基于自由空间中线法提取构建拓扑地图

首先利用激光传感器扫描数据,构建环境的以点阵表示的几何地图,然后在构建环境几何地图的基础上,利用提出的中线法抽取机器人所处环境的自由空间的拓扑结构,在拓扑节点构建时,加入机器人位姿信息,完成拓扑地图的构建。将该算法分别在Z型和T型环境中进行实验,构建环境几何地图,并抽取相应的拓扑结构。结果表明,该方法能够实时、安全、紧凑地表示环境。     

一种面向目标的环境模型及其构建方法

环境地图是机器人环境认知并提供服务的基础.以服务机器人为实际应用背景,综合应用多传感器数据,将环境中的具体目标信息映射到利用SLAM技术创建的地图中,生成面向目标的环境模型.论文详细介绍了该环境模型的表示、构建和更新方法,并通过实验证明该模型可有效地提高机器人的环境理解能力和工作效率.     

温室移动机器人复合栅格地图构建方法研究

针对温室环境中机器人依靠自身携带的传感器无法获取全面的环境信息,从而常导致路径规划错误的问题,提出了一种结合外部传感器系统获取温室环境信息,构建复合栅格地图的方法。首先,利用无线传感器网络定时采集对机器人通过性有影响的温度、湿度环境信息,并发送给机器人;其次,当温度或湿度数据的变化率达到设定阈值时,机器人利用阈值分割和插值法分别建立温度和湿度栅格地图;最后,将温度栅格地图、湿度栅格地图和室内障碍物物栅格地图相结合,构建动态更新的复合栅格地图。经测试,采用常规A*算法规划路径时,基于环境数据变化率阈值设定为±10%的复合栅格地图的成功率和完成时间,分别是基于普通栅格地图成功率的2.5倍,和1.05倍。结果表明,复合栅格地图能提高路径规划的成功率,并且不会由于动态更新复合栅格地图,导致机器人响应时间明显增加,实时性能满足系统的实际需求。     

多视角几何Rao-Blackwellised SLAM算法

低成本传感器、高精度定位是机器人同步定位与地图构建的热点研究问题。采用单视觉传感器来获取多个图像视觉信息,通过因式分解求解多幅图像的空间关系;利用多视角几何理论获得环境深度信息。机器人的同步定位与地图构建是通过对观测模型进行一阶泰勒近似,以及Rao-Blackwellised粒子滤波迭代进行的。在MT-R移动机器人研究平台进行实验,实验结果表明所提出的方法在定位精度指标优于经典的EKF-SLAM方法,并且只需要单个摄像头。     

室内未知环境下移动机器人特征地图创建研究

介绍了在室内未知环境下移动机器人利用激光雷达、电子罗盘和里程计等传感器信息创建特征地图的方法;从激光雷达数据中提取直线特征作为地图的主要环境描述特征,采用构建直线模板的方法对雷达数据进行分簇,通过最小二乘法拟合出相应的直线并对冗余地图线段进行合并,从而得到较精确的特征地图;实验表明该机器人建立的环境特征地图是精确有效的,且与栅格地图相比数据量小,可进一步用于机器人的避障、路径规划等复杂任务.     

基于低成本超声传感器的无线传感网生存环境地图构建研究

移动传感器网络节点在监测环境过程中,采集到大量有误差的环境地图数据,导致构建的传感器网络生存环境地图质量低、实时性差.针对以上问题,提出了一种适用于低成本、轻数据量、多网络节点的基于超声传感器组的环境地图构建算法.首先对超声波测量数据进行高斯滤波处理,其次利用处理后的数据进行单一网络节点所属区域地图的构建,再次提取单一节点地图的点特征,并进行匹配,进而得到融合后的全局地图,最终实现传感器网络节点生存环境地图的构建.进一步通过优化子图拼接顺序,降低了构图数据与实际环境数据的误差,提高了传感器网络节点生存环境的地图质量.     

激光测距在移动机器人自主导航中的应用

移动机器人在运动范围内需要有足够的传感器信息可供利用来进行自主导航,在完全未知的环境中,由机器人依靠其自身携带的传感器所提供的信息建立环境模型是机器人进行自主定位和导航的前提之一。介绍了激光测距在移动机器人自主导航中的应用研究;通过二维测距传感器对其周围环境进行扫描,提出了自主导航中地图创建、定位如何用二维扫描获得三维数据流的算法描述,并实验验证该算法的运用使机器人获得一个很好的三维视觉结构图。     

双目立体视觉栅格地图构建方法

本文基于立体视觉定位技术,提出了基于双目立体视觉的栅格地图构建方法,用以解决目前视觉SLAM技术构建的稀疏特征地图难以直接用于自主导航的问题。本文提出的方法仅以视觉信息作为输入实时完成移动机器人自定位与外界环境栅格地图的构建。首先采用双目立体视觉定位获取机器人运动参数,利用稠密匹配估算空间点云分布,在考虑机器人实际高度的情况下将三维点云投影成二维数据,最后通过二值贝叶斯滤波器在线构建栅格地图。本文所构建的栅格地图包含环境几何信息,可直接应用于机器人路径规划与导航。实验结果验证了本文所以出的定位与地图构建方法的可行性。     

特征序列数据关联机器人同步定位与地图构建

针对噪声不确定性增大的数据关联问题,提出特征点序列数据关联机器人同步定位与地图构建方法。根据机器人环境特征点的空间几何信息,基于图论建立特征点间的信息相关性。利用相邻两步的特征点观测信息协方差的变化,转化成求解特征点TSP问题和特征序列最大相关函数,以此确定所观测特征点的数据关联。实验证明,提出的方法可在噪声不确定性增大的情况下,保证同步定位与地图构建算法的一致性。     

语义地图导航的智能化服务机器人研究

基于语义地图导航的智能化服务机器人系统,以搭载深度相机和二维激光雷达的差分轮智能车的形式呈现。系统以树莓派作为主控制器,利用OpenCR控制电机驱动和辅助驾驶传感器,通过ROS机器人操作系统将机器人控制器、智能信息处理模块和各类传感器融合成一个有机整体。所构建的机器人系统在服务过程中,通过感知周围环境、收集数据完成静态、动态物体的辨识,然后结合二维地图数据完成目标检测和语义地图的构建。为了提升系统智能化程度,配合深度推理神经计算棒,并结合Mobile Net网络架构下的SSD目标实时检测算法,提高了视觉感知的实时程度以及准确性。     

一种移动机器人环境模型——灰色定性地图

针对移动机器人的环境建模问题,提出一种综合拓扑地图和儿何地图特点的混合环境模型——灰色定性地图.用凸剖分算法将环境中的自由空间分解为一组凸多边形.灰色定性地图的定性层由凸多边形及其之间的邻接关系构成,用于模拟人类在路径规划时的高层定性推理.定量层由凸多边形顶点的坐标和势场向量构成,用于决定机器人在连续空间中的运动方向和速度.理论分析和实验均表明:灰色定性地图可以模拟人类对环境认知的知识表达,并且可以仪由凸多边形邻接信息和顶点信息支持机器人完成路径规划且确保路径的平滑性,有效地降低了环境模型的空间复杂度.     

Robot semantic mapping through human activity recognition: A wearable sensing and computing approach

Semantic information can help robots understand unknown environments better. In order to obtain semantic information efficiently and link it to a metric map, we present a new robot semantic mapping approach through human activity recognition in a human–robot coexisting environment. An intelligent mobile robot platform called ASCCbot creates a metric map while wearable motion sensors attached to the human body are used to recognize human activities. Combining pre-learned models of activity–furniture correlation and location–furniture correlation, the robot determines the probability distribution of the furniture types through a Bayesian framework and labels them on the metric map. Computer simulations and real experiments demonstrate that the proposed approach is able to create a semantic map of an indoor environment effectively.     

Intelligent and Efficient Strategy for Unstructured Environment Sensing Using Mobile Robot Agents

In field environments it is not usually possible to provide robots in advance with valid geometric models of its task and environment. The robot or robot teams need to create these models by scanning the environment with its sensors. Here, an information-based iterative algorithm to plan the robot's visual exploration strategy is proposed to enable it to most efficiently build 3D models of its environment and task. The method assumes mobile robot (or vehicle) with vision sensors mounted at a manipulator end-effector (eye-in-hand system). This algorithm efficiently repositions the systems' sensing agents using an information theoretic approach and fuses sensory information using physical models to yield a geometrically consistent environment map. This is achieved by utilizing a metric derived from Shannon's information theory to determine optimal sensing poses for the agent(s) mapping a highly unstructured environment. This map is then distributed among the agents using an information-based relevant data reduction scheme. This method is particularly well suited to unstructured environments, where sensor uncertainty is significant. Issues addressed include model-based multiple sensor data fusion, and uncertainty and vehicle suspension motion compensation. Simulation results show the effectiveness of this algorithm.     

Integrating fuzzy topological maps and fuzzy geometric maps for behavior‐based robots

In behavior‐based robots, planning is necessary to elaborate abstract plans that resolve complex navigational tasks. Usually maps of the environment are used to plan the robot motion and to resolve the navigational tasks. Two types of maps have been mainly used: metric and topological maps. Both types present advantages and weakness so that several integration approaches have been proposed in literature. However, in many approaches the integration is conducted to build a global representation model, and the planning and navigational techniques have not been fitted to profit from both kinds of information. We propose the integration of topological and metric models into a hybrid deliberative‐reactive architecture through a path planning algorithm based on A^* and a hierarchical map with two levels of abstraction. The hierarchical map contains the required information to take advantage of both kinds of modeling. On one hand, the topological model is based on a fuzzy perceptual model that allows the robot to classify the environment in distinguished places, and on the other hand, the metric map is built using regions of possibility with the shape of fuzzy segments, which are used later to build fuzzy grid‐based maps. The approach allows the robot to decide on the use of the most appropriate model to navigate the world depending on minimum‐cost and safety criteria. Experiments in simulation and in a real office‐like environment are shown for validating the proposed approach integrated into the navigational architecture. © 2002 Wiley Periodicals, Inc.     

基于主动环形闭合约束的移动机器人分层同时定位和地图创建

基于Rao-Blackwellized粒子滤波器提出了一种基于主动闭环策略的移动机器人分层同时定位和地图创建(simultaneous localization and mapping,SLAM)方法,基于信息熵的主动闭环策略同时考虑机器人位姿和地图的不确定性;局部几何特征地图之间的相对关系通过一致性算法估计,并通过环形闭合约束的最小化过程回溯修正.在仅有单目视觉和里程计的基础上,建立了鲁棒的感知模型;通过有效的尺度不变特征变换(scale invariant feature transform,SIFT)方法提取环境特征,基于KD-Tree的最近邻搜索算法实现特征匹配.实际实验表明该方法为实现SLAM提供了一种有效可靠的途径.     

一类用于井下路径规划问题的Dyna_Q学习算法

在基于目标的强化学习任务中,欧氏距离常用于Dyna_Q学习的启发式规划中,但对于井下救援机器人路径规划这类状态空间在欧氏空间内不连续的任务效果不理想。针对该问题,文章引入流形学习中计算复杂度较低的拉普拉斯特征映射法,提出了一种基于流形距离度量的改进Dyna_Q学习算法,并在类似于井下环境的格子世界中进行了仿真研究。仿真结果验证了该算法的有效性。     

Step sequence planning for a biped robot by means of a cylindrical shape model and a high-resolution 2.5D map

A novel step sequence planning (SSP) method for biped-walking robots is presented. The method adopts a free space representation custom-designed for efficient biped robot motion planning. The method rests upon the approximation of the robot shape by a set of 3D cylindrical solids. This feature allows efficient determination of feasible paths in a 2.5D map, comprising stepping over obstacles and stair climbing. A SSP algorithm based on A^∗-search is proposed which uses the advantages of the aforementioned environment representation. The efficiency of the proposed approach is evaluated by a series of simulations performed for eight walking scenarios.     

直线拟合算法在移动机器人轨迹记录中的研究与应用

移动机器人在进行未知环境探索时,需要记录保存其行驶轨迹,以便进行定位、路径规划、地图更新等处理。本文给出一个直线拟合的优化算法,对移动机器人采集的原始坐标信息进行分析,可去除大量冗余信息,得到准确、精简、必要的运动轨迹信息。该算法在移动机器人轨迹记录中得到了有效应用,节省了存储空间,且满足移动机器人的实时性。仿真及实际测试均显示,该直线拟合优化算法是快速、高效的。     

非平坦地形下移动机器人安全路径规划

提出一种基于双分辨率2.5D分层栅格地图的Secure A*(SA*)路径规划方法,以解决移动机器人在非平坦地形下的安全路径规划问题.首先,设计一种双分辨率2.5D分层栅格地图,利用双分辨率栅格对环境中的障碍物信息与高程信息进行存储,以节约地图的存储空间;然后,结合移动机器人运动能力,将环境中的高程信息转化为约束因子,...