移动机器人的一种室内自然路标定位法

实时定位是移动机器人导航的一个基本前提。该文提出了一种利用墙棱边及墙平面(EdgeandPlane,EP)路标或者广义EP路标进行定位的方法,使用了异步数据融合的方法对移动机器人进行了定位。仅利用传感器对墙平面的距离数据进行测量就实现了机器人的定位。仿真显示这些方法能减少机器人的定位时间,提高对传感器测量数据的利用效率。     

用于移动机器人自定位的视觉路标设计

为了实现室内移动机器人的自定位,提出了一种简易美观的新型视觉人工路标以及基于对数极坐标系投影直方图的路标识别方法,并用基于共面四点的位姿估计算法计算机器人位姿.实验结果说明,路标检测具有很高的鲁棒性;路标识别方法抗噪声和形变的能力强;位姿精度足够满足室内移动机器人自定位的需要.     

基于人工路标和立体视觉的移动机器人自定位

针对室内移动机器人的自定位问题,提出一种基于人工路标和双目视觉的室内移动机器人自定位方法。首先设计了一种可扩展的彩色人工路标,并给出路标的编码方法;然后利用色彩空间变换,直线交比不变性以及自适应窗口实现路标检测与识别;最后在分析双目立体视觉模型的基础上建立起基于路标的双目立体视觉定位模型,实现移动机器人的准确定位。实验结果表明,路标对光照和视觉传感器的采集位置具有较强的鲁棒性,定位精度能够满足室内移动机器人的定位要求。     

移动机器人自然路标特征提取方法

介绍了一种基于2 维激光测距仪的自然路标特征提取方法．本方法由3 部分组成：数据聚类、滤波平 滑以及特征提取．该方法根据计算机图形学中的尺度空间理论,利用无迹卡尔曼滤波器（unscented Kalman filter） 构建曲线模型估计器,对描述环境局部区域形状的扫描点间的几何拓扑关系进行估计．根据估计过程中获得的 Mahalanobis 距离构建滤波卷积核对原始范围图像进行自适应滤波平滑处理,利用距离数据的曲率函数对聚类后的 数据进行分割并提取特征．该方法对噪声鲁棒稳定,并且可以有效地提取非结构化环境中的自然路标特征．实验结 果证明本文所提出的方法对自然路标特征提取是行之有效的,可以为自主移动机器人导航系统提供丰富的路标特 征．     

用于移动机器人的视觉全局定位系统研究

本文叙述了用于移动机器人自主导航定位的一种视觉全局定位系统技术．该视觉定 位系统由LED主动路标、全景视觉传感器和数据处理系统组成．本文主要介绍了为提高全景 视觉图像处理速度和环境信标识别可靠性、准确性的应用方法,并给出了实验结果．实验表 明,视觉定位是具有明显研究价值和应用前景的全局导航定位技术．     

IEKF滤波在移动机器人定位中的应用

针对EKF中观测噪声方差估计不准确导致滤波器性能下降甚至发散的问题,提出了基于环境特征的迭代扩展卡尔曼滤波(IEKF)融合算法。该算法融合了里程计采集的机器人内部数据和激光雷达传感器采集的外部环境特征,在测量更新阶段多次迭代状态估计值并对机器人的位姿进行修正,减少了非线性误差,提高了定位精度。     

改进直接线性标定的移动机器人视觉定位算法

在移动机器人视觉定位中,图像处理技术为摄像机标定和视觉定位奠定了基础.本文首先对机器人采集得到的目标图像进行灰度变换,将彩色的图像转换为灰度图像,利用中值滤波滤除目标图像中的孤立噪声点,再使用sobel算子提取图像的边缘,由于提取的边缘不清晰,最终使用改进的hough变换得到图像的清晰边缘.实验中利用matlab 7.5软件对图像进行处理,获取到准确的目标点像素.而要得到机器人在实际坐标系中的坐标,需要对摄像机进行标定,本文对直接线性标定算法进行改进,利用最小二乘法简化计算的过程,实现机器人视觉定位过程.实验结果表明,该方法简单且有效,提高了定位的准确度,验证了该方法在视觉定位中的有效性和可行性.     

基于嵌入式移动机器人的模糊控制算法设计

以LPC2131的教育机器人为硬件基础,介绍了实时操作系统μCOS—Ⅱ的移植方法,并实现了模糊控制算法应用于机器人的速度控制。采用结构化的软件设计方法,此方法易于将其他复杂控制算法应用于机器人;同时,可使之成为一个运动控制软件设计的学习平台,如电机控制、系统中断、基于实时操作系统的运动控制等。     

基于路标的AGV定位优化研究

为了减小自动引导小车(AGV)定位中的误差,分析了定位过程中误差产生的原因,并提出了优化方法.对定位系统校准、移动定位及路标识别中存在的问题,采用不同的优化方法,如构造补偿函数、随机抽样一致性(RANSAC)算法等.采用均方误差(MSE)来判断定位结果的准确性.实验结果表明:优化方法能提高了定位系统的定位精度和定位可靠性.     

嵌入式移动机器人目标搜集运动控制研究

本文基于移动机器人平台设计实现了核心嵌入式控制系统,采用上位机-下位机两级体系结构,开发了环境信息采集上位机软件及机器人运动控制下位机软件;通过激光测距仪实时测量与数据处理,实现机器人对环境目标的探测与感知,设计了电机控制器用于实现机器人运动控制;最后,针对目标搜集使命案例,验证了移动机器人对环境目标的自主探测与搜集的作业能力,实验结果表明：所设计的嵌入式控制系统及其运动控制器满足使命任务要求。     

基于ARM的嵌入式移动机器人控制系统的设计

讨论了基于S3C2410微处理器的移动机器人小车控制系统的硬件设计,以及在嵌入式操作系统Windows CE下的软件设计.具体分析了各个模块的设计原理、驱动和应用软件的设计.该移动机器人系统具有模块化、易扩展、可移植、硬件体积小、功耗低、实时性强、可靠性高等优点.     

基于视觉和里程计信息融合的移动机器人自定位

受鸽子定向启发,将装备有全维视觉和里程计等传感器的自主移动机器人的自定位分为两种模式：全维视觉定位模式和里程计定位模式．机器人依据一定准则选择具体的主导定位模式：先试视觉定位,若视觉定位不可得或获得的视觉定位不可靠,则采用里程计定位．针对标记物信息失真问题,应用初步视觉定位结果反推标记物理论值,然后通过比较从原始图像中分离出的可能的标记物信息和反推出来的标记物信息理论值,滤除不可靠的视觉定位．针对运动过程中的机器人自定位,分析了影响定位准确性的信息时间延迟因素．     

基于嵌入式Linux的移动机器人控制系统设计

介绍了一个以嵌入式Linux系统为核心的移动机器人控制系统的设计与实现，阐述了运动控制与传感模块、主控制模块、人机交互界面和无线通信模块。该系统具有良好的可扩展性和可移植性。在无线通信模块中，集成了Zigbee协议，从而为无线传感器网络与移动机器人的协作性研究提供了可能。实验表明，该系统可以实现机器人的复杂控制。     

移动机器人编队视觉定位方法研究

该文提出一种基于视觉的移动机器人编队定位方法。该方法采用基于纹理的图象对机器人进行标识,然后使用纹理中的特征点对机器人的位置和姿态进行估计,使用最小二乘算法使估计结果误差最小。实验证明该方法能够有效地对编队的移动机器人定位,同时对环境干扰具有鲁棒性。     

Bayesian Landmark Learning for Mobile Robot Localization

To operate successfully in indoor environments, mobile robots must be able to localize themselves. Most current localization algorithms lack flexibility, autonomy, and often optimality, since they rely on a human to determine what aspects of the sensor data to use in localization (e.g., what landmarks to use). This paper describes a learning algorithm, called BaLL, that enables mobile robots to learn what features/landmarks are best suited for localization, and also to train artificial neural networks for extracting them from the sensor data. A rigorous Bayesian analysis of probabilistic localization is presented, which produces a rational argument for evaluating features, for selecting them optimally, and for training the networks that approximate the optimal solution. In a systematic experimental study, BaLL outperforms two other recent approaches to mobile robot localization.     

自适应扩展卡尔曼滤波器在移动机器人定位中的应用

针对移动机器人定位过程中存在的误差积累问题,提出了采用自适应扩展卡尔曼滤波算法(AEKF).分析了扩展卡尔曼滤波(EKF)和AEKF两种算法, AEKF取采样时刻的各项泰勒级数,并利用Sage-Husa时变噪声估计器实时估计观测噪声,克服了线性化误差,增强了环境适应性;同时,对AEKF的收敛性及运算复杂度进行分析,并结合算法实验表明AEKF具有良好的速度精度综合性价比;最后对比分析两种算法实现机器人定位的效果并实验完成误差对比.结果表明AEKF具有更优的定位性能.     

基于人工路标的室内机器人导航方法

在室内环境下,以往的人工路标设计方案,其识别算法复杂,准确率较低,而且难以满足实时性的要求.针对这样的问题,本文设计了两种新的人工路标:定位人工路标和纠偏人工路标,不仅可以有效地帮助室内移动机器人导航定位和纠偏,而且具有识别简单快速的优点.机器人实时识别定位人工路标,并根据识别的纠偏人工路标来调整自身的位置和运动方向,使得机器人可以沿着事先规划好的路径顺利前行.通过实验表明,在室内光线较暗、适中、强光三种光线条件下,两种人工路标识别准确率高,且识别速度快,能够满足导航实时性的要求.