文对移动机器人在地图创建中所收集的不确定传感信息进行研究,分析声纳传感器的散射和镜面反射特性,提出一种改进的概率栅格的地图创建方法。该方法将距离信任因子引入到声纳传感器模型。利用该模型,实现移动机器人的自主地图创建,并有效地减少由于声纳传感器所引起的不确定性。通过机器人平台上进行的实验表明该方法的有 效性。     

基于声纳的移动机器人环境建图的设计与实现*

针对未知环境中声纳传感器定位与地图创建时传感数据不确定性高、可靠性低的问题,提出了一种新的室内环境建图方法。该方法建立容忍函数以判断噪声和镜面反射,同时借鉴了ArcTransversal Median Algorithm的思想和栅格概率估计并采用贝叶斯法则进行两次数据融合以减小声纳传感器信息的不确定性。在MORCS2机器人平台上实时创建地图实验表明,这种方法能快速实现从局部地图到全局地图的更新且有较好的精确性与鲁棒性。     

基于灰色定性理论的移动机器人地图创建

针对移动机器人自主导航地图创建中超声波信息存在不确定性的问题,提出一种新的基于灰色定性理论的超声波信息解释和融合的方法,并用于处理超声波传感器信息和移动机器人创建环境地图．首先,引入概率灰数对超声波信息的不确定性进行描述,以获得栅格单元和传感器的概率灰数模型;然后,设计超声波传感器新旧信息的融合方法,从而得到环境地图的整体表示;最后通过地图创建仿真实验结果表明了这种方法具有良好的鲁棒性和准确度．     

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．     

一种基于声纳信息的移动机器人实时导航方法

提出了一种基于声纳信息的移动机器人实时导航方法。首先建立声纳感知数据向地图映射的概率模型,将声纳感知到的环境信息以基于栅格的概率值进行表示,并利用D-S证据理论对其进行数据融合,得到机器人的局部环境。在此基础上,采用基于滚动窗口的方法进行移动机器人路径规划,最终实现实时导航。试验结果表明该方法是可行和有效的。     

基于灰色定性理论的移动机器人地图创建

针对移动机器人自主导航地图创建中超声波信息存在不确定性的问题,提出一种新的基于灰色定性理论的超声波信息解释和融合的方法,并用于处理超声波传感器信息和移动机器人创建环境地图．首先,引入概率灰数对超声波信息的不确定性进行描述,以获得栅格单元和传感器的概率灰数模型;然后,设计超声波传感器新旧信息的融合方法,从而得到环境地图的整体表示;最后通过地图创建仿真实验结果表明了这种方法具有良好的鲁棒性和准确度．

     

基于DSmT的移动机器人地图构建及传感器管理

针对智能移动机器人探测未知环境的问题,引入了一种新的信息融合方法DSmT(Dezert-Smarandache Theo-ry),采用栅格地图,并根据声纳在DSmT框架下的数学模型,利用经典DSm模型构造了一组能自动调节误差范围的声纳基本信度赋值函数(gbbaf),以处理未知环境下声纳获取的不确定和不精确信息,甚至于高冲突信息。提出了简单有效的传感器管理方法,完全消除了复杂环境下声波的多次反射和串扰现象。最后,用Pioneer 2-DX机器人分别进行了DSmT和DST(Dempster-Shafer Theory)两种算法的地图构建实验,并绘制了相应的二维基本信度赋值地图。将DSmT与DST构建出的环境地图做比较,充分验证了DSmT及提出的传感器管理方法在未知环境下的有效性,为处理动态高冲突信息提供了有力的理论依据。     

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。     

基于经典DSmT 的Sonar栅格地图创建*

基于最近提出的一种在贝叶斯和DST扩展而来的信息融合算法DSmT(Dezert-Smarandache Theory),在实验的基础上,结合Sonar测量的基本特性,对静态结构化环境建模,并构造了广义基本信度赋值函数,利用经典DSm融合规则,融合每个栅格的声纳冗余信息,计算栅格占用的Bel.最后,以Pioneer Ⅱ 移动机器人作为试验平台,并在线对小型环境进行了3D栅格占用信度分布地图创建,其俯视图与实际2D地图中的物体外观轮廓及所在位置进行比较,其比较结果充分验证了算法的有效性,为进一步研究应用基于折扣理论的DSmT解决异类或同类非可靠多源信息融合,基于Hybrid DSmT的动态环境地图创建,以及多机器人联合创建地图和自定位奠定了坚实的基础.     

基于混合DSm模型的移动机器人动态环境地图构建

针对移动机器人探测动态未知环境的问题,引入了一种由贝叶斯理论和Dempster-Shafer证据理论（DST）扩展而来的新的信息融合方法——Dezert-Smarandache理论（DSmT）．采用栅格地图,并根据声纳的物理特性,在DSmT框架下建立了声纳的数学模型．运用DSmT中的高级模型,即混合DSm模型,构造了一组基本信度赋值函数（gbbaf）,用以处理动态环境下声纳获取的不确定和不精确信息,甚至于高冲突信息．借助Pioneer2-Dxe移动机器人分别进行了混合DSm模型和DST两种算法的地图构建实验,并绘制了相应的二维基本信度赋值地图．将由混合DSm模型与DST构建出的环境地图进行了比较,充分验证了混合DSm模型在未知动态环境下的有效性,为处理动态高冲突信息提供了有力的理论依据．     

A new multisensor fusion SLAM approach for mobile robots

This paper presents a novel method, which enhances the use of external mechanisms by considering a multisensor system, composed of sonars and a CCD camera. Monocular vision provides redundant information about the location of the geometric entities detected by the sonar sensors. To reduce ambiguity significantly, an improved and more detailed sonar model is utilized. Moreover, Hough transform is used to extract features from raw sonar data and vision image. Information is fused at the level of features. This technique significantly improves the reliability and precision of the environment observations used for the simultaneous localization and map building problem for mobile robots. Experimental results validate the favorable performance of this approach.     

基于超声波传感器的未知狭窄环境导航算法

针对移动机器人在未知狭窄环境中的导航问题,利用证据理论中的矛盾因子,给出了一个自适应超声波传感器模型。利用该模型,结合D S证据理论融合算法以及证据格方法,实现了移动机器人在未知狭窄环境中的导航,并有效地减少了由于超声波传感器镜面反射所引起的不确定性。实验结果表明了该方法的有效性。     

基于D-S信息融合的水下机器人地图构建

针对未知动态环境中自治水下机器人(Autonomous Underwater Vehicle,AUV)的路径规划问题,给出一种基 于D-S (Shafer-Dempster)信息融合的水下栅格地图构建算法.首先通过建立一个声纳传感器模型,将声纳数据转换成栅格的信度函数分配值;接着应用D-S证据理论信息融合算法更新地图数据,从而构建出水下动态栅格地图;最后通过真实地图与融合构建地图比较,说明D-S融合算法在地图构建中的可行性.     

Autonomous Exploring System Based on Ultrasonic Sensory Information

An autonomous exploring system for a mobile robot is presented in this article. The system consists of an ultrasonic range sensor (URS) module and a novel method for building a map from exploration of an environment. Instead of random exploration, the proposed approach provides a systematic and efficient strategy to build the map by means of some preferential points. Taking a multitude of observations or measurements by sonar sensors, a mobile robot derives a virtual polygonal map from a set of regressed segments, partial prior known environmental information, and some inference rules for vertices. Additionally, the concept of safe zones is also introduced in the system to keep the mobile robot safe during exploration. Based on the identified virtual map, a searching method is used to select a next best observation to collect the most sufficient information. Several experiments are given to demonstrate the performance of this proposed approach.     

基于声纳传感器的移动机器人地图创建方法研究*

提出了一种改进的基于声纳传感器信息进行栅格地图创建的方法。将Bayes法则用于移动机器人地图创建,对多个声纳传感器信息进行融合,解决信息间的冲突问题,并根据声纳模型将测量数据集成到局部地图中,改变栅格被障碍物占有的概率。经过坐标变换后,利用Bayes法则更新全局地图中的栅格信息,实现从局部地图到全局地图的更新。实验验证了该算法的可行性与有效性。     

基于激光雷达的动态障碍物实时检测

动态障碍的存在直接影响到环境地图的构建精度,可靠实时地检测出动态障碍物是未知环境下移动机器人构建环境地图的根本前提。基于2D激光雷达传感器,提出了一种移动机器人在未知环境下实时检测动态障碍物的方法。将激光雷达的观测数据经过滤波映射到世界坐标系,构建相邻采样时刻的三幅栅格地图;判断相邻时刻三幅栅格地图上对应栅格的占用状态,确定环境中的静态障碍物,以静态障碍物为参考,根据当前的栅格地图可以检测出环境中的动态障碍物。基于激光雷达时空关联性分析,采用八邻域滚动窗口的方法处理不确定性因素。在实际移动机器人MORCS-1上进行的实验结果表明,该方法可使移动机器人准确有效地检测出未知环境中的动态障碍物,实时性好,可靠性高。