激光导航AGV的马尔可夫定位方法研究

针对马尔可夫定位算法由于运算量大而限制了其在激光导航自动导引车中应用的问题,提出了一种降维及栅格信度整体平移计算的简化预测模型计算方法。采用电子罗盘的绝对方向信息直接得到自动导引车的姿态信息,在估计导引车位姿时只考虑求解其平面位置信息代替三维位姿信息;采用傅里叶变换及其逆变换将离散化的栅格信度视为一个整体通过空间域-频域的转换进行平移计算代替对每一个栅格相邻时刻的信度更新。建立了新模型及算法,设计了复合环境下自动导引车的漫游运动仿真,验证了该方法对位姿估计和全局定位的有效性及准确性。     

用概率假设密度滤波实现同步定位与地图创建

针对杂波环境中传统同步定位与地图创建(SLAM)算法无法有效表达传感器多种信息以及容易发生错误数据关联的问题,提出一种基于概率假设密度滤波的SLAM算法。该算法将每一时刻传感器的观测信息和环境地图表示为随机有限集,建立联合目标状态变量;通过概率假设密度(PHD)滤波对机器人位姿和环境地图状态进行同时估计,并利用粒子滤波实现PHD滤波。在进行目标状态提取时,为避免聚类算法引入的误差,对粒子集进行时滞输出。提出的SLAM算法能准确表达观测的不确定性、漏检以及杂波引起的虚警等多种传感器信息,且避免了数据关联过程,使系统状态估计更接近真实值。仿真实验结果表明:与传统SLAM算法相比,新算法的机器人定位及环境构图精度提高了50%以上,为杂波环境下SLAM问题的研究提供了新的途径。     

多传感器信息融合的移动机器人定位算法研究

为有效降低使用单一传感器进行移动机器人定位时的不确定误差,提高机器人定位与建图的准确性和鲁棒性,提出了一种多传感器信息融合的移动机器人定位算法。基于激光RBPF-SLAM算法实现机器人同时定位与路标地图构建,运用图优化理论约束优化蒙特卡洛定位的位姿估计结果;通过双目视觉重建环境的三维点特征,针对视觉信息处理计算量大、跟踪精度不高的问题,研究改进基于ORB的特征点提取与四边形闭环匹配算法;利用因子图模型对激光RBPF-SLAM定位和双目视觉定位进行最大后验概率准则下的信息融合。仿真和实验结果表明通过上述方法可以得到比传统RBPF-SLAM算法及一般改进算法更高的定位精度,验证了所提方法的有效性和实用性。     

多传感器信息融合的移动机器人定位算法研究（英文）

为有效降低使用单一传感器进行移动机器人定位时的不确定误差,提高机器人定位与建图的准确性和鲁棒性,提出了一种多传感器信息融合的移动机器人定位算法。基于激光RBPF-SLAM算法实现机器人同时定位与路标地图构建,运用图优化理论约束优化蒙特卡洛定位的位姿估计结果;通过双目视觉重建环境的三维点特征,针对视觉信息处理计算量大、跟踪精度不高的问题,研究改进基于ORB的特征点提取与四边形闭环匹配算法;利用因子图模型对激光RBPF-SLAM定位和双目视觉定位进行最大后验概率准则下的信息融合。仿真和实验结果表明通过上述方法可以得到比传统RBPF-SLAM算法及一般改进算法更高的定位精度,验证了所提方法的有效性和实用性。     

基于单目视觉的轮式机器人同步定位与地图构建

如何降低计算复杂度是视觉机器人同步定位与地图(SLAM)构建的热点问题.提出一种基于单目视觉的低计算复杂度的轮式机器人同步定位与地图构建算法.该算法在观测步通过图像处理与分析,识别特征点并进行定位,将轮式机器人的视觉投影与空间物体的几何关系转换为计算机器人相对特征点的距离和角度.整体算法步骤按照预测、观测、数据关联、更新、地图构建的递推算法进行同步定位与地图构建.提出的算法可识别环境目标,并进行平滑运动.在滤波观测步只处理单帧图像数据,和Active Vision和立体视觉方法相比,降低了算法的计算复杂度.     

激光SLAM自主导航的线段特征提取混合算法研究

移动机器人在未知环境中自主导航时定位需要精确的地图,同时为了构建精确的地图必须确定机器人的位姿,同时定位与地图构建(SLAM)问题便产生.基于激光雷达SLAM自主导航算法是研究的方向之一,激光雷达具有测距精度高、测距远等优点,但是由于激光雷达的数据量少、传感器本身噪声的影响,容易导致机器人构建地图精度低、定位误差大等问题.针对激光雷达的数据测得的距离信息进行线段特征提取算法,通过将常用PDBS、IEPF算法优缺点进行综合,提出了一种混合特征提取算法.最后通过对SICK的LMS111-10100激光雷达获取环境中的一组数据进行处理,分别对PDBS、IEPF算法及混合算法提取效果与实际环境对比,验证了特征提取混合算法的有效性.     

基于Kinect传感器的室内机器人自定位研究

针对同步定位地图创建（SLAM）中的定位问题,提出一种基于Kinect传感器的室内机器人自定位方法。利用Kinect传感器采集图像信息和深度信息,获取场景图像的SIFT匹配特征点集,并将特征点集的像素和深度信息转为三维数据,利用ICP算法计算机器人相邻位姿的旋转矩阵与平移向量。采用RANSAC方法去除SIFT匹配外点,提高了运动参数的计算精度。通过实验验证该方法的可行性。     

基于稀疏直接法和图优化的移动机器人SLAM

针对目前移动机器人同时定位和三维稠密地图构建算法中存在的计算复杂、实时性差的问题,提出一种基于RGB-D数据的实时的同时定位与地图构建(SLAM)算法。首先提取RGB图像中的FAST特征点,并计算特征点的3D位置,接着采用直接法最小化光度误差来估计相机的位姿变换,然后根据位姿变换的大小提取关键帧。为了减小移动机器人运动过程中的累积误差,提出基于词袋模型的闭环检测方法,并采用通用图优化(g2o)框架进行位姿图优化。实验结果表明,所提算法能够大大提高SLAM系统的实时性,并构建稠密化的三维环境地图。     

基于改进时间窗的AGVs避碰路径规划

针对柔性制造系统中的自动导引车在动态不稳定环境下不能按照时间窗规划好的既定路径运行的问题,提出通过实时改变自动导引车通过节点的优先级,调整相应节点的自动导引车的通过顺序来更新自动导引车运行路径,对时间窗算法进行改进,从而实现多自动导引车动态环境下的路径规划。以含有8台自动导引车的淋雨线系统为应用案例进行仿真实验,对改进前的时间窗算法和改进后的时间窗算法进行对比,说明了算法的实现过程。通过仿真证明了该算法能减少冲突数目,有效实现多自动导引车避碰,具有更好的鲁棒性和柔性,同时能够提高系统效率。     

基于RFID的智慧车间自动导引车定位算法

对车间内设备的实时定位识别是实现智慧工厂的关键要素。提出一种基于RFID的车间自动导引车定位算法,首先采集室内参考点的接收信号强度值,经过数据标准化处理建立指纹库,然后利用指纹匹配算法估计目标粗略位置;通过测量目标标签接收信号相位值,计算自动导引车径向位移速度,并且根据线性最小二乘法拟合目标瞬时速度;最后,经过卡尔曼滤波预测自动导引车的当前精确位置。实验结果表明,该方法相较于传统指纹定位方法精度更高。     

移动机器人的蒙特卡罗自主定位算法研究

在分析基于贝叶斯估计的定位过程基础上,针对Markov定位算法需要大量存贮空间和计算量导致无法在较高频率下有效利用传感器信息的问题,利用基于采样的Monte Carlo方法解决移动机器人的自主定位问题。理论分析和仿真试验表明,Monte Carlo自主定位算法很大程度上提高了定位效率,能够更有效的利用传感信息且降低了传感信息不确定性的影响,在“绑架”后以及在中心对称环境中都表现出良好的全局定位性能。     

基于CarSim和Matlab的智能车辆视觉里程计仿真平台设计

基于特征的视觉里程计系统主要由特征检测与跟踪模块以及位姿计算模块两部分组成。为分析车载视觉里程计系统中引入车辆运动学约束的位姿计算算法性能,根据摄像机成像及视觉几何学原理,采用Matlab结合车辆动力学仿真软件CarSim建立车载视觉里程计仿真平台。该仿真平台由车辆运动仿真模块、成像仿真模块、数据显示与分析模块组成,仿真平台的测试对象为视觉里程计的位姿估计算法模块。该仿真平台充分考虑车载视觉定位系统的运动特性,为研究车辆运动学约束在视觉里程计系统中的应用提供新的思路和工具。对提出的一种全新的基于车辆运动学约束的位姿估计内层算法,在此仿真平台上进行性能验证。仿真结果表明,该算法在计算精度与效率上都能够满足实时车载视觉定位的要求。     

结合视觉里程计的微小型空中机器人SLAM研究

经典的基于“平滑摄像机模型”的单目视觉同步定位与地图构建方法无法适用于具有复杂飞行模式的微小型空中机器人.针对这个问题,提出一种结合视觉里程计的单目视觉同步定位与地图构建方法.该方法通过视觉里程计直接估计机器人机载摄像机相对位姿变化,并将这些位姿信息嵌入基于EKF的单目视觉同步定位与地图构建算法中.同时,在采用视觉里程计进行位姿估计时,针对可能出现的退化问题,采用特征分类的策略,提高了估计的鲁棒性.将方法应用于一套真实的微小型智能无人直升机系统上,实验数据验证了方法具有良好的适用性和实用性.     

融合多传感器的自主AGV定位研究

针对依靠单一传感器定位存在定位不精确,甚至定位失败的问题,设计了一种基于扩展卡尔曼滤波器(Extended Kalman Filter,EKF)与动态加权融合法相结合的定位算法.首先,在自适应蒙特卡罗定位(Adaptive Monte Carlo Localiza-tion,AMCL)算法的框架下,通过建立机器人运动模型与传感器观测模型,利用EKF将惯性测量单元(Inertial Measurement Unit,IMU)和编码器的数据进行融合.然后,设计了一种动态加权融合方法,依据方差大小动态分配各融合量的权重,将EKF的融合结果与特征匹配计算得到的视觉里程计信息进行加权融合,从而得到更精确的融合里程计信息.最后,将该融合后的里程计信息作为自适应蒙特卡罗定位的运动控制信息,进行粒子状态更新,从而实现全局定位.试验结果表明,该方法能够有效提高自动导引车(Automatic Guided Vehicle,AGV)的定位性能,动态定位精度能够稳定在较高精度范围.     

一种惯性传感器与编码器相结合的AGV航迹推算系统

针对在没有外部信号的室内环境下的自动导引车定位问题,对如何提高相对定位算法的准确性与稳定性等问题进行了研究,提出了一种将惯性导航与里程计相结合的算法,设计了卡尔曼滤波器来将磁强计、陀螺仪、加速度计的数据与轮上编码器的数据相融合,搭建了以Windows XP为操作系统,固高嵌入式运动控制器为主控的两轮驱动实验平台,并基于该实验平台设计了传感器误差补偿对比实验与位置估计对比实验。实验结果表明:所提出的算法对补偿加速度计与陀螺仪的传感器误差,提升位置估计的准确性与稳定性具有显著效果。     

基于多传感器融合的机器人室内建图方法研究

设计了一种基于多传感器融合的室内建图方法,能够实现在包含玻璃物体的室内环境进行地图构建。主要利用激光雷达采集的数据和双目相机的数据进行特征级融合,再通过扩展卡尔曼滤波进行位姿融合;依据激光雷达对数据进行采集,利用参考阈值对疑似点进行判定;进一步使用双目视觉进行识别判定,实现多传感器融合建图。该方法可以提高局部定位能力和全局定位能力,解决传统Gmapping算法中对玻璃无法准确识别的问题。     

基于地磁场的室内定位和地图构建

提出了一种利用室内地磁场的空间波动来实现即时定位和地图构建的方法。为了能增加定位精度和减少计算量,本文依据地磁场传感器能够测量地磁3个正交方向上的分量和不同的权重计算方式改进了粒子滤波算法,并结合克里金法对地磁地图进行更新。在定位阶段,利用改进的粒子滤波来估计机器人的位置,算法的收敛速度每次约加快0.5 s和定位误差约减少3.5 m;在构造地图阶段,利用克里金空间插值法来实现的空间波动地磁地图的更新较其他插值算法更灵活,且经过插值后的地图更有助于提高机器人的定位精度。通过MATLAB仿真实验,证明了该方法能够准确快速地对机器人定位,并且通过机器人观测值和里程计数据实时地构建连续一致的地图。     

相似环境下激光结合视觉的全局定位方法

在室内结构相似或含有多几何结构重复区域的环境中,基于激光的全局定位方法很难实现可靠且高效的结果。针对该问题,本文提出一种基于优化的视觉辅助激光定位的方法,仅利用单帧图像信息和激光（LiDAR）信息进行重定位。首先,利用视觉位置识别和BA(Bundle Adjustment)优化来估计机器人的初始姿态。然后,利用视觉初始位姿缩小搜索空间,提高约束计算速度,并将初始估计和激光约束结合验证。最后通过稀疏姿态优化方法构建目标函数,求解全局位姿。实验结果表明,提出的全局定位方法相比单一激光全局定位具有更高的成功率,并且全局定位时间在室内小场景环境和长走廊环境分别减少了56.81%和89.43%,满足了实时性和鲁棒性要求。     

基于变分贝叶斯的自适应 PF-SLAM 方法研究

针对移动机器人即时定位与地图构建中时变观测噪声及粒子位置分布对SLAM精度的影响,本文提出基于变分贝叶斯的自适应PF-SLAM算法,采用高斯混合模型对时变的观测噪声建模,并通过变分贝叶斯方法,迭代估算出混合模型中的未知参数;同时根据粒子权值将粒子划分为固定粒子和优化粒子,通过粒子间的近邻拓扑位置关系调整粒子分布,处理时变观测噪声与优化粒子的位置分布,使得优化的粒子集可以更好地表示机器人位置概率分布,实现观测噪声及粒子位置分布自适应。仿真实验表明本算法对比传统PF-SLAM算法定位与地图构建误差降低了76.45%。实际实验表明本算法处理下的环境轮廓误差对比传统PF-SLAM算法的环境轮廓误差减小了61.87%。该算法有效提高了移动机器人的状态估计精度,为移动机器人即时定位与地图构建提供了新的参考。     

基于反射标记物的激光导引AGV全局定位方法研究

定位是自动导引车(AGV)的重要问题之一,其目的是求解AGV在地图中的绝对坐标信息。定位问题分为全局静态定位和实时动态定位。针对基于反射标记物的激光导引AGV,提出一整套全局定位方法。将照射在反射标记物的二维激光雷达原始数据点进行优化处理,提出一种二次分类的匹配算法,将局部反射标记物的身份进行识别,通过三点定位算法对AGV的绝对坐标信息进行求解,从而实现AGV的全局定位。