基于ROS的室内自主导航移动机器人系统实现

为可靠地实现室内移动机器人自主导航、巡航等功能,提出并实现一种在机器人操作系统(ROS)环境下,基于激光雷达的室内移动机器人定位导航系统.系统主要包括激光雷达数据的预处理,基于粒子滤波的Gmapping算法构建栅格地图,自适应蒙特卡罗定位用于室内移动机器人的重定位.A*算法作为全局路径规划算法,动态窗口法(DWA)为局...     

基于非线性优化的激光雷达在线标定算法

为解决移动机器人定位过程中激光雷达位姿标定问题,保证机器人在作业过程中保持外参的精确,分析里程计与激光雷达的外参标定问题,提出基于非线性优化方式的激光雷达位姿标定算法.通过移动机器人里程计与激光帧间匹配之间的关系建立非线性优化的数学模型,根据优化方式求取较为精确的激光雷达位姿信息.该方法灵活性强,可适应不同场景进行标定,在实际机器人进行算法验证,验证结果表明,该算法有效可行,能够较为精确得到激光雷达的位姿.     

基于ROS和SLAM的全向移动语音机器人设计

针对传统嵌入式单片机控制的移动机器人交互少、自主运行能力不足的问题,设计并构建了语音启动的基于ROS元操作系统的移动机器人系统.以Linux系统的微处理器作为核心控制平台,STM32单片机作为下位机,结合激光雷达、GY-85等器件,根据混合硬件架构思想设计了一款全向移动的智能语音机器人.该机器人利用激光雷达采集环境信息,并用hector SLAM算法进行建图,利用AMCL算法进行定位和导航,并且采用了麦克纳姆轮底盘进行全方位的移动.对机器人的语音交互、实时定位和建图的功能进行了实地实验.实验结果表明,该移动机器人具有良好的语音交互、建图精度和系统特性,可有效完成建图定位和导航功能.     

两种基于激光雷达的SLAM算法最优参数分析

激光雷达是移动机器人同步定位与地图构建(SLAM)的重要模块.对目前主流的基于激光雷达的SLAM方法(Gmapping和Hector SLAM)进行研究,借助开源机器人操作系统(ROS),在自主研发的移动机器人平台上配备激光雷达,实现了不同参数配置下两种算法的地图构建.实验为参数最优配置指明了方向,且证明了Hector SLAM的整体构图精度高于Gmapping,但对参数配置要求较高.     

基于激光雷达与双目视觉的移动机器人SLAM研究

为解决移动机器人在环境未知条件下,利用单一传感器自主导航时不能及时定位、构建地图不精确的问题,提出采用一种改进RBPF算法,在计算提议分布时将移动机器人的观测数据(视觉信息与激光雷达信息)和里程计信息融合;针对一般视觉图像特征点提取算法较慢的问题,采用基于ORB算法对视觉图像进行处理以加快视觉图像处理速度的方法;最后通过在安装有开源机器人操作系统(ROS)的履带式移动机器人进行实验,验证了采用该方法可构建可靠性更高、更精确的2D栅格图,提高了移动机器人SLAM的鲁棒性.     

基于ROS的服务机器人关键技术研究与实现

针对服务机器人服务业务的无监督实现问题,设计并实现了一种基于ROS(机器人操作系统)的智能服务机器人系统。该系统包括管理中心、机器人本体和客户端,采用基于ROS系统的node节点分布式架构。管理中心由服务器组成,管理中心是任务管理与执行调度的核心组成部分,负责对系统内各种资源进行管理和调度,机器人本体使用高性能核心处理器搭载环境传感器,通过基于EKF(扩展卡尔曼滤波)的SLAM算法解决移动机器人导航问题,客户端与机器人本体的信息交互采用基于rosbridge的节点通信技术。机器人系统通过语音交互技术实现了语音自主导航。本设计在实验室环境采用Turtlebot机器人进行实际测试,测试结果表明本方案可以初步实现机器人基础服务场景中的自主定位与导航及语音控制功能。     

室内移动机器人平台设计与实现

针对目前智能移动机器人只能在单一楼层间工作的现状,对智能移动机器人在不同楼层间切换工作环境的问题进行了研究。基于机器人操作系统(ROS),设计了一套智能移动机器人研究平台IIMR-I,使用自身携带的激光雷达传感器、惯性测量元件(IMU)、超声波和深度相机感知外界环境信息,使用里程计获取自身位移信息,并通过卡尔曼滤波对传感器数据进行滤波处理。使用即时定位与建图(SLAM)技术,构建分辨率为5 cm的高精度栅格地图,并在此基础上进行全局和局部路径规划,实现了机器人的导航和壁障功能。使用蒙特卡洛定位的方法,在机器人导航过程中可以实时确定机器人位姿,其相对定位精度可达10 cm。通过使用深度相机能够识别出电梯按钮的三维坐标,并使用机械臂按下目标楼层按钮,实现了机器人按电梯的功能。     

基于ROS的粮面巡检机器人导航系统设计

考虑到粮食具有散粒性,采用履带式机器人可以在粮面上平稳运行。设计一种基于机器人操作系统ROS和激光雷达的粮面巡检机器人导航系统,使用基于粒子滤波的Gmapping算法构建栅格地图。全局路径规划使用改进启发函数的蚁群算法,加速收敛速度获得最短路径,应用动态窗口算法以关键点作为中间目标点规划局部路径,实现路径规划以及实时避障功能。经过仿真实验证明,该方案可以准确建立地图,改进的导航算法能够进行路径规划和避障,该方案设计具有可行性和有效性。     

基于行为控制的移动机器人导航方法

针对移动机器人在完全未知或者部分未知的环境中进行自主导航容易陷入各种陷阱的问题,提出了一种基于多行为控制的导航方法;机器人通过激光雷达对周边环境进行感知,并将采集到的信息与行为转换条件进行匹配用于行为转换的决策;同时在该方法中通过栅格地图引入了记忆信息,从而增强机器人对周边环境的认知能力,从而提高机器人的决策能力;通过仿真实验证明了在简单环境中算法的有效性,同时也证明该算法对于某些复杂的环境有效可行,具有优化性、实时性与智能性的特点。     

基于ROS的差分轮式机器人系统的设计

随着基于机器人操作系统(ROS)的移动机器人应用研究的发展,如何实现快速建图、精准导航和语音交互是其面临的主要问题。为优化以上问题的解决方案,对基于ROS的差分轮式机器人系统进行了设计和研究。系统设计主要包括硬件设计、软件设计和试验测试三部分。首先,提出采用统一机器人描述格式(URDF)仿真模型和运动学模型分析,确定差分轮式机器人的结构形状及运动轨迹。其次,采用高效的FastSLAM算法完成定位与地图构建,全局路径规划采用蚁群算法,局部路径算法采用动态窗口(DWA)算法,使系统的建图更快、导航更精准。最后,通过模型仿真和实物测试完成控制效果的验证。试验结果表明,所设计的机器人系统能快速构建SLAM地图,精准完成导航,并通过语音指令控制机器人运动,避开障碍准确到达指定地点。该设计为移动机器人系统在环境感知与多传感器信息融合方面的研究提供了可靠平台,对基于ROS的家庭陪护机器人系统的研究也具有重要的借鉴意义。     

基于VSLAM的自主移动机器人三维同时定位与地图构建

移动机器人在探索未知环境且没有外部参考系统的情况下,面临着同时定位和地图构建（SLAM）问题。针对基于特征的视觉SLAM（VSLAM）算法构建的稀疏地图不利于机器人应用的问题,提出一种基于八叉树结构的高效、紧凑的地图构建算法。首先,根据关键帧的位姿和深度数据,构建图像对应场景的点云地图;然后利用八叉树地图技术进行处理,构建出了适合于机器人应用的地图。将所提算法同RGB-D SLAM（RGB-Depth SLAM）算法、ElasticFusion算法和ORB-SLAM（Oriented FAST and Rotated BRIEF SLAM）算法通过权威数据集进行了对比实验,实验结果表明,所提算法具有较高的有效性、精度和鲁棒性。最后,搭建了自主移动机器人,将改进的VSLAM系统应用到移动机器人中,能够实时地完成自主避障和三维地图构建,解决稀疏地图无法用于避障和导航的问题。     

基于激光扫描测距的机器人粒子滤波定位技术研究

传统的粒子滤波即时定位与地图构建(SLAM)算法在构建地图和目标进行自主定位时,粒子数量大,占用的内存高,重采样之后容易出现粒子匮乏现象,为了提高机器人自主定位的效率,提出了一种改进的重采样策略和粒子更新策略,融入系统模型.在装有机器人操作系统(ROS)的旅行家移动机器人上进行测试,实验结果表明:方法能够有效提升粒子滤波定位的效率.     

激光即时定位与建图算法综述

激光即时定位与建图(SLAM)算法是一种在机器人导航和自主驾驶领域被广泛应用的技术;该技术可以利用激光雷达扫描环境并提取特征点,实现机器人的自主定位和地图构建;针对机器人激光SLAM技术进行研究,分析了各个激光SLAM算法的基本原理,并且对主流SLAM算法进行了现状总结;根据激光SLAM算法的特点以及原理不同,将激光SLAM算法分为：基于滤波器的算法、基于图优化的算法、基于配准的算法、基于学习的算法等;基于上述分类,详细介绍了每个算法的优缺点,并且分述了近两年的主要研究成果;针对移动机器人激光SLAM算法研究现状,对激光SLAM算法的未来发展进行了展望。     

基于ROS与Kinect的移动机器人同时定位与地图构建

同时定位与地图构建(SLAM)技术一直以来都是移动机器人实现自主导航和避障的核心问题,移动机器人需要借助传感器来探测周围的物体同时构建出相应区域的地图。由于传统的1D和2D传感器,如超声波传感器、声呐和激光测距仪等在建图过程中无法检测出Z轴(垂直方向)上的信息,易增加机器人发生碰撞的概率,同时影响建图结果的精确度。本文利用Kinect作为机器人SLAM的传感器,将其采集到的三维信息转化成二维的激光数据进行地图构建,同时借助机器人操作系统(robot operating system,ROS)进行仿真分析和实际测试。结果表明Kinect可以弥补1D和2D传感器采集信息的不足,同时能够较好的保持建图的完整性和可靠性,适用于室内的移动机器人SLAM实现。     

基于激光测距仪全局匹配扫描的SLAM算法研究

针对传统的SLAM(Simultaneous Localization and Mapping)算法构建地图时容易受环境因素和外界条件的的影响,在非线性系统状态下误差修正能力不足,且当机器人位姿都处于未知状态时,移动机器人位姿获取不精确,地图构建SLAM技术特征量的获取比较繁琐、不准确等问题。以电力巡检机器人为平台,研究了基于全局匹配的扫描算法,摒弃传统的栅格地图模型的插值方法,采用双线性滤波的插值方法,保证子栅格单元的精确性,估算栅格占用函数的概率和导数。最后采用此算法解决了SLAM地图构建的问题,并分别在室内室外环境进行实验。实验结果表明：基于激光测距仪的全局匹配扫描的SALM算法,在室内室外两种不同环境下,不受复杂背景的影响,准确地进行机器人位姿定位,以及环境地图的构建     

基于平方根UKF的SLAM算法

同步定位与地图构建（SLAM）是移动机器人实现真正自主的关键,无迹卡尔曼滤波（UKF）由于直接利用系统非线性模型而在SLAM问题中得到广泛的应用。基于平方根滤波可以确保协方差矩阵的非负定的思想,将平方根UKF应用到SLAM问题中,确保了SLAM算法的稳定性,并得到了较高的估计精度。仿真结果表明,该算法是有效的。     

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.     

基于多分辨率搜索与多点云密度匹配的快速ICP-SLAM方法

针对激光SLAM（同步定位与地图创建）的实时性和定位精度问题,为了克服初始位姿不准确情况下增大搜索范围和位姿匹配分辨率对实时性的影响,本文在传统ICP-SLAM（迭代最近邻SLAM）基础上进行改进,提出了一种分层搜索与匹配的快速ICP-SLAM方法．首先,在搜索范围内采用由粗到细的分辨率进行全局搜索,并通过逐渐增加待匹配点的密度进行分步匹配计算．点云匹配过程中,通过构建距离像计算待匹配点的最近邻距离值,其计算复杂度降低为O（1）．其次,通过对点云匹配结果进行优先排序和剪枝,快速排除非最优解．最后,以半数全局最优与全数局部最优原则作为搜索结束判断条件,提高搜索效率．SLAM Benchmark数据集上的测试结果表明,相比于流行的激光SLAM算法Cartographer,所提出的方法取得了更小的平均误差和平方误差,计算效率为Cartographer算法的2~5倍．同时,工业AGV（自动导引车）的实际应用实验验证了在初始位姿未知的情况下,可实现实时的位姿估计与建图,重复定位精度优于1.5 cm．因此,这种快速ICP-SLAM方法能够保证实现准确的定位估计,具有良好的实时性．