基于相对方位的多机器人合作定位算法

研究了在未知环境中,利用扩展卡尔曼滤波方法融合内部传感器信息与机器人之间的相对方位观测量,同时定位队列中每个机器人的问题.通过机器人队列共享相对方位观测量,融合不同平台感知的信息,可有效地提高整个队列的定位精度.分析了该方法与机器人分布和运动的关系及存在的缺陷,针对这一问题,提出了改进措施,从而使该方法的可靠性和实用性得到增强.仿真实验验证了改进方法的有效性.     

室内移动机器人的视觉定位方法研究

针对地图未知的室内环境下的定位问题,提出了一种基于特征跟踪的视觉里程计方法．利用单目摄像头提取和跟踪环境特征点集,进而根据观测模型利用扩展卡尔曼滤波算法估算出机器人的位姿．办公室环境中的定位实验证明了方法的有效性．     

基于高斯—施密特粒子滤波器的多机器人协同定位

多机器人协同定位需对各个机器人的运动模型和观测模型精确建模,需要运用非线性、非高斯系统。已经应用于本领域的各种非线性算法主要有两种：一种是扩展卡尔曼滤波算法（EKF）,它对非线性系统进行局部线性化,从而间接利用卡尔曼算法进行滤波与估算;另一种是序列蒙特卡罗算法,即粒子滤波器（PF）。本文介绍了一种改进的粒子滤波
器,即高斯-施密特粒子滤波器（GHPF）,重点比较这三种算法在多机器人协同定位领域的应用效果。     

一种基于抗差EKF的移动机器人定位技术

自主机器人作业的关键问题是自身的定位问题。卡尔曼滤波可用于对系统位置进行估计。首先介绍了移动机器人同步定位与地图构建(Simultaneous Localization and Mapping,SLAM)的一般模型及关键技术,然后介绍了扩展卡尔曼滤波(Extended Kalman Filter,EKF)的原理,通过分析粗差对EKF模型的影响,提出了抗差EKF模型。该模型根据多余观测分量及预测残差统计,构造抗差等价EKF增益矩阵,通过迭代解算给出抗差解。最后分别实现了加入粗差后的标准EKF-SLAM解决方案以及加入粗差后的抗差EKF-SLAM解决方案;模拟了自主机器人运动轨迹,并对比了两种模型对机器人定位的精确度,结果显示了抗差EKF模型的优越性。     

基于DSP的自动代码生成及应用

为了提高DSP程序的开发效率以及处理程序运行过程中出现的大量数据,介绍如何利用Matlab中的CCSLink结合CCS进行DSP程序的调试以及代码的直接生成.利用从概念设计到实时实现的集成、统一的开发环境,完成代码产生、代码加载、执行及与目标DSP进行通信,最后通过基于EKF的异步电机转速估算试验,验证了该方案的有效性.     

基于模糊自适应卡尔曼滤波的移动机器人定位方法*

针对移动机器人定位过程中噪声统计特性不确定的问题,提出一种模糊自适应扩展卡尔曼滤波定位方法。利用模糊理论和协方差匹配技术对扩展卡尔曼滤波算法中的观测噪声协方差R进行自适应调整,实现定位算法性能的在线改进;同时采用传感器故障诊断与修复算法来监测传感器的工作状态,提高定位算法的鲁棒性。将该方法用于观测噪声统计特性未知情况下的移动机器人定位。实验结果表明,该方法可以有效地降低观测噪声先验信息不确定的影响,提高机器人定位的精度。     

基于视觉的四旋翼无人机自主定位与控制系统

针对GPS(global positioning system)信号缺失环境下无人机(UAV)自主飞行控制问题,设计了一种基于视觉的自主定位与控制方法.首先通过增加特征点提取数量和优化关键帧存储来对传统视觉SLAM(simultaneous localization and mapping)算法进行改进,提高了算法的鲁棒性与通用性.其次,引入光流传感器作为视觉SLAM地图丢失情况下辅助位置信息测量单元,提高无人机飞行控制的安全性,并成功地克服视觉SLAM图像丢失问题和光流法存在的位置漂移问题.然后采用EKF(extended Kalman filter)融合无人机位置和3维加速度信息,得到了较为精确的位置信息,同时提高了信号输出频率.最后,利用上述方法获取的无人机位置信息设计PID(proportion integration differentiation)和RISE(robust integral of the signum of the error)非线性控制器,增加了算法的鲁棒性.为验证该控制策略的有效性,搭建了四旋翼无人机视觉控制系统实验平台.该平台采用嵌入式控制系统架构,使用机载计算机运行所提算法,避免了图像及控制命令在无线传输过程中引起的时间延迟和信号干扰.室外飞行实验表明,此控制方案实现了自主定位与飞行控制功能.     

基于EKF的机器人捕捉轨迹未知的抛物方法

针对机器人捕捉被抛出物体研究领域面临着当抛物轨迹动态未知时,机器人难以精确捕捉的问题,在研究六自由度机器人末端精确控制的基础上,模拟人捕捉抛物的思想,提出首先通过预测抛物的轨迹,预判机器人出机器人的近似捕捉点,并使机器人提前运动至该点等待;当抛物进入机器人工作空间时,再提出基于扩展卡尔曼滤波(EKF)的捕捉的算法,使机器人克服扰动,实现精确捕捉。实验结果表明:采用六组不同的动态未知抛物的情况下,机器人可以实现精确的捕捉。在此基础上又开展多组实验,结果表明:机器人捕捉的成功率可达95%以上,因此该方法能够有效地提高动态未知环境下机器人捕捉抛物的成功率,推动了机器人智能化水平的发展。     

基于单目视觉的仓储物流机器人定位方法

针对轮式仓储物流机器人的自主定位问题,提出了一种基于视觉信标和里程计数据融合的室内定位方法。首先,通过建立相机模型巧妙地解算信标与相机之间的旋转和平移关系,获取定位信息;然后,针对信标定位方式更新频率低、定位信息不连续等问题,在分析陀螺仪和里程计角度误差特点的基础上,提出一种基于方差加权角度融合的方法实现角度融合;最后,设计里程计误差模型,使用Kalman滤波器融合里程计和视觉定位信息弥补单个传感器定位缺陷。在差分轮式移动机器人上实现算法并进行实验,实验结果表明上述方法在提高位姿更新率的同时降低了角度误差和位置误差,有效地提高了定位精度,其重复位置误差小于4 cm,航向角误差小于2°。同时该方法实现简单,具有很强的可操作性和实用价值。     

基于UWB的消防员室内协同定位算法

为了在复杂火场环境下获取消防员的精确位置,提出基于超宽带(ultra-wideband,UWB)的消防员室内协同定位算法,充分利用目标到UWB基站以及到其他目标的测距信息进行定位.采用线性拟合方式对测量距离中存在的标准偏差进行预处理;针对目标位置解算及非视距(non-line-of-sight,NLOS)误差缓解问题,...     

基于全景近红外视觉的室外移动机器人定位系统

针对室外移动机器人定位、导航问题,提出了一种基于全景近红外视觉的路标定位系统。系统通过近红外主动照明降低了光照变化、阴影等因素的影响,利用全景摄像机获得大范围的路标定向信息。图像处理中改进大津法和路标跟踪的应用使识别路标更准确、更快速,三角定位算法确保能精确的计算出机器人的世界坐标。室外环境下移动机器人的定位实验结果表明,本系统具有较高的定位精度和良好的鲁棒性。     

移动机器人导航与定位技术

导航与定位是移动机器人应用中的一个瓶颈技术。针对移动机器人所处的不确定环境和自身状态的不可测性．本文系统综述了导航中相关关键技术．并提出了若干应用需求中的技术问题。     

基于概率的移动机器人SLAM算法框架

在移动机器人同时定位与地图创建(SLAM)过程中,机器人本身位置不确定,其所处环境也不可预知,针对这些不确定性因素,应用贝叶斯规则作为理论基础,建立移动机器人SLAM算法的概率表示模型,通过扩展卡尔曼滤波器实现SLAM算法,并介绍一种激光雷达数据与特征地图的数据关联方法。实验结果表明,该方法为实现SLAM算法提供了一种有效可靠的途径。     

基于多传感器融合的移动机器人定位

针对移动机器人定位系统中单一传感器定位精度低与环境地图的重要性问题, 提出了一种基于多传感器融合的移动机器人定位方法. 首先, 在未知环境下, 分别利用单一里程计, 扩展卡尔曼滤波(extended Kalman filter,EKF)算法融合里程计、惯性测量单元(inertial measurement unit, ...     

基于RFID技术的移动机器人定位方法研究

RFID技术利用无线射频信号在读写器与标签之间进行数据通信,射频信号具有一定的穿透性,解决了机器人定位与地图创建过程中传感器非视距的问题。提出了一种新颖的利用周围环境中少量的位姿未知的标签来估算出机器人位姿的方法,并采用粒子滤波算法来增强算法的鲁棒性。同时,还引入了RFID天线功率切换器来提高地图创建的准确性,降低了机器人的定位误差。最后通过定量分析影响定位效果的3个主要因子,证明了这种定位方法具有较高的定位精度。     

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.     

一种基于环境监测移动机器人定位的新方法

针对移动机器人在复杂动态环境下的定位问题,提出了对环境的复杂程度进行实时监测的新方法。在定位算法中加入了环境监测的反馈项,根据环境的复杂情况实时调整定位算法,减小了粒子滤波(PF)定位算法对环境不确定性的敏感度,提高了算法的鲁棒性。环境监控模块以粒子分布状态为输入,不必添加其他传感器用以单独判断拥挤的情况,算法简单,易于实现。电动智能轮椅的实验结果,表明了所提方法的有效性。     

基于移动锚节点的WSN节点定位方法

为提高WSN定位精度,提出一种带定向天线的移动锚节点定位算法。首先对WSN进行分层,锚节点可沿x轴和分层线移动实现对未知节点的遍历,在移动过程中等间隔距离旋转定向广播位置信息,未知节点根据接收到的锚节点坐标、方位角等信息确定自身位置。定位算法简单,无需测距,完全使用锚节点信息实现定位,仿真结果表明,该算法比典型的采用单个移动锚节点的SLWL算法具有更高的定位精度和定位稳定性。     

移动机器人的改进无迹粒子滤波蒙特卡罗定位算法

粒子滤波是移动机器人蒙特卡罗定位(Monte Carlo localization, MCL)的核心环节. 首先, 针对粒子滤波过程的粒子退化问题, 利用迭代Sigma点卡尔曼滤波来精确设计粒子滤波器的提议分布, 以迭代更新方式将当前观测信息融入顺序重要性采样过程, 提出IUPF (Improved unscented particle filter)算法. 然后, 将IUPF与移动机器人MCL相结合, 给出IUPF-MCL定位算法的实现细节. 仿真结果表明, IUPF-MCL是一种精确鲁棒的移动机器人定位算法.     

基于EKF算法的无线传感器网络定位技术研究

无线传感器网络中,基于RSSI测距技术的定位系统误差较大。对扩展卡尔曼滤波(EKF)算法在抑制测距误差和提高定位精度方面进行了深入的研究。同时根据EKF算法在WSN节点定位中的两种应用方式,以收敛概率和相对误差为指标,在各种拓扑条件下对提高节点定位精度进行了分类探讨。最后结合仿真阐述了EKF算法的适用范围,并分析了影响算法性能的因素。