室内自主式移动机器人定位方法

定位是确定机器人在其工作环境中所处位置的过程.应用各种传感器感知信息实现可靠的定位是自主式移动机器人最基本、也是最重要的一项功能之一.本文对室内自主式移动机器人的定位技术进行了综述,介绍了当前自主式移动机器人定位方法的研究现状.同时,对国内外具有典型性的研究方法进行了较洋细的介绍,并重点提出了几种室内自主式移动机器人通用的定位方法,对其中的地图构造、位姿估计方法进行了详细介绍.最后,论述了自主式移动机器人定位系统与地图构造中所面临的主要问题及其解决方法并指出了该领域今后的研究方向.     

机器人同时定位与地图构建技术研究*

移动机器人同时定位与地图创建是实现未知环境下机器人自主导航的关键性技术,具有广泛的应用前景,也是目前机器人研究的热门课题之一。针对国内外近年来关于移动机器人同时定位与地图创建的研究工作进行了总结和分析,重点介绍了机器人的地图创建方法类别、基于概率理论的自主定位方法、同时定位与地图创建的问题描述及研究方法等方面的发展现状及存在的不足。     

基于环境特征的机器人同时定位与地图创建

移动机器人同时定位和地图创建是实现移动机器人完全自主导航的关键.本文提出了一个通用的移动机器人同时定位与地图创建基本框架,接着对扩展卡尔曼滤波器算法进行了详细的分析,最后通过基于点特征和扩展卡尔曼滤波器的同时定位与地图创建仿真实验,验证了框架的可行性.目的是为开展同时定位与地图创建的研究提供一种可行的研究方案,以推动我国移动机器人技术的发展.     

未知环境中移动机器人SLAM问题的研究进展

移动机器人的定位与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．特别侧重于未知环境中机器人并发定位与地图创建(SLAM)问题；比较详细地分析了地图表示方法、定位和环境特征的提取、不确定信息的表示和处理等关键技术：同时对几种典型的SLAM方法进行了介绍：阐述了移动机器人SLAM问题研究中所面临的主要问题．并探计了将来的发展方向。     

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．     

移动机器人导航技术现状与展望

移动机器人导航涉及到路径规划，传感器的选择及传感器信息的融合等技术．本文综述了自主式移动机器人的导航技术，对其中的定位、路径规划及多传感器信息融合等技术进行了较详细的分析．同时对移动机器人导航技术的发展趋势作了进一步的阐述．     

一种基于RGB-D的移动机器人未知室内环境自主探索与地图构建方法

提出了一种基于RGB-D信息的移动机器人自主探索与地图构建方法.首先,基于RGB-D传感器提供的信息,通过定位点生成、地图构建与闭环检测,实时构建3D点云地图.然后,将探索过程描述成部分可观测马尔可夫决策过程,结合局部地图推演策略与全局边界搜索策略,建立了移动机器人的自主探索方法.在此基础上,确定移动机器人当前动作约束,采用动态窗运动控制方法,既能避免移动机器人陷入局部最优,又能保证采用RGB-D数据进行建图时的稳定性.最后,开展了实验室场景下的探索任务实验,验证了本文提出的移动机器人未知环境自主探索与地图构建方法的有效性.     

激光测距在移动机器人自主导航中的应用

移动机器人在运动范围内需要有足够的传感器信息可供利用来进行自主导航,在完全未知的环境中,由机器人依靠其自身携带的传感器所提供的信息建立环境模型是机器人进行自主定位和导航的前提之一。介绍了激光测距在移动机器人自主导航中的应用研究;通过二维测距传感器对其周围环境进行扫描,提出了自主导航中地图创建、定位如何用二维扫描获得三维数据流的算法描述,并实验验证该算法的运用使机器人获得一个很好的三维视觉结构图。     

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。     

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．     

移动机器人SLAMiDE系统设计与实现

针对动态环境下移动机器人同时定位与建图(SLAM)问题,设计一种动态环境SLAM系统——SLAMiDE,给出系统的整体结构框架和实现过程。该系统通过动态目标检测、SLAM和动态目标跟踪同时实现动态地图构建、静态地图构建和机器人定位。实验结果证明,该系统是正确、可行的。     

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.     

基于粒子滤波的移动机器人SLAM改进算法

针对未知环境中移动机器人同时定位和地图创建(Simultaneous Localization and Map Building,SLAM)由于机器人位姿和环境地图都不确定导致定位和地图创建变得更加复杂,提出一种局部最优(全局次优)参数法,即通过局部最优的位姿创建局部最优的环境地图,再通过局部最优的环境地图寻求局部最优的位姿,如此交替进行,直到得到全局确定性的位姿和确定性的环境地图。实验结果表明,同标准的基于粒子滤波的SLAM算法(Particle Filtering-SLAM,PF-SLAM)比较,改进的算法提高了机器人SLAM过程中定位的准确度和地图创建的精确度,为机器人在未知的室外大环境同时定位和地图创建提供新的方法。     

基于视觉的机器人自主定位与障碍物检测方法

针对稀疏型同时定位与地图构建（SLAM）算法环境信息丢失导致无法检测障碍物问题，提出一种基于视觉的机器人自主定位与障碍物检测方法。首先，利用双目相机得到观测场景的视差图。然后，在机器人操作系统（ROS）架构下，同时运行定位与建图和障碍物检测两个节点。定位与建图节点基于ORB-SLAM2完成位姿估计与环境建图。障碍物检测节点引入深度阈值，将视差图二值化；运用轮廓提取算法得到障碍物轮廓信息并计算障碍物凸包面积；再引入面积阈值，剔除误检测区域，从而实时准确地解算出障碍物坐标。最后，将检测到的障碍物信息插入到环境的稀疏特征地图当中。实验结果表明，该方法能够在实现机器人自主定位的同时，快速检测出环境中的障碍物，检测精度能够保证机器人顺利避障。     

基于ORB-SLAM的室内机器人定位和三维稠密地图构建

针对在室内机器人定位和三维稠密地图构建系统中,现有方法无法同时满足高精度定位、大范围和快速性要求的问题,应用具有跟踪、地图构建和重定位三平行线程的ORB-SLAM算法估计机器人三维位姿;然后拼接深度摄像头KINECT获得的三维稠密点云,提出空间域上的关键帧提取方法剔除冗余的视频帧;接着提出子地图法进一步减少地图构建的时间,最终提高算法的整体速度。实验结果表明,所提系统能够在大范围环境中准确定位机器人位置,在运动轨迹为50 m的大范围中,机器人的均方根误差为1.04 m,即误差为2%,同时整体速度为11帧/秒,其中定位速度达到17帧/秒,可以满足室内机器人定位和三维稠密地图构建的精度、大范围和快速性的要求。     

Dual FastSLAM: Dual Factorization of the Particle Filter Based Solution of the Simultaneous Localization and Mapping Problem

The process of building a map with a mobile robot is known as the Simultaneous Localization and Mapping (SLAM) problem, and is considered essential for achieving true autonomy. The best existing solutions to the SLAM problem are based on probabilistic techniques, mainly derived from the basic Bayes Filter. A recent approach is the use of Rao-Blackwellized particle filters. The FastSLAM solution factorizes the Bayes SLAM posterior using a particle filter to estimate over the possible paths of the robot and several independent Kalman Filters attached to each particle to estimate the location of landmarks conditioned to the robot path. Although there are several successful implementations of this idea, there is a lack of applications to indoor environments where the most common feature is the line segment corresponding to straight walls. This paper presents a novel factorization, which is the dual of the existing FastSLAM one, that decouples the SLAM into a map estimation and a localization problem, using a particle filter to estimate over maps and a Kalman Filter attached to each particle to estimate the robot pose conditioned to the given map. We have implemented and tested this approach, analyzing and comparing our solution with the FastSLAM one, and successfully building feature based maps of indoor environments.     

Efficient autonomous global localization for service robots using dual laser scanners and rotational motion

This study presents an alternative global localization scheme that uses dual laser scanners and the pure rotational motion of a mobile robot. The proposed method extracts the initial state of the robot’s surroundings to select robot pose candidates, and determines the sample distribution based on the given area map. Localization success is determined by calculating the similarity of the robot’s sensor state compared to that which would be expected at the estimated pose on the given map. In both simulations and experiments, the proposed method shows sufficient efficiency and speed to be considered robust to real-world conditions and applications.

     

Correlation-Based Scan Matching Using Ultrasonic Sensors for EKF Localization

This paper presents a localization method for a mobile robot equipped with only low-cost ultrasonic sensors. Correlation-based Hough scan matching was used to obtain the robot’s pose without any predefined geometric features. A local grid map and a sound pressure model of ultrasonic sensors were used to acquire reliable scan results from uncertain and noisy ultrasonic sensor data. The robot’s pose was measured using correlation-based Hough scan matching, and the covariance was calculated. Localization was achieved by fusing the measurements from scan matching with the robot’s motion model through the extended Kalman filter. Experimental results verified the performance of the proposed localization method in a real home environment.