基于RTAB-Map视觉里程计的地形环境高程建图研究

在基于视觉的即时定位与建图（Simultaneous Localization and Mapping,SLAM）中，RTAB-Map是一个比较经典的解决方案，它包含有鲁棒的视觉里程计，同时也提供稠密点云地图、2D占据栅格地图和Octomap(3D占据栅格地图)三种地图构建形式。但稠密点云地图数据量大，无法适用于机器人导航；2D占据栅格地图虽数据量小，但无法反映复杂地形特征，一般只用于室内扫地机器人导航；Octomap能较好地反映三维空间内障碍物的信息，多用于无人机的导航，但对于地面移动机器人来说存在信息冗余。为RTAB-Map扩展了2.5D高程栅格地图构建模块，这种地图可以很好地反映地形环境特征，且地图所占用存储空间更小，更能充分利用移动机器人有限的存储和计算资源。     

基于深度Q网络的仿人机器人步态优化

为实现仿人机器人快速稳定的行走，在满足有效参数组合的条件下，提出一种基于深度强化学习的步行参数训练算法以优化机器人步态。首先，从环境中捕获机器人步态模型参数作为DQN的输入；然后，用DQN来拟合机器人行走产生的状态-动作值函数；最后，通过动作选择策略选择当前机器人执行的步态动作，同时产生奖励函数达到更新DQN的目的。选择NAO仿真机器人为实验对象，在RoboCup3D仿真平台上进行实验，结果证明在此算法下，NAO仿人机器人可以获得稳定的双足步行。     

仿人机器人逆运动学在线求解方法研究

针对仿人机器人逆运动学在线求解问题,从计算实时性与数值稳定性的角度展开研究。分析了仿人机器人下肢拓扑结构,建立其运动学模型与前向运动学描述,根据当前机器人逆运动学算法研究成果,将几何方法与阻尼最小二乘法相结合,并结合分段阻尼思想,提出一种仿人机器人在线逆运动学求解算法。根据运动规划结果,将所提方法与基于雅可比矩阵的广义逆方法通过仿真算例进行对比,验证了所提方法在奇异位形附近的数值稳定性和在线实施的可行性。     

基于仿人机器人的Monte Carlo定位算法研究

针对RoboCup标准组比赛平台仿人机器人NAO定位的特殊问题,在研究通用Monte Carlo定位算法基础上,构建NAO的运动模型和感知模型。通过增加一组随机粒子,改进通用Monte Carlo定位算法,增强MCL算法对于定位失败及仿人机器人NAO被"绑架"问题的适应性。最后通过仿人机器人NAO的静态定位、动态定位以及被"绑架"后的定位实验,验证了算法的有效性和鲁棒性。     

双足机器人NAO爬楼步态规划

双足机器人的爬楼梯性能是衡量其在复杂环境下行走能力的一项重要指标.本文针对双足机器人NAO爬楼梯步态规划问题,提出一种离线步态规划方法：基于几何法建立机器人爬楼梯逆运动学模型;将运动解耦为前向运动和侧向运动,对于起步、中步和止步三个阶段,采用加速度空间法和几何约束规划法,计算各关节运动轨迹,并基于其逆运动学模型,得到各关节角序列;分别基于NAOSim和NAO进行虚拟样机仿真实验和实物样机验证.实验结果表明,步态规划方法合理有效.     

一种基于迭代的质心逆运算的方法

通过已知质心精确反解计算仿人机器人各关节的角度是一个经常遇到的问题。在双足行走,平衡控制等领域都很常见。但对于自由度高的仿人机器人系统,质心逆运算比较困难,尤其在双足支撑情况下,问题变为一个多自由度的并联机构,此时需要额外的约束和限制条件,使得计算非常复杂。本文基于Levenberg-Marquardt算法来解决复杂关节的逆解问题,研究在给定踝关节的情况下,用假定质心固定身体上的简化模型来使得真实质心逼近目标点,然后通过重复逼近缩小误差。我们通过NAO仿人机器人模型上的模拟验证了该算法实现了较高的准确性和计算效率。     

点云模型的谱聚类分割

为了实现点云模型的有意义分割,提出一种基于谱聚类的分割算法.首先用图G表示点云模型,将分割问题转化为图切割问题;然后根据归一化的非对称Laplacian矩阵构造谱聚类空间;最后通过移除掉多余的特征向量,在一个更低维的空间中找到了分割问题的松弛解.文中还给出了该算法相关定理的证明,并通过实验验证了算法的正确性和有效性.     

煤炭勘探及救援机器人最优路径规划研究

为了解决三维环境中的煤炭勘探及救援机器人路径规划问题,提出了一种基于改进蚁群算法的煤炭勘探及救援机器人最优路径规划方法。利用栅格法创建了三维空间环境模型,建立了煤炭勘探及救援机器人的路径规划目标函数;通过引入新的启发函数因子、节点随机选择机制、局部更新和全局更新相结合的策略分别对算法的节点转移概率设计、节点选择策略和信息素更新策略进行了优化改进。Matlab仿真结果表明,在三维空间环境模型中,传统蚁群算法和改进蚁群算法均能为煤炭勘探及救援机器人搜索出一条最优路径;在不同任务要求下,改进蚁群算法能有效缩短搜索路径长度和降低路径搜索时间,且具有较强的决策能力和较好的收敛性能。     

基于体感的仿人机器人步态学习与控制

针对现有理想化步态动力学模型规划方法复杂、人为指定参数过多、计算量大的问题,提出一种基于体感数据学习人体步态的仿人机器人步态生成方法。首先,用体感设备收集人体骨骼信息,基于最小二乘拟合方法建立人体关节局部坐标系;其次,搭建人体与机器人映射的运动学模型,根据两者间主要关节映射关系,生成机器人关节转角轨迹,实现机器人对人类行走姿态的学习;然后,基于零力矩点(ZMP)稳定性原则,对机器人脚踝关节转角采用梯度下降算法进行优化控制;最后,在步态稳定性分析上,提出使用安全系数来评价机器人行走稳定程度的方法。实验结果表明,步行过程中安全系数保持在0~0.85,期望为0.4825,ZMP接近于稳定区域中心,机器人实现了仿人姿态的稳定行走,证明了该方法的有效性。     

基于HMCD的仿人机器人单杠运动控制策略

为完成仿人机器人单杠运动,分析了欠驱动单杠机器人Acrobot模型,并根据IHOG技术要求、实物机器人本体结构和自由度配置,提出了基于HMCD的控制策略.通过单杠视频捕捉获取人体运动数据,根据仿人机器人模型分析关键特征点、基本动作的运动数据得到的关键帧的关节角数据,经过运动学约束调整,采用插值方法生成能够应用于仿人机器人的运动轨迹.在MF-1型仿人机器人单杠实物平台上进行控制实验的成功,验证了该方法的有效性.     

实时解析法在NAO模型运动学求逆解中的应用

为了提高RoboCup3D仿真平台中球员在运动过程中的精确性和稳定性,提出一种针对仿人机器人NAO模型的运动学实时求逆解方法。首先,分析了NAO模型的下肢拓扑结构,并且建立了其前向运动学模型;然后,通过实时的逆运动学解析法推导出机器人下肢关节各个关节角的求解方程;最后,通过编码实现该算法。实验结果验证了该方法的求解数值稳定性和在线实施的可行性,提升了RoboCup3D仿真球队的整体竞技水平。     

混合视觉系统的运动物体检测和静态地图重建

复杂动态背景环境下的运动物体检测和静态地图重建中容易出现运动物体检测不完整的问题。针对上述问题,提出了一种混合视觉系统下点云分割辅助的运动物体检测方法。首先,提出了直通滤波+随机采样一致性（PassThrough+RANSAC）方法来克服大面积墙壁干扰以实现点云地面点的识别;其次,将非地面点数据作为特征点投射到图像上,并估计其光流运动向量和人工运动向量,从而对动态点进行检测;然后,采用动态阈值策略对点云进行欧氏聚类;最后,整合动态点检测结果与点云分割结果来完整地提取出运动物体。此外,通过八叉树地图（Octomap）工具将点云地图转换为三维栅格地图以完成地图的构建。通过实验结果和数据分析可知,所提方法可以有效提高运动物体检测的完整性,同时重建出低损耗、高实用性的静态栅格地图。     

点云数据在深度学习中表示方法的研究

为了实现在深度学习中能够端到端表示点云模型,提出基于八叉树和K-D树（OctKD）的点云数据表示方法。该方法将无组织的点云转换为体素空间,在体素空间对三维模型进行八叉树剖分,改进了八叉树编码方式;构建节点间的邻接关系,在GPU端并行构建八叉树;为了克服八叉树编码检索效率低的问题,采用三维K-D树索引单个三维空间点。实验结果表明该方法能够真实反映模型本身的细节特征,提高了点云模型的构造时间和检索效率。这种新的数据结构实现将点云转换为卷积神经网络可以接收的数据形式。     

An efficient motion generation method for redundant humanoid robot arms based on motion continuity

This paper proposes a novel method of motion generation for redundant humanoid robot arms, which can efficiently generate continuous collision-free arm motion for the preplanned hand trajectory. The proposed method generates the whole arm motion first and then computes the actuators’ motion, which is different from IK (inverse kinematics)-based motion generation methods. Based on the geometric constraints of the preplanned trajectory and the geometric structure of humanoid robot arms, the wrist trajectory and elbow trajectory can be got first without solving inverse kinematics and forward kinematics. Meanwhile, the constraints restrict all feasible arm configurations to an elbow-circle and reduce the arm configuration space to a two-dimension space. By combining the configuration space and collision distribution of arm motion, collision-free arm configurations can be identified and be used to generate collision-free arm motion, which can avoid unnecessary forward and inverse kinematics. The experiments show that the proposed method can generate continuous and collision-free arm motion for preplanned hand trajectories.     

LiDAR/IMU紧耦合的实时定位方法

本文以实现移动小型智能化系统的实时自主定位为目标, 针对激光里程计误差累计大, 旋转估计不稳定, 以及观测信息利用不充分等问题, 提出一种LiDAR/IMU紧耦合的实时定位方法 — Inertial-LOAM. 数据预处理部分, 对IMU数据预积分, 降低优化变量维度, 并为点云畸变校正提供参考. 提出一种基于角度图像的快速点云分割方法, 筛选结构性显著的点作为特征点, 降低点云规模, 保证激光里程计的效率; 针对地图构建部分存在的地图匹配点搜索效率低和离散点云地图的不完整性问题, 提出传感器中心的多尺度地图模型, 利用环形容器保持地图点恒定, 并结合多尺度格网保证地图模型中点的均匀分布. 数据融合部分, 提出LiDAR/IMU紧耦合的优化方法, 将IMU和LiDAR构成的预积分因子、配准因子、闭环因子插入全局因子图中, 采用基于贝叶斯树的因子图优化算法对变量节点进行增量式优化估计, 实现数据融合. 最后, 采用实测数据评估Inertial-LOAM的性能并与LeGO-LOAM, LOAM和Cartographer对比. 结果表明, Inertial-LOAM在不明显增加运算负担的前提下大幅降低连续配准误差造成的误差累计, 具有良好的实时性; 在结构性特征明显的室内环境, 定位精度达厘米级, 与对比方法持平; 在开阔的室外环境, 定位精度达分米级, 而对比方法均存在不同程度的漂移.     

Long-term experiments with an adaptive spherical view representation for navigation in changing environments

Real-world environments such as houses and offices change over time, meaning that a mobile robot’s map will become out of date. In this work, we introduce a method to update the reference views in a hybrid metric-topological map so that a mobile robot can continue to localize itself in a changing environment. The updating mechanism, based on the multi-store model of human memory, incorporates a spherical metric representation of the observed visual features for each node in the map, which enables the robot to estimate its heading and navigate using multi-view geometry, as well as representing the local 3D geometry of the environment. A series of experiments demonstrate the persistence performance of the proposed system in real changing environments, including analysis of the long-term stability.     

拟人机器人TH-1手臂运动学

拟人机器人手臂的主要特点是它的运动功能，能够实现握手、行走时掌握平衡等动作．本文 主要针对自行设计的具有转摆结构的拟人机器人TH-1手臂机构进行了运动学分析，为其控 制提供数学基础．提出了坐标变换、三角变换等方法，巧妙求解出拟人机器人TH-1手臂逆 向运动学的解析表达式．建立了仿真软件平台，验证了运动学正逆向方程的有效性．     

CMAC在仿人机器人逆运动学计算中的应用

本文采用关节角位移和末端位姿误差作为小脑模型神经网络(CMAC)的输入,根据仿人机器人的正运动学模型来调整CMAC的权值,使网络最终逼近仿人机器人的逆模型,从而得到末端位姿到各个关节角的映射关系,避免了传统解析方法面临的计算量大、解不唯一的问题。MATLAB仿真结果表明,利用CMAC对仿人机器人的逆运动学问题求解,可以保证机器人位姿较好地跟踪给定的参考轨迹,说明CMAC能够逼近仿人机器人的逆运动学模型。     

基于神经网络的仿人跑步机器人步态规划

为了快速生成仿人机器人跑步运动轨迹,研究了一种用于仿人机器人跑步步态生成的步态规划器。采用三维弹簧倒立摆模型描述跑步过程中仿人机器人质心运动规律,奔跑时机器人质心轨迹及落脚点位置可以由四个步态参数来确定,从而将步态规划问题转化成步态参数优化问题,求解了500余种不同运动状态下的步态参数。建立了基于三层BP神经网络的步态规划器,将优化结果作为训练样本训练神经网络。用上述规划器实现了仿人机器人跑步步态规划并对规划结果进行了仿真验证。研究结果表明,基于BP神经网络的步态规划器可以实现步态参数的快速计算,生成的跑步步态逼真;提出的跑步运动步态规划方法可行,为仿人机器人实时轨迹生成提供了一种解决方法。