基于红外传感器的移动微机器人定位研究

综合概率论的思想,采用基于红外传感器的微机器人粒子滤波定位方法在已知环境中实现微机器人的自定位.因微机器人受尺寸效应影响无法安装位置传感器,故采用计步的方法存储机器人的运动信息.观测模型采用适合小尺寸微型机器人的红外测距地图匹配方式.因微机器人的存储能力有限,故采用分块存储地图的方法,便于微机器人快速加载地图而完成地图匹配,从而加速其定位过程.实验验证了微机器人的定位性能.     

基于无线传感器网络的机器人定位跟踪研究

针对基于无线传感器网络的机器人定位提出了一种分段极大似然质心算法。将质心法引入极大似然估计算法中,通过计算已预测结果的质心提高目标位置的预测精度。考虑到WSN系统的超声定位实时性较差,采用扩展卡尔曼滤波算法将WSN系统改进定位算法与机器人航位推算进行融合以跟踪机器人位姿,从而提高了定位精度和系统动态性能。仿真结果表明：在不同锚节点个数和不同测距误差条件下,分段极大似然质心算法均能取得良好的定位效果;采用扩展卡尔曼滤波算法的数据融合,进一步提高了机器人轨迹跟踪的精度。     

基于惯性传感器的工业机器人定位误差补偿方法

为了提高工业机器人定位误差补偿和稳定性控制能力,提出基于惯性传感器的工业机器人定位误差补偿方法,结合视觉传感器与惯性传感器信息融合的方法,进行工业机器人定位控制的约束参数分析,采用惯性传感器进行工业机器人定位参数信息采集和识别,提取工业机器人定位参数的空间分布信息特征量,通过光学运动跟踪识别的方法进行工业机器人定位过程...     

多传感器融合改进的机器人定位决策

在复杂的不确定环境里,采用单一传感器对机器人进行定位时精度较低,并且易受干扰,可靠性较差。针对这一问题在粒子滤波器移动机器人SLAM算法的基础上,利用多传感器融合对算法进行改进,将观测信息进行特征级融合,充分利用各种传感器采集的冗余信息,并将融合后的观测信息分别用来估计机器人路径和环境特征的后验概率分布。仿真试验表明,改进后的算法在SLAM定位精度及可靠性上都有较大的提高,证明了该种方法的可行性。     

无线传感器网络中一种模糊加权目标定位方法

提出了一种无线传感器网络( WSNs)中的模糊加权定位算法,利用探测节点RSSl值的估计距离为平面离散栅格分配权值,通过比较累计权值搜索出目标坐标,其模糊性使得该方法能够有效地抵抗各种强度的噪声,设定可调模糊度适应不同的衰落信道,在单目标定位中具有非常高的稳定性.针对多目标定位,提出变型的权值模型,设计了去模糊化算法将多个目标坐标提取出来.对实验仿真结果作出了评估,并提出了多目标定位的限制条件.     

基于智能估计的无线传感器网络定位算法

节点定位是无线传感器网络的基本机制,位置数据是监测事件不可缺少的信息,传感器节点必须首先确定自身的位置.针对无线传感器网络的节点定位问题,提出了基于Free Search优化的智能定位算法,介绍了Free Search优化算法和智能估计的模型.该算法的基本思想是将参数估计问题转化为非线性函数的在线优化问题,利用Free Search获得未知节点坐标的最优估计.仿真结果证明,与最小二乘估计定位算法相比,新算法定位精度显著提高.     

基于视觉和轮速计紧耦合的轮式机器人定位算法研究

轮式机器人在未知环境下的定位是机器人学中一个经过广泛研究但仍然需要进一步提高的问题.VINS-Mono是目前效果最好的算法之一,然而其应用在轮式机器人上会因退化问题导致定位精度下降.本文通过充分利用轮速计与视觉系统之间的耦合关系,提出了一种基于视觉和轮速计紧耦合的轮式机器人定位系统估计器.针对低频视觉信息和高频轮速计信...     

机器人腕力传感器自动标定的方法

利用微型计算机控制机器人操作手及进行信号处理,求解矩阵而得到标定结果,可对机器人腕力传感器进行自动标定。文中对矩阵求解、系统构成、标定方法和步骤以及标定误差进行了分析。     

基于无线传感器网络的机器人高精度定位系统

机器人的定位在运动控制系统和任务执行环节起着至关重要的作用,为了提高机器人在特殊环境中作业的定位精度,设计了一种基于无线传感器网络的机器人高精度定位系统。在微处理器ATmega1280的硬件平台上采用芯片NanoPAN5375接收信号强度指示(RSSI)进行测距定位,并利用对称双边双路测距和极大似然估计算法大大提高了定位精度;同时,使用基于轮询的时分多址接入协议和表驱动簇路由协议,解决了多机器人协同作业定位问题,并使系统在网络性能设计上得到了平衡;通过在60m×60m区域内的实验表明,该系统工作稳定可靠,测量的相对定位误差小于0.25m,具有较高的定位精度,适用于机器人在矿井搜救、核泄漏检测和火山探索等特殊环境下的定位需要。     

室内定位方法综述

近年来,随着情景感知、环境智能等应用需求不断增加,对用户位置信息精度的要求也在不断提高。因室内环境复杂、缺乏统一的基础性架构等因素,室内定位方法逐渐成为用户定位领域的研究热点。考虑到室内定位方法的基础架构、位置精度、方法普适性等因素,将现有的室内定位方法分成3大类:基于特定设备的定位方法、基于WIFI的定位方法和基于移动传感器的定位方法。针对具体定位算法及不同算法的性能、特点和优劣等进行探讨和分析,最后总结当前室内定位方法领域的研究现状,并简要介绍该领域未来的研究方向及发展趋势。     

基于SUPERMAP的手机监控系统

结合中国移动快捷的通讯网络和SuperMap地理信息系统软件的优点,建立基于LBS的手机监控系统.通过中国移动的基站获得位置信息,以短消息方式传递位置信息,达到对手机终端进行监控的目的.加上地理信息系统丰富的空间信息,实现了手机终端用户在任何时间、任何地点都可以监控到本机和其他授权手机终端的位置信息及其他与位置相关的商务信息,给用户的生活和工作带来了极大的便利.     

移动定位策略及实现框架

定位管理是移动计算的一个重要课题。基于位置数据库的树型表示,在考虑主机移动模式和主机访问历史的基础上,本文提出了低层改进树型定位策略,并给出了CORBA实现框架。     

一种基于MLP的移动终端定位实现方法

提出一种新的基于移动位置协议的移动终端定位实现方法,这种方法适用面比较宽、通用性比较好。在简要描述该方法所基于的协议,并详细描述该方法原理之后,给出使用该方法实现对手机进行定位的一个应用。     

移动机器人导航空间表示及SLAM问题研究

导航研究是移动机器人研究的承要领域之一。 空间表示则是移动机器人导航研究的基础性问题。围绕移动机器人导航空间表示,该文首先对目前广泛采用的空间分解表示,几何特征表示,拓扑地图表示等多种移动机器人导航空间表示方法进行详细的归纳和总结。通过对移动机器人导航空间各种表示疗法进行性能对比,指出各种空间表示方法的优点与不足。最后,对移动机器人导航研究中的同时定位与地图创建（SLAM）问题作了阐述,指出SLAM研究面临的问题,探讨了SLAM的未来研究方向。     

无线ATM及其移动性管理

文章对无线ATM的一些关键技术进行了分析,提出了在ATM网络中支持终端移动性的网络体系结构—移动ATM(Mobile ATM),并重点讨论了位置管理和切换管理问题。     

Evaluating location management schemes for third generation mobile networks

Several strategies have been proposed recently to improve the performance of the IS-41 location management scheme. A forwarding pointers' strategy and a built-in memory strategy are proposed to reduce the signaling cost for location update and improve the IS-41 location update procedure. In this paper, we present a performance analysis of each strategy in an arbitrary time interval. In this analysis, users are classified by their call to mobility ratio which is defined as the call arrival rate divided by the mobility rate. We evaluate each of these strategies using this call to mobility ratio in order to come up with a set of recommendations that determine when each strategy is beneficial and for which class of users. We provide also a simplified analysis of the database loads generated by each strategy.     

Vision-based global localization for mobile robots with hybrid maps of objects and spatial layouts

This paper presents a novel vision-based global localization that uses hybrid maps of objects and spatial layouts. We model indoor environments with a stereo camera using the following visual cues: local invariant features for object recognition and their 3D positions for object pose estimation. We also use the depth information at the horizontal centerline of image where the optical axis passes through, which is similar to the data from a 2D laser range finder. This allows us to build our topological node that is composed of a horizontal depth map and an object location map. The horizontal depth map describes the explicit spatial layout of each local space and provides metric information to compute the spatial relationships between adjacent spaces, while the object location map contains the pose information of objects found in each local space and the visual features for object recognition. Based on this map representation, we suggest a coarse-to-fine strategy for global localization. The coarse pose is estimated by means of object recognition and SVD-based point cloud fitting, and then is refined by stochastic scan matching. Experimental results show that our approaches can be used for an effective vision-based map representation as well as for global localization methods.