基于环境特征的机器人同时定位与地图创建

移动机器人同时定位和地图创建是实现移动机器人完全自主导航的关键.本文提出了一个通用的移动机器人同时定位与地图创建基本框架,接着对扩展卡尔曼滤波器算法进行了详细的分析,最后通过基于点特征和扩展卡尔曼滤波器的同时定位与地图创建仿真实验,验证了框架的可行性.目的是为开展同时定位与地图创建的研究提供一种可行的研究方案,以推动我国移动机器人技术的发展.     

基于粒子滤波器的移动机器人自定位方法研究

首先,对粒子滤波器的原理进行了简要阐述。然后详细描述了基于粒子滤波器的移动机器人自定位算法——蒙特卡洛定位算法。在ROS(Robot Operating System)平台上对该算法进行了仿真实验并分析了其性能。最后,对蒙特卡洛粒子滤波定位方法用于移动机器人定位进行了总结。结果表明,MCL(蒙特卡洛)算法是一种精确鲁棒的移动机器人概率定位方法,可对解决移动机器人的定位问题提供有意义的参考。提出的机器人自定位方法为机器人在Robocup竞赛中自主执行各种作业提供定位支持,已在2013年中国机器人大赛获奖。     

一种基于特征地图的移动机器人SLAM方案

设计了一种结构化环境中基于特征地图的地图创建方案;采用激光测距仪进行特征地图创建,利用"聚合-分害虫-聚合"的方法来提取线段表示环境信息实现局部地图创建;为了实现移动机器人的同时定位与地图创建,采用扩展卡尔曼滤波方法对机器人的位姿与地图信息进行预测及更新,结合状态估计和数据关联理论,实验显示x的校正量保持在±0.9cm之内;y的校正量保持在±2.5cm之内;θ的校正量在±1.2之内,实现了基于扩展卡尔曼滤波器的SLAM.     

未知环境下移动机器人同步地图创建与定位研究进展

移动机器人同步地图创建与定位(SLAM)是移动机器人的核心研究课题.本文对SLAM的最新研究进展和关键技术进行了综述:并从地图创建模型、计算复杂度和算法鲁棒性等方面对现有方法进行了对比分析.最后总结分析了SLAM研究存在的难题,探讨了今后的发展方向.     

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。     

移动机器人即时定位与地图创建问题研究

基于环境特征的移动机器人即时定位与地图创建是机器人领域的开放性课题.本文从环境特征提取、定位与地图创建、数据相关三个方面对移动机器人即时定位与地图创建问题进行了综述.对移动机器人定位问题作了概述.探讨了室内环境下特征提取方法.详细地论述了定位与地图创建中面临的主要问题及其解决方法;阐述了数据相关问题的基本思想.最后,根据近期文献指出了该领域今后的研究方向.􀁱 􀁽     

融合遗传优化的粒子滤波器算法

为了解决基于Rao-Blackwellized粒子滤波器的同时定位与地图创建算法需要大量的采样粒子,而且频繁重采样可能导致粒子耗尽的问题,提出了融合遗传优化的粒子滤波器算法。设计了一种变异的遗传算法来兼顾粒子的权值和粒子集的多样性,取代原有的重采样步骤。在计算采样的提议分布时考虑了里程计信息和距离传感器信息,并且通过遗传算法来维持粒子集的多样性。实验结果表明,融合遗传优化的粒子滤波器算法在估计精度和一致性方面都具有较好的性能,所创建的地图具有更高的精度。     

未知环境中移动机器人故障诊断与容错控制技术综述

以我国月球探测为研究背景,以轮式移动机器人为研究对象,介绍了在外星球表面等未知环境中进行深空探测的移动机器人的故障模型和传感器误差模型,分析了未知环境中移动机器人故障诊断与容错控制的特点.在此基础上综述了国内外在该领域的研究进展和主要方法,包括基于多模型的方法、基于粒子滤波器的方法、基于传感器信息融合的方法以及层次容错结构等. 最后,总结了该领域待解决的几个难点问题,并对该研究领域的发展趋势进行了展望.     

服务机器人导航与调度系统技术研究

针对服务机器人导航和调度系统问题进行了研究。首先根据事先确定的任务进行自主全局路径规划,移动机器人在执行路径跟踪时,还要不断感知周围的局部环境信息;其次,移动机器人不仅要避开附近的移动障碍物,而且要进行局部规划或局部路径修正;然后,完成了地图创建、机器人全局定位、规划局部路径并控制车体运动;最后,介绍了服务机器人调度系统终端软件。实现了机器人与调度系统的结合,完成通过调度系统进行机器人运动控制的功能。     

基于粒子群算法的单目移动机器人地图创建

提出了一种基于粒子群优化算法的移动机器人地图创建方法,该方法模型简单,算法复杂度低,收敛速度快.首先对实验环境进行了描述,通过建立模型推导出了路标的坐标公式,提出了问题的关键.详细介绍了粒子群优化的工作原理,论述了该算法在地图创建中的具体实现.通过与算术平均法实验结果比较,证实了该方法的有效性.     

基于场景识别的移动机器人定位方法研究

提出了一种基于场景识别的移动机器人定位方法．对CCD采集的工作环境的系列场景图像,用多通道Gabor 滤波器提取场景图像的全局纹理特征,然后通过SVM分类器来识别场景图像,实现机器人的逻辑定位．在移动机器人CASIA-I 上对该算法进行了实验．实验结果表明,该定位方法可达到91.11%的定位准确率,对光照、对比度等因素有较强的鲁棒性,并且满足机器人实时定位的要求．     

基于粒子群优化的粒子滤波定位方法

为了实现移动机器人精确高效的自定位,提出了基于粒子群优化的粒子滤波定位方法.文章分析了常规粒子滤波定位方法存在的不足之处.将最新观测值融合到采样过程中,并利用粒子群优化算法提高了常规粒子滤波器的预估性能.接下来,建立了系统的概率运动模型和感知模型,并利用粒子群优化粒子滤波方法解决了移动机器人的自定位问题.粒子群优化算法的优化结果使得采样集向后验概率密度分布取值较大的区域运动,从而克服了粒子贫乏问题并且显著地降低了精确定位所需的粒子数.仿真实验表明该算法的有效性.     

基于粒子聚合重采样的移动机器人蒙特卡洛定位

提出了一种基于粒子聚合重采样的移动机器人聚合蒙特卡洛定位（Merge Monte Carlo localization,Merge-MCL）方法．首先将移动机器人作业空间划分为离散栅格,建立栅格集,然后提出一种基于粒子空间相近性的粒子聚合技术, 在保证粒子空间分布合理性的同时自适应调整粒子集规模．提出的粒子聚合重采样方法能够缓解粒子权值退化问题, 并避免了传统重采样方法导致的多样性匮乏问题．仿真结果表明,粒子聚合重采样方法能够有效控制粒子集规模, 聚合蒙特卡洛定位方法是鲁棒、有效的．     

基于全景视觉匹配的移动机器人蒙特卡罗定位算法

本文提出了一种基于梯度直方图的全景图像匹配算法, 并将该算法与蒙特卡罗定位方法相结合, 构建了一种基于全景视觉的移动机器人定位方法. 在分析所提出的匹配算法特点的基础上建立了系统的观测模型, 推导出粒子滤波中重要权重系数的计算方法. 该方法能够抵抗环境中相似场景对于定位结果的干扰, 同时能够使机器人从“绑架”中快速恢复. 实验结果证明该方法正确、有效.     

移动机器人听觉定位技术研究

将声源定位技术应用于机器人,使其具有听觉感知定位能力,这为机器人感知技术的研究提供了新的思路。本文综述智能移动机器人听觉感知技术的研究现状、主要问题及发展趋势,对声音信息的获取、初始声音信息的处理、声源定位、多传感器信息融合等技术进行详细介绍,并对其优缺点进行比较。     

基于改进粒子群算法的移动机器人路径规划

为了提高复杂环境下移动机器人的精准导航作用,提出了移动机器人路径规划的改进粒子群优化(PSO)算法,即利用粒子个体极值的加权平均值,同时加入惯性权重.建立了移动机器人工作环境的栅格模型,利用Matlab软件进行移动机器人路径规划仿真分析.仿真结果表明:改进后的粒子群算法容易使粒子移动到最佳位置,加强了全局寻优能力,在复杂环境中搜索路径性能优于传统算法.     

移动机器人的概率定位方法研究进展

综述了近几年来流行的移动机器人基于概率定位的各种方法,对它们的性能进行了分析比较,所有这些方法都应用贝叶斯规则作为理论基础.首先,介绍了位置跟踪广泛应用的卡尔曼滤波方法和在全局定位方面取得一定成功的马尔可夫定位方法.然后,介绍了计算效率更高的粒子滤波定位方法,即蒙特卡洛法,以及最近自适应采样的粒子滤波方法,它比简单的粒子滤波效率更高.最后, 对概率定位方法的关键技术进行了分析,并探讨了未来的发展趋势.     

室内自主式移动机器人定位方法

定位是确定机器人在其工作环境中所处位置的过程.应用各种传感器感知信息实现可靠的定位是自主式移动机器人最基本、也是最重要的一项功能之一.本文对室内自主式移动机器人的定位技术进行了综述,介绍了当前自主式移动机器人定位方法的研究现状.同时,对国内外具有典型性的研究方法进行了较洋细的介绍,并重点提出了几种室内自主式移动机器人通用的定位方法,对其中的地图构造、位姿估计方法进行了详细介绍.最后,论述了自主式移动机器人定位系统与地图构造中所面临的主要问题及其解决方法并指出了该领域今后的研究方向.     

移动机器人改进激光SLAM算法研究

针对传统RBPF(Rao-Blackwellised particle filter)算法存在定位精度低、粒子退化、粒子多样性丧失的问题,提出了一种基于激光雷达的改进SLAM(simultaneous localization and mapping)算法.首先基于主成分分析法对相邻帧的点云进行粗配准,再采用改进点到线...