基于VSLAM的自主移动机器人三维同时定位与地图构建

移动机器人在探索未知环境且没有外部参考系统的情况下,面临着同时定位和地图构建（SLAM）问题。针对基于特征的视觉SLAM（VSLAM）算法构建的稀疏地图不利于机器人应用的问题,提出一种基于八叉树结构的高效、紧凑的地图构建算法。首先,根据关键帧的位姿和深度数据,构建图像对应场景的点云地图;然后利用八叉树地图技术进行处理,构建出了适合于机器人应用的地图。将所提算法同RGB-D SLAM（RGB-Depth SLAM）算法、ElasticFusion算法和ORB-SLAM（Oriented FAST and Rotated BRIEF SLAM）算法通过权威数据集进行了对比实验,实验结果表明,所提算法具有较高的有效性、精度和鲁棒性。最后,搭建了自主移动机器人,将改进的VSLAM系统应用到移动机器人中,能够实时地完成自主避障和三维地图构建,解决稀疏地图无法用于避障和导航的问题。     

基于拓扑地图的移动机器人室内环境高效自主探索算法

为了减少移动机器人在自主探索过程中反复到达已知区域的次数,从而提高自主探索效率,提出一种高效率自主探索算法TMRRT(topological map based rapidly exploring random tree)。首先,将变生长率的局部与全局快速扩展随机树（RRT）作为探测器来发现地图的边界,并对前沿点进行聚类;同时,将最佳探测点存储下来作为拓扑地图,避免机器人反复到达已探索区域。最后,在不同环境下进行仿真并在实际环境中进行验证。实验结果显示,本文的探索算法相对于RRT算法平均探索时长减小了7.5%以上、平均路径长度减小了19.8%以上,相对于FA(frontier-based approach)自主探索算法平均探索时长减小了15.7%以上、平均路径长度减小了34.3%以上。结果表明,该算法可以有效提高机器人自主探索的效率,在实际环境中具有可行性。     

基于势场路径规划的机器人同步定位与地图构建

针对特征点同时为障碍物的环境,提出一种基于势场路径规划的同步定位与地图构建算法.机器人在同步定位与地图构建的同时,利用势场原理确定机器人的运动控制律,再根据推算的控制律进行下一步的预测和状态估计.在基于势场的路径规划方法中,认定为障碍物的排斥势位的最小影响范围可调节.实验结果表明,利用所提出的算法,机器人可在特征点同时为障碍物的环境中进行同步定位与地图构建,并通过相关性能指标验证了该算法为一致性估计.     

基于MIEKF的移动机器人同时定位与地图构建研究*

由于移动机器人处在未知并且不确定的环境中,主要采用基于概率的方法对同时定位与地图构建(SLAM)进行描述。本文建立了SLAM问题的概率表示模型,并对在解决SLAM问题中用最常用的扩展卡尔曼滤波(EKF)算法以及迭代扩展卡尔曼滤波(IEKF)算法进行描述。本文针对两种算法的缺陷和不足,将应用于跟踪领域的修正迭代扩展卡尔曼滤波算法(MIEKF)与SLAM思想结合,提出了一种新的基于MIEKF的SLAM算法。通过基于点特征的SLAM实验验证了该算法的有效性。     

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。     

移动机器人同时定位与地图创建研究进展

对移动机器人的同时定位与地图创建􀁫(Simultaneous Localization and Mapping)的最新研究进行了综述.指出SLAM 面临的问题,介绍了SLAM的基本实现方法.通过对各种改进的SLAM实现方法的性能对比,详尽地分析了如何降低SLAM的复杂度、提高SLAM的鲁棒性等关键技术问题,同时对多机器人协作的SLAM也进行了论述.探讨了SLAM的研究与发展方向.􀁱     

移动机器人同步定位与地图构建过程中的轨迹规划研究

研究了移动机器人同步定位与地图构建(SLAM)过程中的轨迹规划问题．提出了一种新的目标函数，它同时考虑机器人运动对地图覆盖面积、地图不确定性、定位不确定性、导航代价等几个方面的影响．提出了一步最优和多步最优轨迹规划的概念，并分别设计了两种最优标准下的规划算法和近似计算方法．最后，通过对比仿真实验验证了所提出的方法的有效性,并指出了今后的研究方向．     

移动机器人同步定位与地图构建研究进展

同步定位与地图构建（Simultaneous localization and mapping, SLAM）作为能使移动机器人实现全自主导航的工具近来倍受关注.本文对该领域的最新进展进行综述,特别侧重于一些旨在降低计算复杂度的简化算法的分析上,同时对它们进行分类,并指出其优点和不足.本文首先建立了SLAM问题的一般模型,指出了解决SLAM问题的难点;然后详细分析了基于EKF的一些简化算法和基于其他估计思想的方法;最后,对于多机器人SLAM和主动SLAM等前沿课题进行了讨论,并指出了今后的研究方向.     

自主移动机器人局部路径规划综述

自主移动机器人技术是近年来的研究热点,而路径规划技术是自主移动机器人技术研究中的一个重要内容。讨论了自主移动机器人路径规划技术的分类和研究局部路径规划的重要性;分析了局部路径规划技术的发展现状;指出了局部路径规划各种方法的优点与不足;对局部路径规划技术今后的发展方向做出了展望。     

移动机器人基于激光测距和单目视觉的室内同时定位和地图构建

该文研究了部分结构化室内环境中自主移动机器人同时定位和地图构建问题.基于激光和视觉传感器模型的不同,加权最小二乘拟合方法和非局部最大抑制算法被分别用于提取二维水平环境特征和垂直物体边缘.为完成移动机器人在缺少先验地图支持的室内环境中的自主导航任务,该文提出了同时进行扩展卡尔曼滤波定位和构建具有不确定性描述的二维几何地图的具体方法.通过对于SmartROB-2移动机器人平台所获得的实验结果和数据的分析讨论,论证了所提出方法的有效性和实用性.     

Smooth coverage path planning and control of mobile robots based on high-resolution grid map representation

This paper presents a new approach to a time and energy efficient online complete coverage solution for a mobile robot. While most conventional approaches strive to reduce path overlaps, this work focuses on smoothing the coverage path to reduce accelerations and yet to increase the average velocity for faster coverage. The proposed algorithm adopts a high-resolution grid map representation to reduce directional constraints on path generation. Here, the free space is covered by three independent behaviors: spiral path tracking, wall following control, and virtual wall path tracking. Regarding the covered region as a virtual wall, all the three behaviors adopt a common strategy of following the (physical or virtual) wall or obstacle boundaries for close coverage. Wall following is executed by a sensor-based reactive path planning control process, whereas the spiral (filling) path and virtual wall path are first modeled by their relevant parametric curves and then tracked via dynamic feedback linearization. For complete coverage, these independent behaviors are linked through a new path linking strategy, called a coarse-to-fine constrained inverse distance transform (CFCIDT). CFCIDT reduces the computational cost compared to the conventional constrained inverse distance transform (CIDT), which applies a region growing starting from the current robot position to find the nearest unexplored cell as well as the shortest path to it while constraining the search space. As for experimental validation, performance of the proposed algorithm is compared to those of conventional coverage techniques to demonstrate its completeness of coverage, energy and time efficiency, and robustness to the environment shape or the initial robot pose.     

Complete coverage path planning for wheeled agricultural robots

In the agricultural industry, an evolutionary effort has been made over the last two decades to achieve precise autonomous systems to perform typical in-field tasks, including harvesting, mowing, and spraying. One of the main objectives of an autonomous system in agriculture is to improve the efficiency while reducing the environmental impact and cost. Due to the nature of these operations, complete coverage path planning (CCPP) approaches play an essential role to find an optimal path which covers the entire field while taking into account land topography, operation requirements, and robot characteristics. The aim of this paper is to propose a CCPP approach defining the optimal movements of mobile robots over an agricultural field. First, a method based on tree exploration is proposed to find all potential solutions satisfying some predefined constraints. Second, a similarity check and selection of optimal solutions method is proposed to eliminate similar solutions and find the best solutions. The optimization goals are to maximize the coverage area and to minimize overlaps, nonworking path length, and overall travel time. To explore a wide range of possible solutions, our approach is able to consider multiple entrances for the robot. For fields with a complex shape, different dividing lines to split them into simple polygons are also considered. Our approach also computes the headland zones and covers them automatically which leads to a high coverage rate of the field.     

未知环境下移动机器人遍历路径规划

为提高未知环境下移动机器人遍历路径规划的效率,提出了一种可动态调节启发式规则的滚动路径规划算法.该算法以生物激励神经网络为环境模型,通过在线识别环境信息特征,动态调用静态搜索算法和环绕障碍搜索算法,有效减少了路径的转弯次数.引入虚拟障碍和直接填充算法,解决了u型障碍区域的连续遍历问题.最后通过仿真实验表明了该方法在未知复杂环境下的有效性.     

基于信息融合的移动机器人定位与路径规划

针对镜面反射引起的声呐测距不准的问题,设计一种加权融合的方法对声呐和摄像头的信息进行融合,使移动机器人能够精确地完成在拐角区域下的自身定位,并给出了机器人的路径规划。通过在先锋3机器人平台上进行的实验结果证明,该方法能够使移动机器人安全、平滑地通过拐角区域。     

Dyna-Q-based vector direction for path planning problem of autonomous mobile robots in unknown environments

Reinforcement learning (RL) is a popular method for solving the path planning problem of autonomous mobile robots in unknown environments. However, the primary difficulty faced by learning robots using the RL method is that they learn too slowly in obstacle-dense environments. To more efficiently solve the path planning problem of autonomous mobile robots in such environments, this paper presents a novel approach in which the robot’s learning process is divided into two phases. The first one is to accelerate the learning process for obtaining an optimal policy by developing the well-known Dyna-Q algorithm that trains the robot in learning actions for avoiding obstacles when following the vector direction. In this phase, the robot’s position is represented as a uniform grid. At each time step, the robot performs an action to move to one of its eight adjacent cells, so the path obtained from the optimal policy may be longer than the true shortest path. The second one is to train the robot in learning a collision-free smooth path for decreasing the number of the heading changes of the robot. The simulation results show that the proposed approach is efficient for the path planning problem of autonomous mobile robots in unknown environments with dense obstacles.     

月球表面巡视探测自主局部避障规划

路径规划是月球表面巡视探测自主导航的重要功能,是提高地外天体表面探测效率和安全性的关键.国外已实现的地外天体表面自主路径规划方法以局部避障为主要目标,不考虑全局目标可达性和完备性,本文针对该问题,提出一种基于地形通过性定量评价和目标可达的综合自主局部避障规划方法,通过对稠密地形数据进行可通过性能的综合评价,并考虑与目标的方位和距离,规划出能够到达目标的避障安全路径.该方法已经成功应用于我国"玉兔号"和"玉兔二号"月球车的自主导航中.     

移动机器人路径规划强化学习的初始化

针对现有机器人路径规划强化学习算法收敛速度慢的问题,提出了一种基于人工势能场的移动机器人强化学习初始化方法.将机器人工作环境虚拟化为一个人工势能场,利用先验知识确定场中每点的势能值,它代表最优策略可获得的最大累积回报.例如障碍物区域势能值为零,目标点的势能值为全局最大.然后定义Q初始值为当前点的立即回报加上后继点的最大折算累积回报.改进算法通过Q值初始化,使得学习过程收敛速度更快,收敛过程更稳定.最后利用机器人在栅格地图中的路径对所提出的改进算法进行验证,结果表明该方法提高了初始阶段的学习效率,改善了算法性能.     

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。     

一种未知环境下的快速路径规划方法*

为提高机器人在未知环境中的快速路径规划能力,引入自由路径表征可以通过的自由空间,引入风险函数评价机器人切入自由路径过程中发生碰撞的风险。通过搜索最优自由路径、评价碰撞风险压缩表示环境信息,使得未知环境中利用模糊控制器进行局部路径规划的实时性大为提高。与虚拟势场法等传统方法相比,其无局部最小,且极大缓解了狭窄环境中的振荡现象。实验及仿真均表明该方法实时性好、规划所得路径优于已有方法。     

激光—相机系统语义栅格建图和路径规划

目的 SLAM（simultaneous localization and mapping）是移动机器人在未知环境进行探索、感知和导航的关键技术。激光SLAM测量精确，便于机器人导航和路径规划，但缺乏语义信息。而视觉SLAM的图像能提供丰富的语义信息，特征区分度更高，但其构建的地图不能直接用于路径规划和导航。为了实现移动机器人构建语义地图并在地图上进行路径规划，本文提出一种语义栅格建图方法。方法 建立可同步获取激光和语义数据的激光-相机系统，将采集的激光分割数据与目标检测算法获得的物体包围盒进行匹配，得到各物体对应的语义激光分割数据。将连续多帧语义激光分割数据同步融入占据栅格地图。对具有不同语义类别的栅格进行聚类，得到标注物体类别和轮廓的语义栅格地图。此外，针对语义栅格地图发布导航任务，利用路径搜索算法进行路径规划，并对其进行改进。结果 在实验室走廊和办公室分别进行了语义栅格建图的实验，并与原始栅格地图进行了比较。在语义栅格地图的基础上进行了路径规划，并采用了语义赋权算法对易移动物体的路径进行对比。结论 多种环境下的实验表明本文方法能获得与真实环境一致性较高、标注环境中物体类别和轮廓的语义栅格地图，且实验硬件结构简单、成本低、性能良好，适用于智能化机器人的导航和路径规划。