基于ZigBee技术的家庭服务机器人定位问题研究

家庭服务机器人的自主导航技术是机器人研究的前沿和关键问题,而定位是移动机器人导航的基础.为了实现家庭服务机器人的定位,本文构建了基于ZigBee技术的无线传感器网络系统,研究了基于RSSI的无线传感器网络定位方法,家庭服务机器人作为无线定位系统中的盲节点,收集邻近参考节点的坐标和RSSI值,通过CC2431定位引擎计算出自身的坐标,从而实现了移动机器人的无线定位.测试实验表明,该节点的定位误差在±0.50m范围内,能够满足移动式家庭服务机器人导航的应用要求.     

RFID技术在机器人定位系统中的应用研究

为解决移动式机器人使用编码器定位法所产生的累积误差,以RFID技术代替传统光电编码器,以接收信号强度定位法定位,计算目标点坐标,结合灰色预测法对机器人旋转角度有效预测,缩短机器人移动路径。实验证明,相较于光电编码器导航定位系统,在半径4米的移动范围中,灰色导航定位系统能降低误差75.22%,距离误差控制在半径60cm内,有效解决了光电编码器的累积误差问题。     

基于GIS和SLAM的机器人大范围环境自主导航

机器人自主导航技术的基础是其自定位能力,同时同步定位与建图(SLAM)是实现机器人自定位的重要方法。目前由于大规模SLAM技术发展的限制,机器人很难实现在大范围环境下进行建图和导航,并且尚没有结合SLAM和实际地理空间信息指导大范围机器人导航的完整自主导航系统。提出基于GIS和SLAM的机器人大范围环境自主导航方法,利用真实的城市空间路网信息,以地理信息系统(GIS)空间数据库的存储和计算能力为数据支撑,基于提出的大范围导航算法,实现了一套包含空间数据库、SLAM、导航算法的完整系统,具有良好的可复用性和可扩展性,符合实际生活场景,可以指导机器人进行大范围条件下的导航和建图行为。同时通过对机器人激光建图信息的存储,使得再次经过本区域的机器人可以在户外精确定位,实现在室外GPS缺失或误差条件下自身位置的修正。此外地图信息的存储可以实现多机器人对地图信息的复用,为多机器人的规划提供支撑。同时将人类世界的空间信息与机器人建图信息相结合,细化和丰富了原有的空间信息。     

基于单目机器视觉的高压输电线路障碍物定位研究

高压输电线巡线机器人运行线路上的障碍物识别定位,是实现巡线机器人自主导航的关键技术之一。针对110k V高压输电线路地线结构的特点,提出了基于单目机器视觉的高压输电线路障碍物定位研究方法。通过在巡检机器人本体上安装单目摄像机,利用单目摄像机采集前方线路图像,对图像中的障碍物进行识别,利用识别出来的障碍物位置中心与摄像机的位置关系建立测距几何模型,来对巡线机器人前方障碍物进行定位。该方法可以较精确地对巡线机器人前方约(1-2)m内的障碍物进行定位并测距,且误差小、识别率高、响应快。最后,通过实验验证该方法有较高的可行性和有效性,能够极大提高巡线机器人自主导航能力。     

基于空间插值的工业机器人精度补偿方法理论与试验

随着工业机器人技术的不断发展,机器人在工业领域得到了越来越广泛的应用.针对机器人普遍存在重复定位精度高、绝对定位精度低的特点,提出一种改进其绝对定位精度的方法.以D-H运动学模型为基础建立机器人坐标系,并综合考虑机器人各关节参数引入的误差,建立机器人的位姿误差模型.利用该误差模型,通过分析相邻两点间定位误差之间的内在关联提出了定位误差相似度的概念,并在此基础上提出一种基于空间插值的工业机器人精度补偿方法.利用KUKA机器人对提出的精度补偿方法进行验证,试验结果表明,补偿前机器人的绝对定位精度为1～3mm,补偿后它的绝对定位误差的最大值为0.386 mm,平均值为0.156 mm,较未补偿前有了近一个数量级的提高,从而证明了该方法的可行性和有效性.     

介入导航机器人在肝肿瘤消融术中的应用研究

随着医学成像技术的大力发展,众多学者提出了使用穿刺导航机器人进行精准、安全、可靠的肝肿瘤微创热消融治疗。为归纳总结近年来介入导航机器人在肝肿瘤热消融术中的应用,本文分别阐述了基于医学影像引导的导航机器人系统和术中导航定位方法,并归纳总结了每种方法的适用性和局限性。     

磁导引与UKF滤波定位的轮式AGV路径跟踪研究

为实现农用机器人自主导航行走系统在满足较高环境适应性和运动灵活性条件下,能够平稳导航自动路径跟踪.根据农业机器人采摘作业环境要求,构建四轮转向AGV位姿估计的运动学模型,开展了基于模糊控制器的磁导航路径跟踪控制和多传感器信息融合的AGV位姿定位方法研究.试验结果表明:采用模糊控制器能够即时调整AGV车体速度与导向角,UKF滤波器进行数据信息融合的方法能够有效提高AGV位姿定位精度,实现48mm以内的位姿误差和小于4°的航向误差,可为农用轮式AGV应用提供参考.     

未知环境下机器人导航算法与避障算法研究

针对机器人在复杂动态工作环境下如何进行定位和导航的问题做了深入研究,全文阐述了机器人混合导航和地图重建的基本方法。首先,介绍了机器人机械结构与软件平台,并分析了经典双轮差动模型,并总结了机器人的应用范围;然后,通过对视觉数据的数据采集实现了对于环境特征的提取,建立了导航图像和导航机器人导航;最后,建立了基于超声波传感器的模糊避障系统,解决了由于障碍物定位不准确、检测盲区、镜子反射等缺陷导致避障不稳定的问题。经过实验证明,该机器人具有良好的避障性能和导航性能,实现了机器人视觉导航算法。     

多信息融合的物流机器人定位与导航算法的研究

为解决大规模的仓储货物搬运和分拣,引入了大规模自动化物流机器人系统。其中物流机器人的定位和导航是实现大规模自动化物流机器人系统的关键。物流机器人系统结合灰度传感器、超声波传感器和加速度传感器的多传感器融合,物流机器人的集群调度和路径规划、摄像头定位等研究,并在此基础上改进和优化,提出了以多信息融合的定位与导航算法为基础的物流机器人系统。该物流机器人系统由软件和硬件2部分组成。硬件包括三轮行走机构、抬升机构、装卸台机构、摄像头基站以及STM32F103ZET6芯片作为控制系统硬件。软件包括物流机器人的方位信息获取,多传感器融合的导航算法,实验数据表明物流机器人系统可以完成对货物的高效搬运和对物流机器人的导航、定位。定位精度能控制在3%左右,时间成本降低28%左右,且该系统具有很好的鲁棒性。     

基于多维尺度法和卡尔曼滤波的机器人传感器网络跟踪定位

为解决当前工业机器人定位误差大,传统多维尺度(MDS)模型的精度受到环境噪声的影响,现有定位方法无法满足定位精度需求的现状,提出了一种将卡尔曼滤波和多目标跟踪相结合的方法来减小噪声对多源定位的影响.建立了高斯分布下加性噪声对距离测量噪声分布的预测模型,并据此建立了线性跟踪系统.实验数据表明,在不同噪声水平及不同传感器网络节点数量下,基于MDS法的传感器网络节点定位误差最高接近20%,基于EKL法的定位误差在7.46%～13.13%范围内变化,而本文提出的MDS和KL联合定位方法误差始终控制在8%以内.与现有常用的MDS和扩展卡尔曼滤波EKL定位方法相比,该算法有效地降低了实际环境中的噪声影响,具有很好解决移动传感器定位问题的潜力,满足了高精度定位的实际要求.同时,由于采用了线性滤波器进行简化,很好地适应了功率、内存和计算能力有限的小型嵌入式传感器,在机器人定位领域具有一定的参考价值.