基于人工路标的室内机器人导航方法

在室内环境下,以往的人工路标设计方案,其识别算法复杂,准确率较低,而且难以满足实时性的要求.针对这样的问题,本文设计了两种新的人工路标:定位人工路标和纠偏人工路标,不仅可以有效地帮助室内移动机器人导航定位和纠偏,而且具有识别简单快速的优点.机器人实时识别定位人工路标,并根据识别的纠偏人工路标来调整自身的位置和运动方向,使得机器人可以沿着事先规划好的路径顺利前行.通过实验表明,在室内光线较暗、适中、强光三种光线条件下,两种人工路标识别准确率高,且识别速度快,能够满足导航实时性的要求.     

基于近红外视觉的机器人室外定位系统

在光照条件可变且存在电磁干扰的环境下,针对机器人室外导航任务,提出了一种基于全景近红外视 觉和编码路标的自定位系统．通过近红外光源照明,利用全景视觉识别采用条形编码格式的路标,并利用扩展卡尔 曼滤波算法（EKF）融合视觉数据和里程计数据,从而实现机器人自定位．实验证明,该方法消除了室外大范围导航 时光照变化对机器人定位结果的影响．     

多传感器信息融合在移动机器人定位中的应用

机器人自定位是实现自主导航的关键问题之一。为了满足机器人在导航时精确定位的要求,提出一种基于多传感器信息融合的自定位算法。根据对机器人运动机构的分析和运动机构间的刚体约束,建立起机器人的运动学模型;由传感器的工作原理建立里程计和超声波传感器的观测模型;利用扩展卡尔曼滤波(EKF)算法将里程计和超声波传感器采集的数据进行融合;最后,由匹配的环境特征对机器人的位置进行修正,得到精确的位置估计。实验结果表明:该算法明显地消除了里程计的累计误差,有效地提高了定位精度。     

基于人工路标的易部署室内机器人全局定位系统

在一些布局易变或存在较多动态障碍物的室内,移动机器人的全局定位依然面临较大的应用挑战.针对这类场景,实现了一种新的基于人工路标的易部署室内机器人全局定位系统.该系统将人工路标粘贴在不易被遮挡的天花板上来作为参照物,仅依赖一个摄像头即能实现稳定的全局定位.整个系统根据具体的功能分为地图构建和全局定位两个过程.在地图构建过程中,系统使用激光SLAM算法所输出的位姿估计结果为基准,根据相机对路标点的观测信息来自动估计人工路标点在全局坐标系中的位姿,建立人工路标地图.而在全局定位过程中,该系统则是根据相机对地图中已知位姿的人工路标点的观测信息,结合里程计与IMU融合的预积分信息来对位姿进行实时估计.充分的实验测试表明,机器人在该系统所部署范围内运行的定位误差稳定在10 cm以内,且运行过程可以保证实时位姿输出,满足典型实际室内移动机器人全局定位的应用需求.     

基于多元M序列的人工路标设置方法

针对基于路标组的机器人定位方法中存在的定位不确定性问题,提出一种基于多元M序列的人工路标设置方法.利用多元M序列的最长周期特性,使用最少种类的路标,生成满足路标组全局唯一性要求的路标设置方案.该方法通过减少路标种类来扩大路标特征差异,进而提高定位对测量噪声的抗干扰能力.该方法在变电站巡检机器人系统平台上的实验,以及在不同测量噪声条件下的仿真结果,表明了其有效性.     

基于多传感器的全向足球机器人自定位

随着对足球机器人智能水平的要求进一步提高,机器人足球委员会将比赛场地的立柱、球门颜色取消.这使以前的基于球门、立柱地标的足球机器人自定位方法失效了.本文提出了一种利用了里程计、罗盘和全景摄像头多种传感器信息的视觉图像特征匹配的足球机器人自定位方法.首先,机器人通过里程计和罗盘取定一个可能位姿.然后,由视觉处理系统把机器人的可能位姿当作变换因子对实时拍摄到的场景图像作旋转、平移变换.最后,将变换后的图像中的白线与参考图像中的白线相比较,选择使图像匹配程度最大的变换因子作为机器人自定位的结果.实验结果表明该自定位方法达到了较高定位精度并能满足比赛的高实时性要求.     

基于光束平差法的双目视觉里程计研究

机器人自定位是实现机器人自动导航及其他智能行为的前提, 一种基于光束平差法的移动机器人双目视觉里程计可以有效地实现机器人自定位. 为此, 首先采用点模式匹配方法建立相邻图像之间的特征匹配关系, 根据立体视觉算法得到匹配点对的三维对应关系; 然后, 计算摄像机的相对运动参数, 并采用光束平差分段优化算法对其进行优化. 所提出的双目视觉里程计能够避免车轮半径变化、空转、打滑等对里程计测量精度的影响, 相对定位精度较高.

     

面向林地环境的四足机器人自主定位方法

林地是四足机器人野外作业的典型场景,其树木多且间距小,对四足机器人快速导航的定位频率和精度提出了更高的要求。采用腿部里程计定位可以获得较高的更新频率,但林地地面松软、凹凸不平等会引起足端打滑,使其精度降低;而激光雷达定位,虽然林地环境特征丰富,但其存在一定匹配误差且更新频率低,也难以满足快速导航要求。针对此问题,提出了一种适用于林地环境的自主定位方法,采用腿部里程计去除激光雷达点云畸变,并分别提取林地地面和树干特征进行匹配,提高激光雷达定位精度;在激光雷达2次定位之间采用中值和窗口滤波融合腿部里程计的插值数据,提高定位频率。在林地实验中,四足机器人行走110 m,最终偏移为0.09 m,在设定路线导航下最终定位值与期望值相差0.2 m,定位频率500 Hz,四足机器人能准确顺利地完成导航任务。     

一种迷宫机器人的人工脑系统

提出一种迷宫机器人的人工脑系统,包括迷宫路标感知单元与行为决策单元.其中,感知单元基于ARTI神经网络,用于识别迷宫导向路标;决策单元基于行为概率实现矩阵,并以强化学习更新行动策略.机器人所在迷宫的特征为每个路口设有导向路标,路标为含噪声的符号图像.在仿真实验中,令机器人在迷宫中随机行走,通过调节人工脑系统的试验参数,经过一段时间的自主探索学习过程机器人能最终穿越迷宫.仿真实验结果表明,该人工脑系统能够自组织地理解迷宫中导向路标的含义,并引导机器人成功穿越迷宫.同时,该人工脑系统对于基于路标导航的城市巡逻机器人、高危复杂环境下的抢险机器人的研究发展有一定的推动作用.     

大规模环境下拓扑地图在线创建与导航.doc

本文提出了一种新型的拓扑地图，该地图用激光的扇区特征和视觉的比例不变特征（SIFT）来联合表示节点。与传统地图相比，该地图在创建过程中不依赖任何人工路标和机器人的全局定位。机器人通过综合考虑单个节点的相似度和不同节点间的空间关系，利用隐马尔可夫模型来提高节点识别的准确率。实验表明，本文的拓扑地图不仅易于创建和维护，而且适用于机器人在大规模室内环境下的自主导航。     

融合语义激光与地标信息的SLAM技术研究

针对移动机器人在SLAM（即时定位与地图构建）过程中出现的定位失真问题,提出一种通过搭建地标数据库和位姿推导模型,修正机器人错误定位的方法。建图过程中,融合视觉信息与激光数据,得到语义激光,赋予地标语义标签并记录其在地图上的位置信息。导航过程中,当产生定位偏差时,结合多种位姿数据和相对位置关系,推算出机器人在地图上的实际位置,完成重定位。通过实验测试可知,该方法克服了现有机器人在实际室内动态环境下,单一地采用激光或视觉进行定位或重定位技术的缺点和不足,能有效解决“机器人位置漂移问题”。将机器人从当前位置劫持到另一位置,也能根据提出的算法迅速重定位,且定位精度高。     

基于场景图谱的室内移动机器人目标搜索

在移动机器人执行日常家庭任务时,首先需要其能够在环境中避开障碍物,自主地寻找到房间中的物体。针对移动机器人如何有效在室内环境下对目标物体进行搜索的问题,提出了一种基于场景图谱的室内移动机器人目标搜索,其框架结合了导航地图、语义地图和语义关系图谱。在导航地图的基础上建立了包含地标物体位置信息的语义地图,机器人可以轻松对地标物体进行寻找。对于动态的物体,机器人根据语义关系图中物体之间的并发关系,优先到关系强度比较高的地标物体旁寻找。通过物理实验展示了机器人在语义地图和语义关系图的帮助下可以实现在室内环境下有效地寻找到目标,并显著地减少了搜索的路径长度,证明了该方法的有效性。     

QR码导航的室内目标搜寻机器人研究

针对室内的目标搜寻问题, 开发研制了一套使用Android手机作为主要处理设备、可远程操控和使用语音控制的机器人系统。介绍了该系统的结构组成, 提出了一套基于人工路标的导航方案。该方案应用QR码作为人工路标引导机器人运动到指定区域, 然后识别出目标位置, 最后通过判断目标区域面积是否达到阈值的方法停在目标附近位置, 基于有限状态机实现机器人的模式切换。对目标检测和人工路标识别分别进行了实验, 结果验证了该方案的有效性和实用性。     

基于单目视觉的仓储物流机器人定位方法

针对轮式仓储物流机器人的自主定位问题,提出了一种基于视觉信标和里程计数据融合的室内定位方法。首先,通过建立相机模型巧妙地解算信标与相机之间的旋转和平移关系,获取定位信息;然后,针对信标定位方式更新频率低、定位信息不连续等问题,在分析陀螺仪和里程计角度误差特点的基础上,提出一种基于方差加权角度融合的方法实现角度融合;最后,设计里程计误差模型,使用Kalman滤波器融合里程计和视觉定位信息弥补单个传感器定位缺陷。在差分轮式移动机器人上实现算法并进行实验,实验结果表明上述方法在提高位姿更新率的同时降低了角度误差和位置误差,有效地提高了定位精度,其重复位置误差小于4 cm,航向角误差小于2°。同时该方法实现简单,具有很强的可操作性和实用价值。     

Camera Recognition and Laser Detection based on EKF-SLAM in the Autonomous Navigation of Humanoid Robot

The ability of autonomous navigation of the humanoid robot under unknown environment is very important to real-life applications. EKF-SLAM based on the camera recognition and laser detection for humanoid robot NAO is presented in this paper. Camera recognition is used to recognize if the object is a landmark. Because the computational resources needed for the feature-based position estimation are quite expensive, the laser instead of the camera provides the position of the landmark. A fractional order proportional-integral (PI) controller is designed to reduce the derivation of the NAO robot from the desired path during autonomous navigation. Experiments show that the proposed method is valid and reliable for autonomous navigation of the NAO robot under unknown environment.     

单目视觉人工路标辅助INS的组合导航定位方法

提出一种单目视觉人工路标辅助惯性导航系统(Inertial Navigation System,INS)的定位方法。首先设计人工路标,并用相机拍摄各预先设置的人工路标,记录拍摄每个路标时相机位置和姿态,建立视觉路标库。在利用惯性导航系统定位过程中,对单目相机采集到的图像进行路标提取、与路标库中相应路标进行匹配,估计当前相机位置和姿态,然后利用卡尔曼滤波将视觉匹配估计的位置信息和INS有效地融合。实验结果表明:传统航位推算方法的平均误差为0.715 m,本文组合导航方法的平均误差为0.154 m,该方法有效地提高了惯性导航定位的精度。     

基于容积卡尔曼平滑滤波的管道缺陷定位技术

针对管道测量系统MEMS惯性元件的漂移,且难于获得GPS信息进行有效误差累积抑制的问题,创建了管道测量系统9维系统状态误差方程和基于速度差和基准点位置差的观测方程,提出采用容积卡尔曼平滑滤波算法。该算法由以里程轮速度为观测量的正向容积卡尔曼滤波算法和以基准点位置为起点的反向平滑两级滤波组成,实现管道缺陷地理坐标的最优估计。管道缺陷定位实验结果表明,该算法能有效补偿长航时导航参数误差,10 km测量精度可以达到10-3数量级,能够满足管道内检测定位精度要求。     

基于特征点分类策略的移动机器人运动估计

为解决移动机器人视觉导航系统在进行机器人运动估计时使用传统运动估计算法计算时间较长而导致实时性较差的问题,提出了一种基于特征点分类策略的移动机器人运动估计方法。根据移动机器人视觉导航系统提供的特征点三维坐标计算出特征点与机器人的距离,从而将特征点分为远点与近点。远点对于机器人的旋转运动是敏感的,因此可用于计算移动机器人的旋转矩阵;近点对于机器人的平移运动是敏感的,因此可用于计算机器人的平移矩阵。仿真实验中,当远点与近点数为原特征点数目的30%时,基于特征点分类策略的运动估计计算精度与传统RANSAC算法相当,并能减少60%的计算时间。仿真结果表明,基于特征点分类策略的运动估计方法能在不降低计算精度的前提下有效减少计算时间,在特征点数目较多时也能很好地适应实时性要求。