未知环境下室内移动机器人定位导航设计与实现

为实现室内移动机器人在未知环境下的定位导航,设计了一台基于机器人操作系统(robot operating system,ROS)的室内移动机器人,研究了增量式构建栅格地图、代价地图的环境地图构建方法和自适应蒙特卡罗(amcl)定位方法以及运用Trajectory Rollout 和Dynamic Window Approaches算法的路径规划方法.实验结果表明:该自主导航与定位软件能增量式绘制环境地图,所规划的路径符合最优路径;机器人按照规划路径行走时的导航定位精度能够达到10 cm,偏转精度达到±5°,能够实现未知环境下室内移动机器人的定位与导航.     

一种基于ROS 的分布式安防巡逻机器人系统

针对目前安防巡逻机器人系统中对机器人主控机负载能力要求较高的问题,设计一种基于机器人操作系 统(robot operating system,ROS)的分布式安防巡逻机器人系统。将同时定位与建图(simultaneous localization and mapping,SLAM)节点以及视觉识别节点分布于局部ROS 网络中的机器人主控机和远程监控端,SLAM 方面采用 gmapping 算法实现动态环境中的地图构建以及机器人的定位;视觉识别方面采用TensorFlow 深度学习框架,利用 TensorFlow Object Detection API 实现场景里多个物体的识别。结果表明,该系统为基于ROS 的分布式安防巡逻机器 人系统的设计提供了参考。     

基于特征地图的改进回环检测算法

为提高移动机器人回环检测模块的准确率和实时性,提出一种基于特征地图的改进回环检测算法。在传 统模型的基础上,对关键帧的特征点进行筛选,选取高效特征点构建特征地图,利用视觉字典树对特征地图和关键 帧进行场景描述;对词袋模型进行改进,将场景分割用在图像信息的提取和特征聚类上;建立基于分层K++均值的 视觉字典树,得到改进的基于分层金字塔TF-IDF(term frequency–inverse document frequency)的匹配方法。实验结果 证明：相比FAB-MAP(fast appearance-based mapping)和RGB-D SLAM v2,改进算法在特征点规模、实时性、召回 率方面性能更优。     

ROS/Gazebo 在SLAM 算法评估中的应用

为解决对即时定位与地图构建(simultaneous location and mapping,SLAM)算法进行评估时难以获得精确 的机器人实际运动轨迹和环境参数的问题,使用ROS/Gazebo 仿真软件进行评估。通过ROS/Gazebo 软件建立配置有 多种传感器的机器人模型和参数已知的仿真环境,让机器人模型在仿真环境中运行并收集传感器信息以形成数据集, 使用该方法对2 种2D 激光SLAM 算法进行评估分析。结果表明,该方法可有效解决上述问题。     

基准地图测绘下的视觉导航算法

针对GPS 信号拒止环境下自主导航定位问题,提出一种基于全局定位基准地图测绘的视觉导航算法。在 卫星导航信号可用时,利用同步定位与制图(simultaneous localization and mapping,SLAM)算法对使用场景制图,利 用时间戳与实时动态定位技术(real-time kinematic,RTK)将全局定位数据进行对齐,使用在线SLAM 算法载入全局 定位基准地图并进行全局范围内的导航定位。实验结果表明：该算法只需依赖视觉图像数据即可完成全局定位,其 定位和导航精度达到亚米级,导航与定位的误差平均值为0.36 m,均方差为0.31 m,满足实际应用要求。     

统计特性突变下的机器人同步定位与地图构建

针对未知环境中,机器人同步定位与地图构建( SLAM)时,系统的统计特性发生突变问题,提出了一种基于非线性交互式多模型(IMM)的SLAM算法。该算法的主要思想是：用多个非线性高斯模型近似非线性非高斯模型;每个模型都采用扩展卡尔曼滤波(EKF)对非线性系统线性化;在每一步采用IMM方法获得融合估计值;从而演化机器人的SLAM. Monte Carlo仿真结果表明,在过程噪声均方根误差、量测噪声均方根误差和两者噪声均方根误差都发生变化的情况下,与EKF-SLAM算法和快速SLAM算法相比,该算法具有更好的估计精度。     

面向动态物体场景的视觉SLAM方法

针对动态场景移动物体的运动估计问题,对视觉同步定位与地图构建(simultaneous localization and mapping,SLAM)方法进行分析。现有动态SLAM算法可分为基于几何的方法和基于深度学习的方法2类,重点介绍一种基于几何方法——基于点云相关性的动态SLAM方法;总结目前SLAM技术面临的挑战,展望动态SLAM针对未来战争的发展潜力与发展方向。结果表明,该研究可促进SLAM技术在机器人导航中的应用。     

基于四叉树法和PROSAC 算法改进的视觉SLAM 技术

为解决在同时定位与地图构建(simultaneous localization and mapping,SLAM)的前端进行特征点匹配时, 随机抽样一致法(random sample consensus,RANSAC)存在的迭代次数高、实时性较差、鲁棒性不稳定等问题,提出 一种基于四叉树法和渐进一致采样法(progressive sample consensus,PROSAC)算法融合改进的图像匹配算法。实现四 叉树法+PROSAC 算法的误匹配剔除算法,在EuRoC 数据集上对改进后的ORB-SLAM2 算法进行实验。结果表明： 相比于ORB-SLAM2 系统,该算法在Vicon Room 1 03 数据集上总体绝对轨迹误差平均值减小了39.28%,总体相对 位姿误差减小了35.45%,具有更高的建图精度。     

无人机SLAM 避障技术研究

针对无人机没有考虑障碍规避而导致无人机的同时定位与地图构建(simultaneous localization and mapping, SLAM)任务无法完成的问题,提出一种改进的人工势场法。通过建立一个包含无人机到目标点的距离、无人机到障碍物的距离及障碍物方差的势场函数,制定避障策略,从而解决无人机 SLAM的障碍规避问题,并在构建的无人机运动模型基础上,对提出的算法进行仿真验证。仿真结果表明：该算法在完成 SLAM任务的同时,能够有效地避开障碍物的威胁。     

融合渐消无迹粒子滤波与高斯重采样的FastSLAM 算法

摘要：为解决快速同步定位与地图构建算法因粒子退化导致SLAM(simultaneous location and mapping)估计精度 不佳的问题,提出一种融合渐消自适应无迹粒子滤波与高斯分布重采样的FastSLAM 算法。通过融合渐消滤波和无 迹粒子滤波,产生一种自适应提议分布,利用高斯分布对高权重粒子进行分散得到新粒子。建立机器人运动模型和 观测模型,并在仿真环境中进行性能验证。仿真结果表明：该算法能有效地缓解粒子退化,增加系统稳定性,提高 SLAM 估计精度。     

基于粒子滤波的移动机器人跟踪定位算法

针对移动机器人在非线性系统中匀速运动的实时跟踪定位问题,对基于粒子滤波的移动机器人跟踪定位算法进行研究.在控制系统中引入粒子滤波算法,并在此基础上引入退化因子,最后进行仿真验证.结果表明:该算法能避免粒子滤波算法在非线性系统的失效和单样本等问题,改善移动机器人在跟踪定位系统中的非高斯噪声影响,明显提高移动机器人定位精度.     

基于图像声纳SLAM算法在AUV组合导航中的应用

为了在有限的体积、功耗及成本范围内提高自主水下航行器（AUV）远程、深海导航定位精度,提出了将基于图像声纳的同时定位与地图创建（SLAM）方法应用于AUV水下组合导航系统,利用图像声纳获取AUV与地形特征点之间的距离和3D方位数据,结合捷联惯性导航系统（SINS）得到的导航数据,通过扩展卡尔曼滤波（EFK）方法对载体状态和地图状态进行连续并行估计和量测,将得到的误差估计反馈回SINS进行修正,可抑制其随航行时间和距离增加的姿态、速度和位置误差。此外,在地形特征点向量中加入声学尺寸元素,可提高特征识别的准确性。仿真结果表明,在持续观测到有效的地形特征点条件下,惯导误差得到了较好抑制,特别是在AUV返程或往复巡航过程中,重复观测到同一地标时,可大幅提高水下组合导航的定位精度。     

基于因子图优化的激光SLAM

为提高基于激光雷达的同步定位和建图(simultaneous localization and mapping,SLAM)精度,提出一种基于因子图的高效率、高精度的激光雷达SLAM框架。采用一种基于滑动窗口的因子图方法,将当前帧进行帧间匹配得到相对位姿,按照一定规则选出关键帧,将关键帧与全局地图进行匹配得到绝对位姿;构建一个因子图,将得到的连续帧之间的相对位姿与关键帧的绝对位姿作为优化因子,机器人的位姿作为状态节点放入因子图中进行位姿优化,得到高频率的机器人位姿以及全局一致的环境地图。结果表明：该算法能够减小误差的累积,具有更高的定位精度。     

基于PMAC的稳定平台伺服系统设计

研制了一套基于PMAC运动控制卡的陀螺稳定平台系统。该系统以PMAC为核心控制模块,光纤陀螺为速度环反馈传感器,光电编码器为位置环反馈传感器,实现了稳定平台的位置跟踪和伺服稳定两个功能。介绍了系统的工作原理和控制结构,分析了系统的软硬件设计,以及伺服控制算法描述。实验结果表明,该系统完全达到稳定平台性能要求,系统稳定性好且控制精度高。