基于人工路标和立体视觉的移动机器人自定位

针对室内移动机器人的自定位问题,提出一种基于人工路标和双目视觉的室内移动机器人自定位方法。首先设计了一种可扩展的彩色人工路标,并给出路标的编码方法;然后利用色彩空间变换,直线交比不变性以及自适应窗口实现路标检测与识别;最后在分析双目立体视觉模型的基础上建立起基于路标的双目立体视觉定位模型,实现移动机器人的准确定位。实验结果表明,路标对光照和视觉传感器的采集位置具有较强的鲁棒性,定位精度能够满足室内移动机器人的定位要求。     

基于双目视觉动态跟踪的机器人标定

采用双目视觉动态跟踪技术对自主研发的工业机器人进行运动学标定。区别于以往机器人运动学标定中复杂模型计算,在此利用双目视觉动态跟踪系统的静态测量和动态跟踪等优势特性来跟踪测量机器人的连杆参数误差,结合机器人控制系统开放性特点,运用提出的动态标定原理对机器人实施连杆参数测量、辨识、修正及补偿。实验表明,通过参数反馈补偿,自主研发的机器人的定位误差明显降低,且该方法易于实现,为机器人精度研究提供了可靠依据。     

基于全景视觉的移动机器人同步定位与地图创建研究

提出了一种基于全景视觉的移动机器人同步定位与地图创建（Omni-vSLAM）方法．该方法提取 颜色区域作为视觉路标;在分析全景视觉成像原理和定位不确定性的基础上建立起系统的观测模型,定位出 路标位置,进而通过扩展卡尔曼滤波算法（EKF）同步更新机器人位置和地图信息．实验结果证明了该方法在 建立环境地图的同时可以有效地修正由里程计造成的累积定位误差．     

一种基于视觉的移动机器人定位系统

具有自主的全局定位能力是自主式稳定机器人传感器系统的一项重要功能,为了实现这个目的,国内外均在不断地研究发展各种定位传感器系统,这里介绍了一种采用光学蝗全方位位置传感器系统,该传感器系统由主动式路标、视觉传感器、图象采集与数据处理系统组成,其视觉传感器和数据处理系统可安装在移动机器人上,然后可通过观测路标物「视角定位的方法,计算出机器人在世界坐标系中的位置和方向,实验证明,该系统可以只的在线定位,     

基于视觉伺服的仓储物流机器人自动定位技术

针对当前仓储物流机器人自动定位技术视觉信息反馈延迟,无法确定深度信息,导致定位误差较大、延迟时间较长的问题.提出了基于视觉伺服的仓储物流机器人自动定位方法.通过几何地图描述全局环境模型,确定机器人结构,分析视觉伺服定位原理,根据雅可比矩阵,标定摄像机位置,利用Parzen窗方法预测像素空间密度,提取主成分,建立误差模型,实现仓储物流机器人自动定位.仿真实验证明,所提方法的定位误差较小,能够有效降低定位延迟时间,满足信息反馈实时性要求.     

基于YOLOv2视觉的路标检测系统与应用

针对于封闭园区内物资和外卖递送，及疫情时期社区内消毒喷洒等情况下出现的人手不足和效率低的问题，提出了一种基于YOLOv2视觉的路标检测系统来帮助无人小车和机器人实现在封闭园区内的自主巡航功能。该系统基于YOLOv2算法实现，拟通过机器视觉识别路标来解决自主巡航的问题。YOLOv2算法通过FPS和MAP来表示路标检测的效率和准确性，其整个YOLOv2网络结构由19个卷积层、5个池化层和批量标准化层构成特征提取网络。通过该网络结构将路标物体中心点与分割出的网络单元格进行匹配，利用所得的IOU分数作为回归Label值，再通过载入模型网络平台不断训练得到的路标识别模型，完成机器视觉帮助无人物流车和机器人自主巡航运送物资的应用。     

全景视觉在机器人自主定位中的应用

研究一种基于全景视觉的机器人自主定位的方法。利用光学视觉原理，设计了一种全景视觉传感器，从而获得机器人周围环境的全方位景物的图像。通过去除全景图像的噪声、分割颜色阈值、计算中心点等处理，识别出机器人周围景物的已知路标，采用三角定位法，计算出机器人的坐标，从而为机器人的导航、避碰等任务奠定良好的基础。实验结果表明，此方法对于机器人自主定位具有一定的可行性。     

一种基于全局位置估计误差的路标探索策略

自主移动机器人在未知环境中探索和估计路标的方法主要基于SLAM技术。提出一种以全局定位误差最小化为指导的基于SLAM的探索策略。以全局定位误差的估计为准则,采用Monte Carlo采样来贪心地优化每一步的行走路径。考虑到SLAM估计的惯性,文中对较大转弯角度进行惩罚,使机器人更倾向于平滑的行走轨迹,从而进一步提高路标位置的估计精度。文中还将全局定位信息引入SLAM的机器人自身位置估计中,由于全局定位信息历史运动轨迹,该方法能够有效地校正当机器人移动变化过大时SLAM估计的误差。实验显示了文中方法的有效性。     

双目视觉在助老助残机器人定位系统中的应用

为帮助上肢活动不便的老人、残疾人完成自主进食等行为,开发了一套基于双目视觉的助老助残机器人定位系统。通过蓝色激光引导实现对双目相机视野范围内任意物体的定位。采用多自由度助老助残机器人和Bumblebee2立体视觉系统构建定位实验系统,定位误差在1.2 cm范围内,满足对助老助残机器人定位精度的要求。     

SLAM 问题中机器人定位误差分析与控制

移动机器人同步定位与建图问题 (Simultaneous localization and mapping, SLAM) 是机器人能否在未知环境中实现完全自主的关键问题之一. 其中, 机器人定位估计对于保持地图的一致性非常重要. 本文分析了 SLAM 问题中机器人定位误差的收敛特性. 分析表明随着机器人的运动,机器人定位误差总体上逐渐增大; 在完全未知环境中无法预测机器人定位误差的上限. 根据理论分析, 本文提出了一种控制机器人定位误差在单位距离上增长速度的算法. 该算法通过搜索获得满足定位误差限制的最佳的机器人运动速度, 从而控制机器人定位误差的增长.