未知环境下基于FSA的移动机器人导航策略

采用2D激光雷达作为主要传感器,设计了一种未知室内环境下的移动机器人导航策略;该策略首先把机器人室内环境下的导航行为分为3个状态集:墙壁导航、走廊导航和通路导航,然后利用有限状态自动机的原理把这几种状态集融合到一起,构成了一种移动机器人自主探索未知环境的导航策略;该策略的特点在于不依赖里程计的信息,并且也不需要任何的环境地图,实现起来快速准确,对于环境的变化具有较强的鲁棒性;将该策略应用到移动机器人MORCS-1上进行了测试,实验结果表明了算法具有良好的实时性与可靠性.     

基于激光雷达的环境特征提取方法研究

环境特征提取是移动机器人导航中的研究难点,以2D激光雷达为环境感知传感器,针对室内环境中的应用提出一种环境特征提取方法;通过激光雷达的测距精度评估,基于近邻方法对环境中障碍进行空间分类特征提取;对该方法不足进行分析的基础之上,为了能够提取更为精确的特征信息,将SOM方法应用于激光雷达的环境特征提取中;结合装备2D激光雷达LMS291的自行研制的移动机器人采集的数据进行实验,实验结果验证了所提方法的有效性.     

一种混合结构的移动机器人导航控制策略

研究了未知环境下移动机器人实时的导航控制问题.采用分布式系统将反射式行为、反应式行为与慎思规划相结合,设计了移动机器人导航控制策略.根据激光雷达传感器信息设计了基于栅格的实时避障算法和解锁策略.通过慎思规划解决了复杂环境下的局部势能陷阱问题.通过自行研制的移动机器人IMR01的实验验证了导航策略的有效性.     

基于行为的实时路径规划

针对室内移动机器人导航要求,开发了以二维激光雷达作为探测环境的传感器,基于4个反应式行为,设计了一种简单的实时路径规划算法.避障行为使机器人穿过狭小通道,或者在某些障碍物环境下绕出狭窄区域;接近行为使机器人顺着障碍物前进直到开阔地带;搜寻行为使机器人不断朝向目标运动;线性行为使机器人到达目标点.机器人表现出很强的路径寻找能力,并且不需要定位信息.仿真实验表明该算法速度快,实时性好,路径平滑无震荡,实现了有效避障.     

基于脑机接口与双激光雷达的移动车导航系统

针对脑机接口信噪比低、准确率差和延时长等问题,提出了基于机器智能辅助的室外移动机器人脑机接口导航方法.设计并实现了一个基于脑机接口与双激光雷达的移动车导航系统.该系统首先采用了基于双激光雷达的改进的角度势场法进行局部路径规划,然后结合脑机接口系统获取的导航意图,经过融合决策给出控制命令,驱动一辆经过机械系统改装的电动汽车.实验表明,该系统能根据环境障碍信息和脑机控制意图实现智能避障与人机协同导航,具有更高的准确性、容错性和鲁棒性.     

基于复合控制算法的移动机器人沿墙导航研究

室内复杂环境下,由于超声波传感器测量精度不高、数量有限,导致移动机器人沿墙导航效果不佳,现有的控制算法实现较为复杂。为此,提出一种基于复合控制算法的沿墙导航策略,通过PID控制算法和Bang-Bang控制算法切换,控制移动机器人进行沿墙导航并最终实现室内环境的边缘检测。实际运行实验验证了该方法的可行性和鲁棒性。     

机器人局部环境特征提取方法的研究

考虑到机器人导航过程中的实时性与可靠性要求,充分利用激光雷达信息的快速性与精确性,针对结构化环境中诸如墙壁、拐角、通道等这些典型环境特征分别设计了一套快速有效地特征提取的算法;另外算法还考虑到机器人建立环境地图的需要,在环境特征提取时对某一些密集的障碍物进行了合并,并注意保留了环境特征的一些拓扑信息,为建图作了一些前期准备,拿到移动机器人MORCS上进行实验获得了满意的结果,验证了算法的实时性与可靠性.     

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.     

机器人动态神经网络导航算法的研究和实现

针对Pioneer3-DX 移动机器人, 提出了基于强化学习的自主导航策略, 完成了基于动态神经网络的移动机器人导航算法设计. 动态神经网络可以根据机器人环境状态的复杂程度自动地调整其结构, 实时地实现机器人的状态与其导航动作之间的映射关系, 有效地解决了强化学习中状态变量表的维数爆炸问题. 通过对Pioneer3-DX移动机器人导航进行仿真和实物实验, 证明该方法的有效性, 且导航效果明显优于人工势场法.     

移动机器人扩展卡尔曼滤波定位与传感器误差建模

针对里程计在定位过程中存在累积误差的问题,建立了一种通用的移动机器人里程计误差模型,对里程计误差进行实时反馈补偿.在利用激光雷达进行环境特征提取过程中,根据激光雷达原始数据存在的误差,建立了激光雷达的观测误差模型,并根据环境特征和机器人的相对位置关系,建立了移动机器人观测模型.最后,结合里程计和激光雷达误差模型,利用扩展卡尔曼滤波(EKF)实现了基于环境特征跟踪的移动机器人定位.实验结果验证了里程计和激光雷达误差模型的引入,在增加较短定位时间的情况下,可以有效地提高移动机器人的定位精度.     

移动机器人导航中激光雷达测距性能研究

距离检测是移动机器人导航的一个关键问题.文章介绍了基于飞行时间法测距的二维激光雷达LMS291的工作原理,分析了影响LMS291测距性能的误差因素,通过统计分析对测距数据进行标定,研究了不同物体表面属性对测距精度的影响;通过混合像素测定方法确定LMS291的角度分辨率;通过对激光雷达测距性能的试验,建立测距误差模型.所得结论可以为复杂非结构化环境下移动机器人导航中障碍检测、环境建模及自定位提供支持.     

基于激光雷达的移动机器人障碍测距研究

障碍距离检测是移动机器人导航的关键问题之一。为了实现精确实时的障碍检测,针对某二维TOF激光雷达,对其数据标定、物体表面的属性、混合像素等因素进行试验,评估了其测距性能。同时,通过移动机器人运行过程中激光雷达的测距数据分析,设计了动态自适应滤波器以消除障碍检测中的测距噪声干扰。运行过程中的障碍检测试验表明:该方法可以实现可靠的障碍检测,并为移动机器人导航中环境建模、自定位及路径规划提供支持。     

一种移动机器人超声波导航系统

本文设计了一种用于移动机器人的超声波导航系统，介绍了系统的工作原理及结构， 并进行了样车实验．实际的导航实验表明：系统可用于室内结构环境中的移动机器人导航．     

Hazardous area navigation with temporary beacons

A new area expansion algorithm for the localization scheme, using temporary beacons, is proposed in this paper. The effective area of the active beacons is limited by the strength of the ultrasonic signals in a noisy environment. When a mobile robot needs to move into a hazardous area or into an unstructured environment where the beacons with pre-specified position information are not available, the localization may solely rely on dead reckoning sensors such as encoders. To overcome the error accumulation by using dead-reckoning, a new scheme is developed, in this paper, in which the mobile robot carries a few temporary beacons which do not have any pre-stored position information. When the mobile robot encounters a dangerous or unstructured environment, it utilizes the temporary beacons to localize itself. An auto-calibration algorithm has been developed to provide the position information to the temporary beacons before they are used for the localization. With these temporary beacons and the auto-calibration algorithm, mobile robots can safely pass unstructured areas. The effectiveness of the temporary beacons and auto-calibration algorithm is verified through real experiments of mobile robot navigation.     

基于生物认知的移动机器人路径规划方法

针对移动机器人在非结构环境下的导航任务,受哺乳动物空间认知方式的启发,提出一种基于生物认知进行移动机器人路径规划的方法．结合认知地图特性,模拟海马体的情景记忆形成机理,构建封装了场景感知、状态神经元及位姿感知相关信息的情景认知地图,实现了机器人对环境的认知．基于情景认知地图,以最小事件距离为准则,提出事件序列规划算法用于实时导航过程．实验结果表明,该控制算法能使机器人根据不同任务选择最佳规划路径．     

移动机器人视觉导航控制研究

该文研究了移动机器人视觉导航的控制问题。针对导航中的图像畸变以及视野有限易造成导航线丢失等问题,提出了一种简单的单目视觉目标定位算法和一种新的控制策略。在导航时,首先利用定位算法精确地获取地面目标的深度信息,然后控制机器人沿一系列切线方向平滑接近导航线(或目标),并根据实施控制的时间间隔控制速度,以保证机器人视野中导航线(或目标)不丢失。实际的应用证明了该定位算法和策略的有效性。     

Global Navigation in Dynamic Environments Using Case-Based Reasoning

This paper presents a global navigation strategy for autonomous mobile robots in large-scale uncertain environments. The aim of this approach is to minimize collision risk and time delays by adapting to the changes in a dynamic environment. The issue of obstacle avoidance is addressed on the global level. It focuses on a navigation strategy that prevents the robot from facing the situations where it has to avoid obstacles. To model the partially known environment, a grid-based map is used. A modified wave-transform algorithm is described that finds several alternative paths from the start to the goal. Case-based reasoning is used to learn from past experiences and to adapt to the changes in the environment. Learning and adaptation by means of case-based reasoning permits the robot to choose routes that are less risky to follow and lead faster to the goal. The experimental results demonstrate that using case-based reasoning considerably increases the performance of the robot in a difficult uncertain environment. The robot learns to take actions that are more predictable, minimize collision risk and traversal time as well as traveled distances.