基于场景识别的移动机器人定位方法研究

提出了一种基于场景识别的移动机器人定位方法．对CCD采集的工作环境的系列场景图像,用多通道Gabor 滤波器提取场景图像的全局纹理特征,然后通过SVM分类器来识别场景图像,实现机器人的逻辑定位．在移动机器人CASIA-I 上对该算法进行了实验．实验结果表明,该定位方法可达到91.11%的定位准确率,对光照、对比度等因素有较强的鲁棒性,并且满足机器人实时定位的要求．     

含驱动器动力学的移动机器人编队自适应控制

针对含有驱动器及编队动力学的多非完整移动机器人编队控制问题,基于领航者-跟随者[l-ψ]控制结构,通过反步法设计了一种将运动学控制器与驱动器输入电压控制器相结合的新型控制策略。采用径向基神经网络（RBFNN）对跟随者及领航者动力学非线性不确定部分进行在线估计,并通过自适应鲁棒控制器对神经网络建模误差进行补偿。该方法不但解决了移动机器人编队控制的参数与非参数不确定性问题,同时也确保了机器人编队在期望队形下对指定轨迹的跟踪;基于Lyapunov方法的设计过程,保证了控制系统的稳定与收敛;仿真结果表明了该方法的有效性。     

一种基于分布式EKF的多机器人协同定位方法

研究多机器人编队的导航问题,针对多机器人传感器带来的噪声信号影响定位精度,为了提高系统定位精度,提出了一种基于分布式扩展卡尔曼滤波(DEKF)的多机器人协同定位方法.根据航位推算建立单机器人跟踪目标的定位模型后建立编队多机器人的协同定位模型,利用量测信息,通过扩展卡尔曼滤波(EKF)估计各编队机器人局部定位信息,将所得的局部估计值利用优化的融合规则进行处理,得到编队中各机器人的定位数据.通过对单机器人和编队多机器人协同定位进行仿真,结果表明,编队机器人能够利用协同定位方法进行实时定位,且具有更高的定位精度.     

多移动机器人的领航-跟随编队避障控制

针对多移动机器人的编队控制问题,提出了一种结合Polar Histogram避障法的领航-跟随协调编队控制算法。该算法在领航-跟随l-φ编队控制结构的基础上引入虚拟跟随机器人,将编队控制转化为跟随机器人对虚拟跟随机器人的轨迹跟踪控制。结合移动机器人自身传感器技术,在简单甚至复杂的环境下为机器人提供相应的路径运动策略,实现实时导航的目的。以两轮差动Qbot移动机器人为研究对象,搭建半实物仿真平台,进行仿真实验。仿真结果表明:该方法可以有效地实现多移动机器人协调编队和避障控制。     

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.     

基于单应性矩阵的移动机器人编队跟随控制

本文针对以领航跟随模型为代表的移动机器人编队系统提出了一种基于单应性的编队跟随控制方案,在给定理想队形间隔距离和理想期望图像的前提下,利用单应性矩阵构造可反映理想队形中跟随机器人实时位姿的虚拟机器人,将原先的编队问题转化为对虚拟机器人的轨迹跟踪问题.编队跟随过程中,领航机器人的速度采用估计的方式,利用单应性与速度之间的关系模型以及跟随机器人的实时速度能较为准确的估计领航速度,从而避免采用局部通信的方式,节省了编队实验成本.最后本文进行的半实物仿真以及实物实验均可验证所提出的编队跟随算法包括速度估计方法的实际有效性.     

基于概率栅格地图的移动机器人可定位性估计

基于广泛使用的概率栅格地图,提出了一种移动机器人可定位性估计方法.通过对定位Fisher信息矩阵进行栅格离散化,提出了静态可定位性矩阵,该矩阵适用于已知地图条件下的离线估计.在此基础上,针对在线估计中环境存在的非预期动态变化问题,采用局部感知的未知障碍物影响因子来修正静态可定位性矩阵,进而得到动态可定位性矩阵,该矩阵定量描述了机器人可定位性能力及其方向性.各种典型环境下的机器人实验结果表明了所提方法的有效性.     

基于多传感器融合的机器人编队ADRC控制

针对移动机器人编队问题,设计了一种基于多传感器信息融合和自抗扰控制器的编队控制系统。首先,为提高机器人的定位精度,采用卡尔曼滤波算法对激光数据和里程计数据进行融合,以更加精确的获得移动机器人的坐标信息,并建立主从机器人轨迹跟踪误差模型。进而设计了自抗扰控制器,完成扩张状态观测器以及控制规律的设计,实现移动机器人的跟踪编队控制。最后,设计了编队控制实验平台,并在该平台上验证了所提出方法的有效性和优越性。     

基于云的多自主移动机器人编队控制技术研究

针对多自主移动机器人编队过程中,机器人复杂的动态运算和大量数据存储问题,本文提出一套基于云服务器存储大量数据和云计算复杂动态编队的解决方法.首先,选择合适的云服务器,云系统配置好后,建立数据库用来存放数据,进行云端动态计算;其次,搭建一套相机定位检测和机器人动态移动的系统模型,确定机器人运动的位置坐标;再次,确定选用无线通信的类型,将云服务器与本地的系统连接,进行数据传输;最后,搭建多机器人的编队系统,确定编队队形后,将编队算法存放云服务器.再整体对提出的方法进行测试和验证,实验结果表明,机器人的位置数据放在云服务器存储以及动态编队在云端计算,较本地存储计算更准确安全、速度更快、误差较小.因此得出结论:基于云服务器的多自主移动机器人编队控制具有很大的可行性,也是人工智能领域具有价值性的研究.     

基于轨迹跟踪车式移动机器人编队控制

针对车式移动机器人的运动学模型特点, 提出一种基于轨迹跟踪多机器人编队控制方法. 首先利用编队结构参数确定队形, 根据编队轨迹和相关参数生成虚拟机器人, 把编队控制转化为跟随机器人对虚拟机器人的轨迹跟踪; 然后运用反步法构造车式移动机器人轨迹跟踪系统的Lyapunov 函数, 通过使该函数负定, 得到跟随机器人的轨迹跟踪控制器; 最后在Microsoft robotics developer studio 4 (MRDS4) 中搭建3D 仿真平台, 设计了3 组实验, 所得结果表明了所提出方法的有效性.     

Position estimation of a mobile robot using images of a moving target in intelligent space with distributed sensors

Latest advances in hardware technology and state-of-the-art of mobile robots and artificial intelligence research can be employed to develop autonomous and distributed monitoring systems. A mobile service robot requires the perception of its present position to co-exist with humans and support humans effectively in populated environments. To realize this, a robot needs to keep track of relevant changes in the environment. This paper proposes localization of a mobile robot using images recognized by distributed intelligent networked devices in intelligent space (ISpace) in order to achieve these goals. This scheme combines data from the observed position, using dead-reckoning sensors, and the estimated position, using images of moving objects, such as a walking human captured by a camera system, to determine the location of a mobile robot. The moving object is assumed to be a point-object and projected onto an image plane to form a geometrical constraint equation that provides position data of the object based on the kinematics of the ISpace. Using the a priori known path of a moving object and a perspective camera model, the geometric constraint equations that represent the relation between image frame coordinates for a moving object and the estimated robot's position are derived. The proposed method utilizes the error between the observed and estimated image coordinates to localize the mobile robot, and the Kalman filtering scheme is used for the estimation of the mobile robot location. The proposed approach is applied for a mobile robot in ISpace to show the reduction of uncertainty in determining the location of a mobile robot, and its performance is verified by computer simulation and experiment.     

一种低功耗程控滤波器的设计

针对目前移动机器人同时定位与地图创建(SLAM)研究中多采用激光雷达或超声环作为测距传感器导致系统复杂、成本高的问题,提出了一种利用舵机带动单超声传感器扫描的低成本设计方案。在高斯超声模型基础上,利用贝叶斯公式对栅格地图进行概率更新,并结合Sobel边缘检测算法提取特征点,实现了由不确定的移动机器人坐标系向固定的以环境特征点为原点的全局环境坐标系的转换及全局定位,为在相同环境下通过重复实验进行多地图融合研究奠定了基础。该低成本移动机器人设计的有效性通过实验得以验证。     

Cloud‐based Real‐time Outsourcing Localization for a Ground Mobile Robot in Large‐scale Outdoor Environments

Cloud robotics is the application of cloud computing concepts to robotic systems. It utilizes modern cloud computing infrastructure to distribute computing resources and datasets. Cloud‐based real‐time outsourcing localization architecture is proposed in this paper to allow a ground mobile robot to identify its location relative to a road network map and reference images in the cloud. An update of the road network map is executed in the cloud, as is the extraction of the robot‐terrain inclination (RTI) model as well as reference image matching. A particle filter with a network‐delay‐compensation localization algorithm is executed on the mobile robot based on the local RTI model and the recognized location both of which are sent from the cloud. The proposed methods are tested in different challenging outdoor scenarios with a ground mobile robot equipped with minimal onboard hardware, where the longest trajectory was 13.1 km. Experimental results show that this method could be applicable to large‐scale outdoor environments for autonomous robots in real time.     

模糊PID控制下移动机器人定位方法研究

机器人定位研究一直是机器人学研究的重点,但目前机器人定位方法都存在缺点,抗干扰能力差,不能做到准确定位,主要是由于环境等多方面因素的干扰,定位误差会逐渐加大;由于上述原因,提出了一种基于设定值加权模糊PID控制的移动机器人自定位方法;给出了定位过程的参数,为机器人移动建立模型,设计一种模糊 PID 控制器,根据误差及变化率大小,选择模糊定位或PID定位,实现移动机器人的智能定位,提高机器人定位准确的准确性;通过仿真实验结果证明:模糊PID控制的机器人自定位方法对移动机器人的定位过程有较好的改善作用,实用效果较好。     

基于运动视的移动机器人定位方法

提出了一种新颖的基于运动视的定位方法．该方法从机器人接近的目标上选取两个特征点并根据它们的图像坐标确定机器人运动前后相对于目标的位姿．本文还提出了一种能够更准确地找出特征点图像坐标的搜索算法．试验结果表明该方法有较高的定位精度和较强的鲁棒性．     

Robust vision-based localization by combining an image-retrieval system with Monte Carlo localization

In this paper, we present a vision-based approach to mobile robot localization that integrates an image-retrieval system with Monte Carlo localization. The image-retrieval process is based on features that are invariant with respect to image translations and limited scale. Since it furthermore uses local features, the system is robust against distortion and occlusions, which is especially important in populated environments. To integrate this approach with the sample-based Monte Carlo localization technique, we extract for each image in the database a set of possible viewpoints using a two-dimensional map of the environment. Our technique has been implemented and tested extensively. We present practical experiments illustrating that our approach is able to globally localize a mobile robot, to reliably keep track of the robot's position, and to recover from localization failures. We furthermore present experiments designed to analyze the reliability and robustness of our approach with respect to larger errors in the odometry.     

嵌入式移动机器人视觉定位及地图构建系统设计

设计了一种具有定位和导航功能的嵌入式移动机器人,采用双控制器协同工作模式并具有多种感知模块;在设计的嵌入式平台上进行了单目视觉定位和导航研究;通过彩色路标和电子罗盘实现对机器人的定位,分析了摄像机成像原理,给出了世界坐标系和图像坐标系的映射关系,简化了机器人定位的难度;通过超声波传感器旋转测距获得周围环境信息,对环境信息处理后建立地图的栅格模型;实验表明该定位方法能够准确提取路标的重心,具有较好的定位精度,减少了计算时间;通过超声波数据可以比较准确的建立环境模型,能够满足避障要求。     

一种有效的移动机器人里程计误差建模方法

移动机器人里程计误差建模是研究移动机器人定位问题的基础. 现有的移动机器人里程计误差建模方法多数针对某一种驱动类型移动机器人设计, 运动过程中缺乏对里程计累计误差的实时反馈补偿, 经过长距离运动过程定位精度大幅度降低. 因此本文针对同步驱动和差动驱动轮式移动机器人平台提出了一种通用的里程计误差建模方法. 在假设机器人运动路径近似弧线基础上, 依据里程计误差传播规律推导了非系统误差、系统误差与里程计过程输入之间的近似函数关系, 进而提出一种具有闭环误差实时反馈补偿功能的移动机器人定位算法, 对定位过程中产生的里程计累计误差给予实时反馈补偿. 实验表明新算法有效地减少了里程计累计误差, 提高了定位精度.     

一种新颖的基于两个特征点的室内移动机器人定位方法

提出了一种新颖的基于两个特征点的室内移动机器人定位方法。与已有的几何位姿估计方法或航标匹配方法不同，该方法不需要人工航标，也不需要准确的环境地图，只需一幅由传统的CCD相机拍摄的图像。从机器人接近的目标上选取相对于地面等高的两个点作为两个特征点。基于这两点建立一个目标坐标系。在相机平视且这两个特征点与相机投影中心相对于地面不是恰好等高的条件下，就可以根据这两个特征点在图像中的坐标确定机器人相对于目标坐标系的位置和运动方向。该方法非常灵活，适用范围广，可以大大简化机器人定位问题。试验结果表明这一新的方法不仅简单灵活而且具有很高的定位精度。     

A novel mobile robot localization approach based on topological maps using classification with reject option in omnidirectional images

Mobile robot localization, which allows a robot to identify its position, is one of main challenges in the field of Robotics. In this work, we provide an evaluation of consolidated feature extractions and machine learning techniques from omnidirectional images focusing on topological map and localization tasks. The main contributions of this work are a novel method for localization via classification with reject option using omnidirectional images, as well as two novel omnidirectional image data sets. The localization system was analyzed in both virtual and real environments. Based on the experiments performed, the Minimal Learning Machine with Nearest Neighbors classifier and Local Binary Patterns feature extraction proved to be the best combination for mobile robot localization with accuracy of 96.7% and an Fscore of 96.6%.