人机共享环境下基于Wi-Fi指纹的室内定位方法

针对服务机器人和行人的室内全局定位问题,提出一种人机共享环境下基于Wi-Fi指纹的室内定位方法.首先,采用核主成分分析法(KPCA)从双频段的Wi-Fi信号中提取一种设备无关的鲁棒位置指纹,用于Wi-Fi指纹定位.然后,为了提高行人定位的稳定性和精确度,结合行人航迹推算(PDR)的定位方法,设计了一种基于选择更新粒子滤波(SUPF)的Wi-Fi/PDR组合定位算法.在该算法中,利用PDR对移动场景下的Wi-Fi定位结果进行了初步校正,并通过定义自适应大小的可信空间对校正后的结果进行评估,从而在数据融合之前剔除不可信的Wi-Fi定位估计.最后,在实际场景下开展了定位实验,Wi-Fi/PDR组合定位的平均定位误差约为2 m,实验结果表明所提出的方法提升了定位系统的精确度和鲁棒性.     

融合多模传感器的室内实时高精度轨迹生成

提出了一种融合多模传感器的室内实时高精度轨迹生成方法,亦即将室内Wi-Fi定位与传感器定位结合起来,生成用户在室内移动的实时轨迹。首先由Wi-Fi定位出用户的初始位置,然后结合Wi-Fi定位的结果以及多个传感器的数据,得到用户的运动速度以及方向,通过航迹推算算法得到用户下一时刻的位置,最后对得出的位置坐标进行卡尔曼滤波处理,得到用户的位置坐标,最终生成用户移动的实时轨迹。实验结果表明,该方法可以得到比Wi-Fi定位更为平滑稠密的移动轨迹,且精确度 比其他同类方法更高。     

基于粒子滤波器的移动机器人自定位方法研究

首先,对粒子滤波器的原理进行了简要阐述。然后详细描述了基于粒子滤波器的移动机器人自定位算法——蒙特卡洛定位算法。在ROS(Robot Operating System)平台上对该算法进行了仿真实验并分析了其性能。最后,对蒙特卡洛粒子滤波定位方法用于移动机器人定位进行了总结。结果表明,MCL(蒙特卡洛)算法是一种精确鲁棒的移动机器人概率定位方法,可对解决移动机器人的定位问题提供有意义的参考。提出的机器人自定位方法为机器人在Robocup竞赛中自主执行各种作业提供定位支持,已在2013年中国机器人大赛获奖。     

利用众包更新Wi-Fi室内定位指纹库的方法研究

Wi-Fi定位是目前较为主流的室内定位方法,而位置指纹库的建立和维护对Wi-Fi定位至关重要。Wi-Fi信号时变性强要求指纹库及时更新。针对由专业人员更新指纹库的人力耗费问题,提出利用众包更新指纹库的方法,允许用户对定位结果进行评价和修正,使得用户在享受定位结果的同时参与到指纹库的维护更新中,特别针对用户的错误修正提出了基于聚类的错误检测方法,能有效避免指纹库被错误指纹污染。开发了室内定位系统,通过在真实室内环境的实验验证了本文提出的方法可以长时间保持较高的定位性能。     

基于概率运动统计特征匹配的单目视觉SLAM

在单目视觉同步定位与建图(SLAM)过程中,由于特征匹配阶段存在误匹配且耗时长,使得机器人初始化速度慢、定位精度不高。针对此问题,基于概率运动统计特征匹配,提出一种单目视觉SLAM算法。通过设置自适应的阈值提取ORB特征点并使用四叉树进行保存,根据运动的平滑性与特征匹配的一致性估计特定区域内特征匹配的概率模型,得到正确的特征匹配点进行匹配,完成系统自动初始化与机器人位姿跟踪。在TUM数据集上的实验结果表明,该算法在特征匹配阶段耗时仅为1.4 ms,机器人初始化时间和定位精度分别为1.7 s和0.54 cm,且具有良好的实时性。     

基于场景识别的移动机器人定位方法研究

提出了一种基于场景识别的移动机器人定位方法．对CCD采集的工作环境的系列场景图像,用多通道Gabor 滤波器提取场景图像的全局纹理特征,然后通过SVM分类器来识别场景图像,实现机器人的逻辑定位．在移动机器人CASIA-I 上对该算法进行了实验．实验结果表明,该定位方法可达到91.11%的定位准确率,对光照、对比度等因素有较强的鲁棒性,并且满足机器人实时定位的要求．     

基于移动机器人的GPS轨迹生成及定位研究

根据GPS工作原理,设计了GPS定位模块,并将其应用于移动机器人的定位及导航中。分别在室外和室内对安装有GPS定位模块的移动机器人进行实验,设定起点和终点,使机器人通过实验路段。将室外实验结果文件导入谷歌地图中,可在谷歌地图上生成机器人运动轨迹并实时观察到机器人所处的位置;采用Matlab对室内实验结果进行处理,结果表明GPS定位模块可在室内实现移动机器人路径回放功能。     

基于激光定位的变电站智能巡检机器人导航系统设计

导航和定位是变电站智能巡检机器人完全自主运行的关键,针对巡检机器人现有导航定位方式的不足,将激光定位技术应用于巡检机器人导航,设计了巡检机器人激光导航系统,详细介绍了系统的软硬件结构及实现方法,并在室外环境下对导航系统进行了实验测试;实验结果表明,巡检机器人运行平稳,具有较高的导航控制精度;实验中机器人的运行轨迹重合度较好,直线运行时运动轨迹与路径横向垂直偏差在±15mm以内,航向偏差可控制在±1.5°左右。     

基于Wi-Fi室内定位的位置指纹算法

随着Wi-Fi网络室内覆盖率的增加,人们对位置服务的需求也不断增加。利用现有的Wi-Fi网络进行室内定位,先分析了NN算法存在的不足,并提出了一种WNN位置指纹定位算法。整个定位过程分为数据采集、数据处理即奇异值处理和滑模滤波处理、实时定位即用WNN法对处理后的离线数据和实时数据进行对比、匹配,最接近的那组数据对应的区域号为定位结果。对几种信号处理方法进行了比较,得出滑模滤波的效果最优。实验表明,修正后的定位算法的定位准确率明显提高,达到了90%以上。     

基于遗传算法的机器人自定位、路径规划研究

利用栅格图法,构建移动机器人位置定位、路径规划的环境模型,在此基础上依托实值编码方式,围绕初始位姿、路径长度、拐点数量等评估指标进行初始化种群编码,将被选中的栅格连成一条完整路径,并根据声呐回传位置信息、路径信息相似度,从种群中选择与真实位姿、路径相近的算子个体,并进行算子的自适应选择、交叉和变异计算,经过多代遗传迭代进化后,得到适应度较高的新的个体,以及机器人的最优定位位置、最短路径长度和拐点数量。仿真实验及结果得出：改进遗传算法对机器人位置定位、路径规划和拐点数量计算,算法迭代的次数更少、收敛度更优,有效提高了机器人自定位及路径规划平滑度、算法收敛速度。     

基于贝叶斯概率优化的Wi-Fi室内定位算法

Wi-Fi指纹匹配定位算法具有简单、快捷、方便、经济、易普及等诸多优点,但对位置指纹的匹配精度较低.对此,提出一种贝叶斯与加权K近邻算法相结合的贝叶斯概率优化算法,应用于Wi-Fi指纹匹配定位,在提高传统加权K近邻算法精度的同时,减少了贝叶斯概率匹配算法的平均运行时间.实验结果显示,该算法可以将1 m内的定位精度从原先...     

移动机器人的Android远程控制终端软件设计

针对移动机器人设计了基于Android平台的远程控制终端软件,利用Wi-Fi实现控制终端和移动机器人的无线通信。移动机器人带有基于惯性传感器和和里程计的惯性定位系统。机器人把自身惯性定位测得的位置参数传回给控制终端,通过在控制终端平板电脑上可以看到移动机器人所处的位置,并对机器人的动作发出指令,实现对移动机器人的远程监测与控制。实验结果表明,该远程控制终端能对移动机器人进行位置显示和有效控制。     

基于K-Means和FCM的增强型Wi-Fi指纹定位策略

研究了通过数据处理算法以提高Wi-Fi指纹库室内定位性能的问题.首先采集Wi-Fi指纹样本,将其放入MySQL数据库中和R工程;其次将Wi-Fi指纹库分成若干个簇,使用K-均值聚类（K-Means）和模糊C-均值聚类（FCM）对待定位的Wi-Fi指纹进行聚类分析;最后,提出增强型的聚类策略（ECS）应用于Wi-Fi指纹匹配定位中.实验结果表明,ECS较仅使用FCM算法,其定位耗时缩短约50%-80%,且定位精度上有所改善;ECS较仅使用K-Means算法,其定位精度提高约20%-40%,且定位稳定性较强并自动更新Wi-Fi指纹库.     

一种基于多终端动态协同的室内定位方法

由于Wi-Fi环境的高动态性,当标定样本类稀少或者逐渐失去其原始价值时,将严重影响定位精度;若重新标定样本,又会带来大量人力物力投入,不利于实际应用。针对这一问题,提出了一种基于多终端动态协同的室内定位方法——OC-ELM。该方法利用环境中多个终端提供的Wi-Fi信息动态协同定位,并在每轮定位结束后及时更新样本库。实验结果表明此方法不仅能实现高精度定位,更重要的是避免了重复的标定工作,提高了实际应用能力。     

基于时间反转的二阶段Wi-Fi室内定位方法

受Wi-Fi系统有限物理带宽限制,时间反转定位算法的定位精度难以得到提升。当定位范围较大时,在线定位阶段所需的匹配运算量更大,导致定位时间增长。针对上述问题,本文提出了一种基于时间反转的二阶段Wi-Fi室内定位方法。首先对接收信号强度和信道频率响应进行离线采集,利用接收信号强度和k近邻匹配算法进行位置粗估计,大致确定待测点所在范围。随后根据粗估计结果筛选原始指纹库,构建指纹库子集。在位置精估计阶段,计算待测点信道频率响应与指纹库子集中各参考点处信道频率响应的信号组合共振能量,通过最大值搜索寻找组合共振能量最大的参考点,将其坐标值作为位置估计结果。实验结果表明,所提算法相比于传统定位算法在精度和运行速度上有明显提升,在非直射环境下仍能保证较高的定位精度。     

A novel kinematic parameters calibration method for industrial robot based on Levenberg-Marquardt and Differential Evolution hybrid algorithm

The poor absolute positioning accuracy of industrial robots is the main obstacle for its further application in precision grinding of complex surfaces, such as blisk, blade, etc. Based on the established kinematic error model of a typical industrial robot FANUC M710ic/50, a novel kinematic parameters calibration method is proposed in this paper to improve the absolute positioning accuracy of robot. The pre-identification of the kinematic parameter deviations of robot was achieved by using the Levenberg-Marquardt algorithm. Subsequently, these identified suboptimal values of parameter deviations were defined as central values of the components of initial individuals to complete accurate identification by using Differential Evolution algorithm. The above two steps, which were regarded as the core of this Levenberg-Marquardt and Differential Evolution hybrid algorithm, were used to obtain the preferable values for kinematic parameters of the robot. On this basis, the experimental investigations of kinematic parameters calibration were conducted by using a laser tracker and numerical simulation method. The results revealed that the robot positioning error decreased from 0.994 mm, initial positioning error measured by laser tracker, to 0.262 mm after calibration with this proposed hybrid algorithm. The absolute positioning accuracy has increased by 40.86% than that of the Levenberg-Marquardt algorithm, increased by 40.31% than that of the Differential Evolution algorithm, and increased by 25.14% than that of the Simulated Annealing algorithm. This work shows that the proposed kinematic parameters calibration method has a significant improvement on the absolute positioning accuracy of industrial robot.     

基于粒子滤波的智能机器人定位算法

自主定位是智能机器人的关键性技术。针对轮式智能机器人在使用里程计、激光雷达进行定位过程中存在较大误差的问题,联合双目摄像机和激光雷达数据,提出基于粒子滤波的自适应蒙特卡洛(AMCL)优化定位算法。预测阶段,利用双目摄像机和激光雷达数据改善提议分布,减少滤波过程中重采样的粒子数,用更少的粒子数来估计机器人的后验概率分布。在激光雷达匹配点云时,提出一种分组阶梯式阈值判断法,在不降低点云匹配效果的情况下,有效降低现有的迭代最近点(ICP)匹配算法的计算量。为了验证改进算法的性能,在四轮智能机器人平台上进行实验。结果表明:改进的AMCL优化定位算法可以有效提高机器人的定位精度,具有较好的实用性。     

基于机器视觉技术的全自动微点焊机器人的研究

针对目前电声电子器件铜引线人工难以识别定位的问题,本文提出了基于机器视觉识别技术的微点焊机器人的系统,采用图像处理算法和机器视觉标定方法,解决电声电子器件铜引线的精确定位问题。实验结果证明,该系统能够有效提高微点焊的效率和质量。     

The localization of a mobile robot using a pseudolite ultrasonic system and a dead reckoning integrated system

In this paper, an integration system is proposed to improve the positioning performance of a mobile robot by fusing a Pseudolite Ultrasonic System (PUS), an absolute position measurement system using direct ultrasonic waves, with a Dead Reckoning (DR) odometer. As an integration algorithm of the absolute position measurement system and DR, two methods are proposed. In the loosely coupled method, the PUS and the DR calculate the position independently and a Kalman filter estimates the position using position information from the PUS and the DR. In the tightly coupled method, the PUS provides the distance between the ultrasonic transmitters and receivers without calculating the position directly and the DR provides the translational and rotational displacement of the mobile robot. The Kalman filter then estimates the position using information from the PUS and the DR. In addition, to improve the positioning performance in case the line-of-sight (LOS) between the ultrasonic transmitter and receiver is blocked due to obstacles, a positioning failure detection algorithm and reckoning methods are proposed. The positioning performances of the proposed PUS/DR integrated systems and the validity of the positioning failure detection algorithm are verified and evaluated by experiments.