融合WiFi、激光雷达与地图的机器人室内定位

由于室内环境受多径效应影响,单一WiFi定位效果不佳;激光雷达(LiDAR)虽然测距定位精度高,但在室内存在大量单一、重复的场景结构(如走廊)时,往往会由于无法提取有效特征进行匹配而造成大量错误定位.因此,该文提出基于卡尔曼滤波框架的WiFi、激光雷达与地图的融合定位新方法.其中,滤波器的状态定义为机器人当前与历史时刻的位置序列.滤波器的观测值由两部分组成,一部分为该文所提基于多环路分割地图下信号强度加权匹配的WiFi指纹定位结果;另一部分来自激光雷达在单一重复场景中计算出来的高精度相对定位结果(如横向定位).利用场景地图中的先验参考位置,可将该横向定位结果转变为机器人位置的线性约束.最后,利用卡尔曼滤波器实现机器人高精度的融合定位结果.实验中,针对两种典型的单一、重复的室内场景,分别采用2维与3维激光雷达对该文算法进行验证.实验结果表明,由于激光横向定位精度可达厘米级,结合厘米级地图可以极大提高机器人定位精度.与单一WiFi定位算法相比,利用激光雷达计算出来的相对定位结果结合场景地图,平均定位误差可降低70％～80％,在满足机器人实时定位需求情况下,实现定位精度与稳定性的显著提升.     

自主移动机器人即时定位与地图构建方法研究

自主移动机器人的即时定位与地图构建是机器人领域中的关键问题。文中对自主移动机器人即时定位与地图构建研究的两个主要问题进行了分析,研究了不确定信息的描述和处理方法,以及数据关联的方法。综述了现阶段即时定位与地图构建的实现方法,其中包括两种卡尔曼滤波算法和粒子滤波算法,以及基于视觉的SLAM算法。通过分析现有算法的特点,提出了自主移动机器人即时定位与地图构建未来研究的发展方向。     

高级地图匹配算法:研究现状和趋势

地图匹配是许多位置服务与轨迹挖掘应用的基础.随着定位技术和位置服务应用的发展,地图匹配研究不断演进,从早期基于高采样率GPS(Global Position System)的实时匹配,到近期基于低采样率GPS轨迹的离线匹配、再到当前非GPS定位数据或高精度地图匹配.迄今已有许多地图匹配算法相继提出,但鲜有研究对这些算法进行全面总结.为此,对近十年提出的地图匹配算法进行调研,归纳出地图匹配算法的统一框架及常用时空特征.从模型或实现技术角度分类发现:现有算法大都采用HMM(Hidden Markov Model)模型,其次是最大权重模型;深度学习技术近期开始用于地图匹配,将是未来高精度地图匹配研究的趋势.     

基于兴趣倾向机制的仿生SLAM算法

该文针对同时定位与地图创建(SLAM)闭环检测算法易受复杂环境因素干扰,导致定位误差较大、闭环检测精度低等问题,受哺乳动物空间认知机理启发,提出一种基于兴趣倾向机制的仿生SLAM算法。采用反Hebbian网络(Lateral Anti-Hebbian Networkm, LAHN)对网格细胞进行建模,通过不规则复杂环境边界信息对网格细胞进行校正来提高算法定位精度。利用兴趣倾向机制对提取的显著性区域进行兴趣赋值,减小冗余显著性区域带来的影响,提高系统闭环准确率。将位置感知模型获取的位置信息与视觉感知模板相关联构建认知地图。在公开数据集及真实环境中进行测试,测试结果表明该文算法在构建认知地图的准确率、实时性以及对环境的适应能力具有优势。     

GPS轨迹数据的综合地图匹配算法研究

地图匹配是通过软件手段来校正导航系统中定位误差的一种技术。文中从降低系统的误匹配率以及提高地图匹配算法有效性的角度出发,给出了一种综合地图匹配算法。该算法将快速但匹配误差率较高的改进型垂直投影法和低速但匹配误差率较低的历史轨迹推算法相结合,通过一个综合判断步骤,对不同路段采用不同匹配算法进行校正,从而达到较高匹配速度和较低匹配误差率的目的。由实际GPS轨迹数据匹配结果表明,该方法在复杂路网,尤其是在交叉路口中具有较好地匹配效果,且效率较高,具有一定的实用价值。     

基于无人机机载激光雷达的三维地图构建研究

本文研究了基于无人机机载激光雷达的三维地图构建。随着科技水平的发展,无人机在诸多领域中均得到了广泛应用,但也提出了更多关于飞行控制、环境感知方面的要求。在室内环境中,若使用GPS进行定位会导致定位结果误差问题出现,需要额外搭载传感器实现无人机的自主定位和地图构建。基于此,为了提高无人机的建图能力,在无人机中搭载了激光雷达,以更好探讨其三维地图构建情况,提高其三维地图构建能力。并通过实验的方式对搭载了激光雷达的无人机三维地图构建情况进行了检验,结果得到了无明显重影的点云地图,而后借助CloudCompare软件进行处理,得到了优质点云地图,肯定了机载激光雷达进行三维地图构建的可行性。     

融合WiFi、激光雷达与地图的机器人室内定位

由于室内环境受多径效应影响,单一WiFi定位效果不佳;激光雷达(LiDAR)虽然测距定位精度高,但在室内存在大量单一、重复的场景结构(如走廊)时,往往会由于无法提取有效特征进行匹配而造成大量错误定位。因此,该文提出基于卡尔曼滤波框架的WiFi、激光雷达与地图的融合定位新方法。其中,滤波器的状态定义为机器人当前与历史时刻的位置序列。滤波器的观测值由两部分组成,一部分为该文所提基于多环路分割地图下信号强度加权匹配的WiFi指纹定位结果;另一部分来自激光雷达在单一重复场景中计算出来的高精度相对定位结果(如横向定位)。利用场景地图中的先验参考位置,可将该横向定位结果转变为机器人位置的线性约束。最后,利用卡尔曼滤波器实现机器人高精度的融合定位结果。实验中,针对两种典型的单一、重复的室内场景,分别采用2维与3维激光雷达对该文算法进行验证。实验结果表明,由于激光横向定位精度可达厘米级,结合厘米级地图可以极大提高机器人定位精度。与单一WiFi定位算法相比,利用激光雷达计算出来的相对定位结果结合场景地图,平均定位误差可降低70%～80%,在满足机器人实时定位需求情况下,实现定位精度与稳定性的显著提升。     

移动机器人的同时定位与地图创建的算法研究

移动机器人的同时定位与地图创建是当前机器人领域研究的基本问题与热点,也是实现智能机器人实现自主导航和控制决策的关键。本文从基于贝叶斯滤波器模型和基于图优化平滑模型两个方面对移动机器人同时定位与地图创建(SLAM)的研究进行了综述,介绍了这两种模型的基本框架以及关键技术,阐述了模型的各种不同实现形式,分析了这些算法的性能,并探讨了这些算法的优缺点以及相关难点的解决思路。最后对基于滤波器模型和基于平滑模型的同时定位与地图创建的未来发展进行展望。     

基于WiFi的自适应匹配预处理WKNN算法

针对基于接收信号强度（Received Signal Strength,RSS）的WiFi室内定位技术中,传统加权K邻近（Weighted K-nearest Neighbor,WKNN）算法不能自适应获取WLAN中有效接入点（Acess Point,AP）且参考点匹配准确度不高的问题,本文提出了自适应匹配预处理WKNN算法。该算法中每个实时定位点自适应地根据网络状况对AP的RSS均值由大到小排序,然后选择RSS均值较大的前M个AP,与参考点中对应的M个AP一起参与匹配预处理计算,从而优化了传统的指纹定位算法。同时将室内定位和室内地图相结合,使参考点和定位结果直观地展示在地图上,并通过使用地图数据大幅度简化了离线训练过程。此外,本文设计并实现了基于Android平台的室内定位系统,通过该系统验证了本文所提算法在单点定位和移动定位中的有效性。实验结果表明,该算法可获得30%以上的定位误差改善,有效提高了定位精度和定位稳定性。      

加载语义似然估计的粒子滤波重定位

针对移动机器人全局重定位时易出现定位错误的问题,本文提出一种基于构建的语义地图,并加载语义似然估计的粒子滤波重定位的解决方法.利用激光雷达建立环境栅格地图,同时结合三维深度相机对物体的识别与定位信息,赋予栅格语义信息,得到环境语义地图.在重定位过程中,通过粒子滤波方法同时进行栅格地图结构匹配与环境语义信息的匹配,以推算...     

基于稀疏训练点和指纹重构的室内可见光三维定位算法

目前构建基于机器学习的室内可见光定位模型主要依赖于光电二极管和指纹数量,为了降低指纹采集的复杂度,提高定位精度,提出一种基于指纹矩阵稀疏重构的室内三维可见光定位算法。该算法利用极限学习机训练稀疏采样点,采用奇异值分解和交替方向乘子法求解稀疏指纹矩阵的重构问题。该算法可以有效降低指纹的采样率,同时可以基于极限学习机算法较强的泛化能力提高定位速度和定位精度。在此基础上,由于可见光的多径反射等因素的影响,定位区域的边界定位误差大于内部定位误差,通过引入一种边界修正定位算法,可以有效降低边界定位误差。仿真和实验结果表明,与传统的机器学习算法相比,该算法在减少其所需指纹数量的同时,具有更高的定位速度和精度。     

基于三维激光雷达的室外环境定位算法研究

针对使用激光雷达进行室外定位的问题,提出一种基于三维立体激光视觉的特征匹配定位算法,以提高激光视觉在室外环境的位置特征可靠性和定位精度。该算法首先从原始点云数据中提取三维视觉的物类信息;再对提取的物体类进行特征提取,根据其个体特征进行分类并剔除非地标类,根据与相邻类的位置关系提取群体特征;最后通过与特征地图进行匹配实现全局定位。通过数据集仿真验证,该算法能够准确地提取有效类和位置特征,平均每帧的类提取率达到90%以上,对95%以上的场景都能成功定位,且定位误差不随地图范围增大而积累,具有稳定的定位性能和较高的定位精度。     

基于激光雷达的多帧联合目标跟踪系统

本文讨论了利用激光雷达与检测前跟踪算法进行室内行人跟踪,实现监测室内人群社交距离的探测系统。激光雷达距离分辨率高,定位误差小,目标探测时间间隔小,很适用于对轨迹不确定的行人进行跟踪。本文所用检测前跟踪算法分为三步,首先利用历史数据所建杂波图滤除固定物杂波。其次利用多帧检测算法得到时间窗内的目标轨迹段,以此滤除随机噪声产生的虚警点,提升检测效率。第三步利用轨迹关联算法,将各个时间窗内的轨迹片段相互关联,得到完整的行人轨迹,从而增强机动目标与相互临近目标的跟踪效果。实测实验表明在激光雷达跟踪多个目标时,其跟踪精度在10~15cm,多次实验均未出现目标丢失或虚假轨迹,较好地完成了室内行人的检测与跟踪。     

基于像素距离加权的室内成像定位研究

针对室内成像定位技术受随机噪声的影响较大、定位误差较高的问题,提出了一种基于像素距离加权的室内成像定位技术。在室内屋顶布设多个红外LED,依靠成像传感器获得红外LED信标的像点,将成像点到成像传感器中心的像素距离作为加权因子引入室内成像定位算法中,可以有效地提高室内定位精度。并进行了仿真实验,实验选择4m×4m×3m的空间区域模拟室内环境,当布设的红外LED信标数量为3时,应用改进后的算法可以获得10cm以内的定位误差性能,并且误差波动不超过5cm。另外,随着布设信标数量的增加,定位误差继续减小。改进后的定位算法有效地提高了室内定位的精度以及成像定位算法的普适性。     

基于ROS的激光SLAM室内建图定位导航智能机器人设计

文章基于Linux系统上的ROS平台实现基本的SLAM算法,机器人可以实现构建室内地图、室内自动避障导航及室内定位等功能。底层主要以STM32和树莓派为核心,通过陀螺仪和码盘电机得到机器人方位和行走里程,使用激光雷达获取室内地图信息。在ROS上执行相应脚本,调用Gmapping,ACML算法实现室内地图构建和定位。     

多照明区域协作的室内可见光定位

考虑室内存在障碍物遮挡及背景光和反射光干扰 较强的实际定位场景,提出了一种基于多照明区域 协作的LED可见光室内定位方法。本文方法引入多照明区域联合定位思想,利用分布于室内 不同区域的LED 发出的参考信号估计定位节点到各LED的信号传输时间差,构造协作定位距离估计目标函数 ,并通过非线 性最小二乘(NLLS)算法获得定位目标的位置估计。将提出的定位算法在10m×3m的空间区域中进行定位仿 真,在5W LED照明、双区域协作条件下,获得了平均定位误差7.41 cm的定位精度。结果表明:提出的协 作算法不仅提高了室内定位精度和系统应用的普适性及鲁棒性,而且有效地解决了室内可见 光定位存在的遮挡效应;此外,对动态定位追踪也有一定的效果。     

基于改进接收信号强度指示的室内定位算法

为了提高室内环境节点定位精度,针对传统定位算法的不足,提出一种改进接收信号强度指示的室内定位算法。首先通过神经网络对各锚节点接收信号强度的权值进行拟合,得到路径损耗模型的参数值,然后利用最大似然法对未知节点进行定位,最后采用仿真实验测试其性能。结果表明,相对其它室内定位算法,本文算法提高了室内定位的精度,降低了平均定位误差,可以满足室内定位的实时性要求。     

一种融合地图与传感器信息的室内地图匹配新算法

基于粒子滤波技术,提出了融合地图信息与传感器信息的室内地图匹配算法,对于在室内定位中由状态空间模型描述的非线性系统,通过非参数化的蒙特卡洛( Monte Carlo)模拟方法来实现递推贝叶斯滤波,将室内地理信息数据、传感器信息、无线定位信息融入到粒子的权重值中,对观测值进行不断修正。实验证明,所提出的基于粒子滤波的地图匹配技术有效解决了由于无线定位结果穿墙、错定至隔壁房间而造成的用户体验差等问题,同时对室内定位结果进行了修正,提高了室内定位精度。     

基于反向学习策略的自适应花授粉接收信号强度指示室内可见光定位

为提高大型室内场所的定位精度,提出一种基于改进自适应花授粉算法的接收信号强度指示(RSSI)可见光定位方案。利用固定在屋顶呈网格型排布的LED发送位置信息,接收端采用基于反向学习策略和自适应花授粉算法的RSSI定位方法实现精确定位。传统花授粉算法具有易陷入局部最优、缺乏变异机制等缺点,利用反向学习策略可使初始种群分布更加均匀,通过提高种群多样性可使算法跳出局部最优;采用有利于全局广泛搜索的自适应移动因子提高收敛速度。在100 m×100 m×100 m大型室内场所的一层100 m×100 m×10 m的空间中,考虑热噪声和散射噪声干扰的情况,经过多次仿真可得,相比于传统定位算法,随机灯排布下采用改进花授粉的RSSI算法的定位误差小于±1 cm;采用网格型灯排布结合改进定位算法的室内可见光定位系统时,定位精度得到明显提升,定位时间大幅缩短。该方案具有定位精度更高、计算速度更快、工作稳定等优点。