基于单个人工地标的机器人自主定位

结合地标设计的四个基本规则,设计了基于QR code的自相似二维人工地标,并讨论了其在复杂环境下的提取、识别问题,研究了相应的算法. 利用摄像机标定技术,通过在人工地标上选取标定点求解出摄像机参数,实现了基于单个人工地标的机器人定位. 实验结果表明,机器人完全可以在复杂环境下利用该人工地标实现快速、准确地定位和导航.     

基于单个人工地标的机器人自主定位

结合地标设计的四个基本规则,设计了基于QR code的自相似二维人工地标,并讨论了其在复杂环境下的提取、识别问题,研究了相应的算法.利用摄像机标定技术,通过在人工地标上选取标定点求解出摄像机参数,实现了基于单个人工地标的机器人定位.实验结果表明,机器人完全可以在复杂环境下利用该人工地标实现快速、准确地定位和导航.     

基于分布式导航信息的大范围环境机器人导航

针对大范围半未知环境下的机器人导航问题,基于认知理论提出了“分布式导航信息获取模式”。采用二维码技术设计了一种新型人工地标,并给出了其识别及识读的方法。通过在关键点位置配置不同的人工地标,基于导航信息的分布式表达,将大范围半未知环境下的机器人导航划分为全局引导层和局部搜寻层,使机器人在大范围半未知环境下的导航摆脱了传统的地图创建-全局定位-路径规划模式的限制。实验验证了该导航方法的有效性。     

基于人工地标的双足机器人视觉自定位

针对家庭或者办公室等室内环境下双足机器人的自定位问题,提出一种通过对世界平面的单应矩阵进行分解来实现自定位的方法。首先设计一种新型AR-mark人工地标,利用颜色信息分割感兴趣区域提取出AR-mark的特征点,然后对特征点与空间3D点进行匹配。通过直接线性变化法计算出世界平面的单应矩阵后,利用世界平面的单应分解算法获得摄像机坐标系与AR-mark人工地标坐标系间的位置关系,最终实现双足机器人的局部精确定位。实验结果表明,AR-mark人工地标易于识别,信息内容丰富,同时利用世界平面单应矩阵分解算法定位精度高,能够很好地辅助双足机器人完成室内自定位任务。     

基于UKF的苹果果实定位估计算法

在多数农村乡镇,传统小型农田主要依靠人工进行施肥灌溉、采摘果实等作业;而大中型农田虽然已经进行整改使用现代化机械,但大多还需驾驶员操作该机械完成,整体效率及操作安全性还有待提高.针对以上问题,提出了一种基于机器人自主导航UKF(Unscented Kalman Filter)位置估计算法的果实识别及定位方法.机器人携带视觉、光学、惯性等各类传感器采集果实图像信息,通过导航解算得到其位置信息,并用图像处理算法提取成熟果实特征,为农业机器人自主采摘提供更精确的技术指导.实验表明,1 000 s内采集到的所有果实x、y方向上,基于UKF算法的位置估计误差均值在[0,0.05]m范围内,对果实判断最精确;基于单个果实特征位置(0,0)cm的小范围定位采摘仿真实验表明,UKF算法的误差定位范围在两次量测中分别为[-1,2]cm与[-9,1]cm,无论是横方向还是纵方向定位靠近特征,其精度均比EKF算法提高了50%左右.     

全自主足球机器人快速目标识别与定位方法

为使机器人视觉系统能够快速、稳定地进行目标识别和定位，采用多阚值粗分割和区域细分割相结合的彩色图像分割算法，以提高特征提取的鲁棒性．在基于区域分割的算法中采用快速游程连通性分析算法，保证了目标识别的实时性．对已识别的目标，利用摄像机针孔模型完成单眼的实时定位．该系统能满足全自主足球机器人对目标识别与定位实时性和鲁棒性的要求，已成功地应用于HIT-Ⅱ型自主足球机器人中．     

基于ROS的移动机器人自主建图与路径规划

为了提高机器人的自主导航性能,设计了基于ROS的移动机器人自主建图与路径规划系统.通过2D激光雷达获取周围环境信息,利用姿态传感器(IMU)获取机器人的姿态和加速度信息,利用Gmapping算法实现机器人的自主定位与建图,利用基于头尾双向搜索的A~*算法进行全局路径规划,采用DWA算法完成局部避障工作.结果表明,所提算法可使机器人完成构建地图以及自主导航任务,提高导航系统的自主性能以及工作效率.     

基于图像预处理和语义分割的电力巡检机器人视觉导航方法

由于光照和恶劣天气的影响,传统图像处理方法用于巡检机器人视觉导航方面的识别效率不高,为此,提出一种基于图像预处理和语义分割的电力巡检机器人视觉导航方法。首先,提出基于自适应伽马校正方法的图像增强方法,解决强光、弱光和光照不均对图像的影响,针对曝光情况采用LSTM预测模型自适应调整摄像头角度消除曝光,提升图像良好曝光度;然后,采用改进DenseNet网络对导航路径进行语义分割,提取路径目标区域,通过目标区域像素值的分布拟合机器人的前进路线并计算出偏移量,提供机器人调整行驶姿态的关键参数并利用模板匹配判断导航路径中的走向、定位与分叉标志。实验结果表明,该算法能有效解决由光照和恶劣天气所导致的识别精度低的问题,提高复杂环境下巡检机器人导航定位的精准度。     

一种非Hough变换的快速圆检测算法

在精密测量、自动化装配和机器人等诸多领域,往往需要对圆形器件或图标进行识别和定位,而目前传统的检测方法是Hough变换,计算复杂,对资源需求大,且不利于实时控制.本文利用圆形几何对称的性质,采用基于颜色分类方法,提出一种非Hough变换的圆的检测方法,从而达到对彩色图像中圆形目标进行快速识别的目的.设计了算法的流程,编制了相应的圆识别程序,通过对足球机器人定位的验证,表明该算法具有运算速度快及对畸变的圆形目标适应性好等优点,为图像处理中圆目标的快速识别与定位提供了一种借鉴.     

未知环境下的移动机器人主动寻径导航策略

针对纯粹反应式的导航算法有时会出现没有远见现象的问题,设计了一种基于行为和路径子目标的主动寻径导航策略。该策略首先利用目标点和远距离传感器的信息生成可行路径子目标点,接着使用决策树实现快速的行为决策。仿真结果证明了有效性。     

基于移动机器人定位和导航的人工路标设计

在复杂环境下,如何快速、准确地识别路标是移动机器人定位和导航的关键问题.基于图像分割原理,利用投影和方向特征的处理方法,提出了一种新的人工路标方案.通过统计学的相关理论验证了该路标图案的可行性,实验结果也显示了该图案可以较好地解决移动机器人的路标识别问题.     

基于CBL的双目视觉自主机器人定位

在需要机器人做出快速反应的环境中,为了解决通过廉价传感器(彩色视觉)实现自主机器人的定位,提出了基于约束路标(CBL)的双目视觉自主机器人定位方法．在CBL的路标测量类型中增加了直线的斜率,同时双目视觉的协作为定位提供了更多信息,提高了机器人位姿估计的准确度．实验结果表明了该方法的可行性和有效性．     

单目视觉自然路标辅助的移动机器人定位方法

针对很多场合下GPS信号会受到遮挡而无法使用,导致机器人定位精度下降很快的问题,提出一种基于单目视觉自然路标辅助的机器人绝对定位方法.在导航环境中的若干位置预先建立视觉路标库.机器人在利用惯导（INS）定位过程中,同时对采集到的单目图像和库中的视觉路标进行匹配.建立基于全局特征信息（GIST）和快速鲁棒算子（SURF）局部特征相结合的在线图像快速匹配框架,同时结合基于单目视觉的运动估计算法修正车体航向.最后利用卡尔曼滤波将视觉路标匹配获得的定位信息和INS有效地融合起来.结果表明,该方法有效地提高在GPS受限情况下惯性导航定位的精度和鲁棒性.     

基于融合约束局部模型的三维人脸特征点定位

提出基于特征融合约束局部模型的三维人脸特征点定位算法. 该算法对每个特征点分别使用三维网格的深度信息和网格局部形状信息训练分类器,对分类器的响应进行融合. 使用基于融合响应的正则化特征点均值漂移算法进行模型拟合,实现特征点定位. 三维人脸特征点定位经常需要对每个特征点的候选点集进行遍历产生候选点组合,该算法使用模型拟合代替穷举搜索,避免了嵌套循环带来的快速增长的时间开销. 使用FRGC v2.0和Bosphorus数据库,对算法进行实验评估. FRGC v2.0库上的特征点平均误差为2.48~4.12 mm,总体检测成功率为97.3%,其中中性、温和及极端表情下的检测成功率分别为97.6%、97.4%和95.5%. Bosphorus库上3种姿态下的检测成功率分别是94%、95%和89%. 实验结果表明,提出方法具有较好的效果,对表情和小幅度的姿态变化具有较好的鲁棒性.     

An object tracking and global localization method using the cylindrical projection of omnidirectional image

We present an omnidirectional vision system we have implemented to provide our mobile robot with a fast tracking and robust localization capability. An algorithm is proposed to do reconstruction of the environment from the omnidirectional image and global localization of the robot in the context of the Middle Size League RoboCup field. This is accomplished by learning a set of visual landmarks such as the goals and the comer posts.Due to the dynamic changing environment and the partially observable landmarks, four localization cases are discussed in order to get robust localization performance. Localization is performed using a method that matches the observed landmarks, i.e. color blobs, which are extracted from the environment. The advantages of the cylindrical projection are discussed giving special consideration to the characteristics of the visual landmark and the meaning of the blob extraction. The analysis is established based on real time experiments with our omnidirectional vision system and the actual mobile robot. The comparative studies are presented and the feasibility of the method is shown.     

基于Kinect的仿人机器人抓取目标定位

目标定位是仿人机器人实现抓取操作的前提。针对机器人单目视觉容易丢失深度信息,双目视觉难以对缺乏纹理特征的物体获得有效深度信息的问题,提供一种基于Kinect的仿人机器人抓取目标定位系统。首先建立Kinect和机器人坐标系,构建布尔沙坐标转换模型;然后利用线性总体最小二乘(LTLS)算法求解该模型;最后依据Kinect获取的抓取点坐标信息,通过坐标转换将其转换到机器人坐标系:从而实现机器人对目标物体的定位。在仿人机器人NAO平台上对该系统进行实验验证,其结果表明:利用该方法,机器人在一定空间范围内能够可靠的定位目标物体,并且较其单目视觉定位更准确;根据所提供的目标定位系统,NAO机器人实现了对不同物体的抓取操作。