基于人工路标的机器人视觉定位研究

自定位和位置估计是自主移动机器人最重要的能力之一。根据摄像机透视映射原理,确定内外参数来推算机器人位置。基于实验分析,提出了一种人工路标方案。通过建立以RGB的值域范围为分割点,分层实现彩色图像的目标与背景分离,从而完成了图像标志的识别。试验表明基于人工路标信息的视觉定位系统能够有效识别出机器人,实现反馈机器人的当前位置。     

基于全景视觉的机器人相互定位的研究

为了使机器人能够更好地定位,研究了一种基于全景视觉的机器人相互定位的方法.2个全景摄像机和用于识别机器人的三色环圆柱体分别安装在不同的移动机器人上,利用光学视觉原理,通过CCD摄像机,获得包括另一个移动机器人的全方位景物图像.将得到的全景图像二值化处理后,通过噪声去除及八方区域生长算法找到符合条件的区域,并将找到区域的RGB颜色模型转换为H IS颜色模型.根据三色环圆柱体自身的3种颜色的固定顺序明显区别于背景的特点,识别出机器人上的目标三色环圆柱体,通过设计出的机器人相互定位算法,计算出机器人在世界坐标系下的坐标.实验结果表明,本文研究的基于全景视觉的移动机器人定位方法是令人满意的,对实际应用有一定的价值.     

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.     

基于双目视觉的机器人运动目标检测与定位

针对移动机器人自定位精度低的问题,提出了先由静止的工作机器人进行自定位,再对运动目标进行检测和定位的方法.基于HSV模型颜色特征,工作机器人分割出人工路标并进行自定位,利用帧间差分法将采集到的视频图像序列中相邻两帧作差分运算,提取出运动目标,并通过双目立体视觉视差原理计算出运动目标的绝对坐标,帮助运动目标完成定位.结果表明,该方法定位精度高于传统的移动机器人自定位的定位精度,且算法的实时性好,具有现实的研究意义.     

一种面向移动机器人导航的自然路标提取方法

针对机器人定位和导航应用中人工路标存在的缺陷,设计了一种基于频域特性的显著性路标提取方法。该方法首先利用图像熵理论自适应选取因子平滑图像,随后在对立色彩空间上,利用频域显著性计算方法得到三通道色彩空间的显著图,并对其进行加权融合。同时考虑到路标一致性和噪声的因素,利用优化的K-means聚类结果,对最终的显著图进行掩膜操作,筛选出可供机器人导航应用的自然路标。实验验证了在常规环境下,相较于特征算子的直接匹配,视觉注意特征提取的显著像素达到了平均80%的检出率,并具有较高可重复性。后续基于自然路标的实际机器人导航实验进一步验证了方法的有效性。     

基于主动路标的全方位移动机器人定位系统

介绍一种新的基于红外主动路标的全方位移动机器人全局定位方法．采用光学视觉原理,通 过ＣＣＤ摄像机,经半球形反光球面,获得全方位景物的影像,采用路标方位角定位方法,计算出机 器人在相对坐标系中的坐标,从该系统在实验中的数据来看,采样频率和定位精度均能满足要求．     

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．     

RoboCup中型机器人视觉系统的设计与实现

针对RoboCup中型机器人比赛,设计了机器人的视觉系统．首先选择HSI颜色空间并采用查找表技术对图像进行颜色分割,接着利用RLC技术分割感兴趣的区域,实现目标识别后,再采用角度定位和特征点定位相结合的方法实现机器人场上自定位．     

基于计算机视觉的视频图像关键帧提取及修复方法

为了提高视频图像关键帧提取及修复效果,设计了一种基于计算机视觉的视频图像关键帧提取及修复方法。基于计算机视觉进行视频图像采集;采用阈值分割法建立灰度值模型,计算背景与目标的灰度差;利用视频图像中的主要特征窗口获取像素值,使用熵值法采集剩余的局部纹理图像,以完成视频图像关键帧提取。在此基础上,利用加权法还原原始矩阵,完成视频图像关键帧修复。实验结果表明,此方法提取的图像清晰度较高,能够提取到图像的颜色特征和纹理特征,提取多个视频图像关键帧的时间较少。     

机器人双目视觉系统的标定与定位算法

介绍了双目视觉系统的构成,选用简单实用的张正友标定法对系统使用的两个CCD摄像机进行了标定.基于双目视觉系统,提出一种计算物体位置信息的解析解方法——投影法,利用标定结果对不同位置进行深度信息测量,通过计算结果分析,基于视觉信息探测到的位置信息在1500mm范围内,3个方向的误差分别为0.72mm,0.69mm,20.96mm,验证了方法的正确性.     

基于Kinect传感器的机器人室内环境检测方法

针对移动机器人室内环境检测问题,提出了一种基于Kinect传感器的目标物体检测方法.利用Kinect传感器采集的视频图像和深度数据来实现对机器人工作环境中已知特征目标物体和完全未知目标物体的检测及定位.对于已知特征目标通过颜色特征分析来完成检测,而对于完全未知的物体则通过深度地面消除算法和提取深度图像的轮廓来进行检测.利用传感器成像模型对检测出的目标区域进行三维空间定位,从而获取目标物相对于机器人的空间位置信息.基于移动机器人平台进行实验,结果表明,该方法能够有效地实现室内环境信息的检测及定位.     

基于Matlab的有路标移动机器人定位仿真

为了满足机器人精确定位的要求,提出一种基于多传感器信息融合的自定位算法并介绍了如何利用Matlab搭建移动机器人定位系统的仿真模型.仿真程序建立了移动机器人活动的虚拟环境,模拟了机器人的运动模型、里程计、激光雷达观测模型,利用扩展卡尔曼滤波算法将里程计和激光传感器采集的数据进行融合;最后,由匹配的环境特征对机器人的位置进行修正,得到精确的位置估计.仿真试验的结果表明该定位系统具有较高的定位精度.模块化的仿真系统设计有利于其他定位算法的验证,对机器人系统的理论研究以及实用化具有重要的作用.     

基于场景复杂度的移动机器人目标搜索方法的研究

借鉴人类搜索经验,将场景复杂度概念应用到移动机器人目标搜索过程,提出了一种基于场景复杂度的移动机器人目标搜索方法.首先,通过分析影响场景复杂度的主要因素,给出了融合图像和激光深度信息的场景复杂度形式化定义;其次,结合视觉目标检测过程,描述了基于场景复杂度的目标搜索方法,该方法通过对各个场景按复杂度进行筛选来确定待搜索场景,并根据场景深度信息确定该场景的待搜索点.实验结果表明：本文提出的场景复杂度计算方法符合人的复杂度主观感受,较好地反映了场景的内在特征;基于场景复杂度的目标搜索方法可以有效地搜索目标,具有较好的鲁棒性.     

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。     

基于视觉信息的移动机器人动态避障方法

为了提高自主移动机器人的动态避障能力,提出了一种基于视觉信息的拟人动态避障方法,以视觉信息为决策依据,利用神经网络对障碍物的屏幕坐标和实际相对坐标进行非线性映射,在避障过程中只考虑障碍物相对于机器人的运动及可能的碰撞方式,无需考虑机器人和障碍物的运动速度和运动方向,仿真试验证明这种方法是可行而有效的．     

基于激光测距传感器的家庭机器人导航仿真

通过将激光测距器的扫描数据和来自家庭机器人的里程计结合在一起,给出了同时定位和地图生成的算法．基于扩展卡尔曼滤波算法,滤去不必要的数据,直接将传感数据和环境特征相匹配,融合激光扫描数据和人工路标,给出了机器人连续位置更新的方法．仿真结果表明该方法较好地解决了室内机器人导航问题．     

基于混沌控制的多目标不确定环境下移动机器人路径规划

针对多目标不确定环境下移动机器人路径规划算法复杂的问题,提出了一种新的规划算法———混沌控制算法.该算法利用混沌控制原理,根据检测到的目标位置信息,分别采用线性和非线性方法构造目标函数,然后通过牛顿定理,进行路径规划,求出规划节点.最后对算法进行了模拟仿真.仿真结果表明,构造的目标函数在每个目标点周围形成了收敛区域,机器人移向哪一个目标点,由它的初始状态所在的吸引域决定,不必再施加其它控制.这样减少了规划的计算量,提高了路径规划的速度和精度,为以后研究包含多障碍物的不确定环境下的路径规划奠定了基础.     

基于改进MSCKF的无人机室内定位方法

针对无人机室内定位容易出现漂移的问题,提出基于改进多状态约束卡尔曼滤波器（MSCKF）的无人机（UAV）室内定位方法. 该方法在MSCKF的框架下,提出高鲁棒性、低时延的标志点检测方法. 利用在世界坐标系下坐标已知的标志点计算得到无人机位姿,实现惯性测量单元(IMU)信息与单目视觉信息融合以及无人机位姿修正. 对提出的定位方法进行测试. 测试结果表明,该方法的定位误差小于0.266 m,与OpenVins和LARVIO开源算法相比,定位精度提高了54.6%以上.     

基于人工势场与细胞自动机的移动机器人路径规划算法

提出了一种基于细胞自动机（Cellular Automata,CA）和人工势场的全向移动机器人路径规划算法,并通过一个4层的细胞自动机模型实现了该算法。通过构造扩张的障碍占位网格地图可在规划算法中将机器人简化为一个点,然后通过建立数值化的障碍人工势场图来考虑障碍物的局部影响,并使用CA模型得到距离传播图,最后通过搜索势场超曲面的最小值获得从起始点到目标点的最优无碰撞路径。仿真结果表明,提出的算法可以获得最优无碰撞路径,最优路径足够光滑且与障碍有较大的安全距离,便于全向移动机器人跟踪。