基于DSmT的移动机器人地图构建及传感器管理

针对智能移动机器人探测未知环境的问题,引入了一种新的信息融合方法DSmT(Dezert-Smarandache Theo-ry),采用栅格地图,并根据声纳在DSmT框架下的数学模型,利用经典DSm模型构造了一组能自动调节误差范围的声纳基本信度赋值函数(gbbaf),以处理未知环境下声纳获取的不确定和不精确信息,甚至于高冲突信息。提出了简单有效的传感器管理方法,完全消除了复杂环境下声波的多次反射和串扰现象。最后,用Pioneer 2-DX机器人分别进行了DSmT和DST(Dempster-Shafer Theory)两种算法的地图构建实验,并绘制了相应的二维基本信度赋值地图。将DSmT与DST构建出的环境地图做比较,充分验证了DSmT及提出的传感器管理方法在未知环境下的有效性,为处理动态高冲突信息提供了有力的理论依据。     

动态环境中移动机器人地图构建的研究进展

大部分现有的移动机器人地图构建方法都是基于静态环境的假设,而实际应用中移动机器人的工作环境是随时间变化的.综述了动态环境中移动机器人地图构建的最新研究进展,介绍了基于地图、基于运动和基于跟踪的检测动态障碍物的各种方法,分析比较了动态环境中移动机器人过滤运动障碍物传感器观测信息和结合运动障碍物传感器观测信息构建环境地图的主要方法,并总结了各种方法的优缺点.探讨了动态环境中移动机器人地图构建存在的难点问题,并展望了该领域的研究方向.     

基于全向视觉的移动机器人实时全局地图构建

实时全局地图构建是实现移动机器人智能化的关键;研究了一种基于全向视觉的移动机器人全局地图的实时构建方法.首先介绍了全向视觉的体系结构,然后对图像处理软件的相关模块,包括基于颜色的阈值分割、区域连通、特征提取和目标识别等进行了说明,最后通过坐标的转换实现全局地图的构建;实验结果表明,由于充分利用了全向视觉的特性,构建的全局地图准确性高、实时性好,完全能够满足移动机器人对环境建模的需要.     

基于混合DSm模型的多机器人地图构建

针对多移动机器人探测静态未知环境,提出了多机器人的一类新的体系结构和机器人内部控制结构,采用分布式融合框架,引入了最近提出的一种在贝叶斯和DST扩展而来的信息融合理论DSmT,结合限制传播算法,建立了不精确传感器(声纳)的混合DSm模型.构造了基本信度赋值函数,计算每个栅格的基本信度值(gbba),有效地融合了多个移动机器人使用声纳获取到的不精确、不确定和高冲突环境信息.最后,以Pioneer 2-DXe机器人作为实验平台,将由混合DSm模型构建出的静态环境地图与实际环境布局做比较,并利用openGL绘制出三维置信度分布图,充分验证了所提出的算法和基于通信的多机器人系统的有效性.     

基于超声波的移动机器人的同时定位和地图构建

为了在移动机器人SLAM过程中得到更精确的定位和二维地图构建,对一种利用超声波传感器信息进行栅格地图创建的方法提出了改进;该方法利用Bayes法则对信息进行融合,利用粒子滤波和航位推算相结合的方法对机器人进行精确定位和创建地图,然后利用移动的栅格法进行地图的全局更新,提出了一种地图的校验方法;通过实验,在粒子数为200的情况下分别得到了算法改进前和改进后的地图构建结果,通过比较,证明了使用该算法进行移动机器人定位和地图构建更加精确。     

一种移动机器人环境模型——灰色定性地图

针对移动机器人的环境建模问题,提出一种综合拓扑地图和儿何地图特点的混合环境模型——灰色定性地图.用凸剖分算法将环境中的自由空间分解为一组凸多边形.灰色定性地图的定性层由凸多边形及其之间的邻接关系构成,用于模拟人类在路径规划时的高层定性推理.定量层由凸多边形顶点的坐标和势场向量构成,用于决定机器人在连续空间中的运动方向和速度.理论分析和实验均表明:灰色定性地图可以模拟人类对环境认知的知识表达,并且可以仪由凸多边形邻接信息和顶点信息支持机器人完成路径规划且确保路径的平滑性,有效地降低了环境模型的空间复杂度.     

移动机器人同步定位与地图构建研究进展

同步定位与地图构建（Simultaneous localization and mapping, SLAM）作为能使移动机器人实现全自主导航的工具近来倍受关注.本文对该领域的最新进展进行综述,特别侧重于一些旨在降低计算复杂度的简化算法的分析上,同时对它们进行分类,并指出其优点和不足.本文首先建立了SLAM问题的一般模型,指出了解决SLAM问题的难点;然后详细分析了基于EKF的一些简化算法和基于其他估计思想的方法;最后,对于多机器人SLAM和主动SLAM等前沿课题进行了讨论,并指出了今后的研究方向.     

基于MIEKF的移动机器人同时定位与地图构建研究*

由于移动机器人处在未知并且不确定的环境中,主要采用基于概率的方法对同时定位与地图构建(SLAM)进行描述。本文建立了SLAM问题的概率表示模型,并对在解决SLAM问题中用最常用的扩展卡尔曼滤波(EKF)算法以及迭代扩展卡尔曼滤波(IEKF)算法进行描述。本文针对两种算法的缺陷和不足,将应用于跟踪领域的修正迭代扩展卡尔曼滤波算法(MIEKF)与SLAM思想结合,提出了一种新的基于MIEKF的SLAM算法。通过基于点特征的SLAM实验验证了该算法的有效性。     

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。     

地图构建中动态障碍干扰滤除的一种方法

在移动机器人环境建图中,动态障碍物的存在直接影响传感器的读数,导致产生不一致的环境地图,因此,移动机器人构建地图必须滤除动态障碍物干扰。采用直线插补的方法在先前的局部图上搜寻机器人与目标点之间是否存在障碍物,若存在障碍,则可判定该障碍物已移走(即为动态障碍),应该予以滤除。实验结果证明,该方法能在建图过程中有效地滤除动态障碍,并能有效减少静态障碍物探测的误差累积,算法复杂度小。     

室内未知环境下移动机器人特征地图创建研究

介绍了在室内未知环境下移动机器人利用激光雷达、电子罗盘和里程计等传感器信息创建特征地图的方法;从激光雷达数据中提取直线特征作为地图的主要环境描述特征,采用构建直线模板的方法对雷达数据进行分簇,通过最小二乘法拟合出相应的直线并对冗余地图线段进行合并,从而得到较精确的特征地图;实验表明该机器人建立的环境特征地图是精确有效的,且与栅格地图相比数据量小,可进一步用于机器人的避障、路径规划等复杂任务.     

移动机器人几何2拓扑混合地图的构建及自定位研究

基于墙角、房门和通路等高级环境特征的辨识与提取,依据几何和拓扑环境模型完成混合地图的构建,并根据混合地图的特点,提出在局部几何环境采用扩展卡尔曼滤波算法实现移动机器人的位姿跟踪,而在拓扑地图的节点位置则根据绑定的高级环境特征进行位姿再校正的混合定位方法.将该方法应用于实际移动机器人平台,所得结果证明了方法的有效性和实用性.     

基于经典DSmT 的Sonar栅格地图创建

基于最近提出的一种在贝叶斯和DST扩展而来的信息融合算法DSmT(Dezert-Smarandache Theory),在实验的基础上,结合Sonar测量的基本特性,对静态结构化环境建模,并构造了广义基本信度赋值函数,利用经典DSm融合规则,融合每个栅格的声纳冗余信息,计算栅格占用的Bel.最后,以Pioneer Ⅱ 移动机器人作为试验平台,并在线对小型环境进行了3D栅格占用信度分布地图创建,其俯视图与实际2D地图中的物体外观轮廓及所在位置进行比较,其比较结果充分验证了算法的有效性,为进一步研究应用基于折扣理论的DSmT解决异类或同类非可靠多源信息融合,基于Hybrid DSmT的动态环境地图创建,以及多机器人联合创建地图和自定位奠定了坚实的基础.     

基于细化算法的移动机器人拓扑地图创建

在大规模未知环境中,移动机器人要自主完成导航和路径规划等智能任务,关键问题是创建周围环境地图.拓扑地图.以图(Graph)的结构形式表现-个环境的连通性,是一种紧凑的环境表示方法.文中借鉴图像处理中的细化算法来创建室内环境的拓扑地图,首先以栅格地图建模机器人环境,然后将环境的栅格地图进行细化,提取出环境的有效拓扑信息.而且,此方法创建的拓扑地图,未直接使用传感器原始数据,对环境的变化具有较强的鲁棒性.仿真实验结果表明,基于细化算法创建的环境拓扑地图,清晰、简洁,不会产生多余的节点和路径信息.相比于栅格地图,信息存储量明显减少,从而提高了移动机器人自主运行、导航和路径规划的能力,大大提高了系统的工作效率.     

移动机器人地图创建中的不确定传感信息处理

该文研究移动机器人自主创建地图中的不确定传感信息处理问题,基于灰色系统理论提出了一种新的对传感信息进行解释和融合的方法用于声纳信息的处理,并以此建立环境的栅格地图.声纳的传感信息存在较大的不确定性,这里引入灰数的概念来表示和处理这种不确定性,对于机器人在不同位置的测量结果,根据灰色系统理论对信息的理解方式设计融合方法,得到一个对环境的整体表示.通过仿真环境和真实机器人平台上进行的创建地图实验,表明这种方法具有良好的鲁棒性和准确度.     

基于激光传感器的移动机器人地图创建研究

主要研究了室内自主移动机器人基于激光传感器在未知环境下的地图创建的问题.分析了目前地图创建的方法,采用一种"聚合-分割-聚合"的方法提取线段用以表示环境信息,分为区域分割、线段提取和线段拟合三步骤.在区域分割和线段提取中提出动态阈值的方法,使得分割更为精确,能在较短的时间内获得一个精确的地图,最后采用最小二乘线段拟合方法获得线段参数.通过与当前全局地图比较,创建和更新全局地图.