室内自主式移动机器人定位方法

定位是确定机器人在其工作环境中所处位置的过程.应用各种传感器感知信息实现可靠的定位是自主式移动机器人最基本、也是最重要的一项功能之一.本文对室内自主式移动机器人的定位技术进行了综述,介绍了当前自主式移动机器人定位方法的研究现状.同时,对国内外具有典型性的研究方法进行了较洋细的介绍,并重点提出了几种室内自主式移动机器人通用的定位方法,对其中的地图构造、位姿估计方法进行了详细介绍.最后,论述了自主式移动机器人定位系统与地图构造中所面临的主要问题及其解决方法并指出了该领域今后的研究方向.     

基于传感器信息融合的移动机器人自主爬楼梯技术研究

机器人自主爬楼梯是移动机器人完成危险环境探查、侦察、救灾等任务需要具备的基本智能行为之一.分析了楼梯的多样性和履带式机器人爬楼梯固有的不稳定性导致机器人爬楼梯工作的复杂性,描述了带前导手臂的履带式移动机器人爬楼梯的步骤,简要介绍了利用超声波、视频摄像头和激光扫描测距仪信息来感知楼梯和判断机器人与楼梯相对位置的算法,最后提出了一个基于传感器测量值可信度的信息融合方法进行楼梯参数感知和行驶方向计算的机器人自主爬楼梯的控制系统结构.     

移动机器人同时定位与地图创建研究进展

对移动机器人的同时定位与地图创建􀁫(Simultaneous Localization and Mapping)的最新研究进行了综述.指出SLAM 面临的问题,介绍了SLAM的基本实现方法.通过对各种改进的SLAM实现方法的性能对比,详尽地分析了如何降低SLAM的复杂度、提高SLAM的鲁棒性等关键技术问题,同时对多机器人协作的SLAM也进行了论述.探讨了SLAM的研究与发展方向.􀁱     

Monocular Vision for Mobile Robot Localization and Autonomous Navigation

This paper presents a new real-time localization system for a mobile robot. We show that autonomous navigation is possible in outdoor situation with the use of a single camera and natural landmarks. To do that, we use a three step approach. In a learning step, the robot is manually guided on a path and a video sequence is recorded with a front looking camera. Then a structure from motion algorithm is used to build a 3D map from this learning sequence. Finally in the navigation step, the robot uses this map to compute its localization in real-time and it follows the learning path or a slightly different path if desired. The vision algorithms used for map building and localization are first detailed. Then a large part of the paper is dedicated to the experimental evaluation of the accuracy and robustness of our algorithms based on experimental data collected during two years in various environments.     

Intelligent Adaptive Mobile Robot Navigation

This paper deals with the application of a neuro-fuzzy inference system to a mobile robot navigation in an unknown, or partially unknown environment. The final aim of the robot is to reach some pre-defined goal. For this purpose, a sort of a co-operation between three main sub-modules is performed. These sub-modules consist in three elementary robot tasks: following a wall, avoiding an obstacle and running towards the goal. Each module acts as a Sugeno–Takagi fuzzy controller where the inputs are the different sensor information and the output corresponds to the orientation of the robot. The rule-base is generated by the controller after some learning process based on a neural architecture close to that used by Wang and Menger. This leads to adaptive neuro-fuzzy inference systems (ANFIS) (one for each module). The adaptive navigation system (ANFIS), based on integrated reactive-cognitive parts, learns and generates the required knowledge for achieving the desired task. However, the generated rule-base suffers from redundancy and abundance of data, most of which are less useful. This makes the assignment of a linguistic label to the associated variable difficult and sometimes counter-intuitive. Consequently, a simplification phase allowing elimination of redundancy is required. For this purpose, an algorithm based on the class of fuzzy c-means algorithm introduced by Bezdek and we have developed an inclusion structure. Experimental results confirm the meaningfulness of the elaborated methodology when dealing with navigation of a mobile robot in unknown, or partially unknown environment.     

Increasing Intelligence in Autonomous Wheelchairs

The ideas shown in this paper have been developed having in mind the main goal of designing a completely autonomous wheelchair prototype. The state of the art of mobile robotics is compared with the new trends in the field. The idea of autonomy made us focus our research in extracting the best from conventional Intelligent Mobile Robots techniques, looking towards the concept of Autonomous Mobile Systems (AMS). In order to clarify the body of the presentation, some practical examples, developed at our laboratory (DISAM-UPM), are included in parallel with the main discourse.     

多传感器技术在机器人系统中的应用和研究

探讨了多传感器融合系统的软件结构设计方案，说明了如何设计一个基于多传感器的自主式智能机器人系统，提出了基于BP神经网络的融合方法。搭建了一个多传感器的智能机器人试验平台，实现了由两个摄像头组成的立体视觉和超声波传感器的融合。试验表明，多传感器融合技术在自主式智能系统中具有重要作用。     

自主移动机器人混合式体系结构的设计与实现

针对以往自主移动机器人体系结构在实时处理方面的不足,提出了一种基于多智能体的混合式体系结构,统一规划了机器人系统的软硬件结构,在该体系结构中设计并实现了协调Agent和推理Agent两种智能体,针对紧急事件进行了更实时的Agent实现,有效的提高的自主移动机器人在突发事件时的实时性,提出了使用多样化的信息组织形式,增强了系统的自适应能力和易扩展性。本文的实验结果表明在紧急状态下,系统的反应时间有效缩短,增加了系统的智能性和实时性。     

基于多传感器信息融合的移动机器人导航系统

介绍了多传感器信息融合的基本原理,给出了基于多传感器信息融合的移动机器人导航系统结构。建立了移动机器人数学模型,运用基于扩展卡尔曼滤波的信息融合方法实现了移动机器人导航算法。通过实验验证了基于多传感器信息融合的移动机器人导航系统和导航算法的有效性。     

Using Real-Time Stereo Vision for Mobile Robot Navigation

This paper describes a working vision-based mobile robot that navigates and autonomously explores its environment while building occupancy grid maps of the environment. We present a method for reducing stereo vision disparity images to two-dimensional map information. Stereo vision has several attributes that set it apart from other sensors more commonly used for occupancy grid mapping. We discuss these attributes, the errors that some of them create, and how to overcome them. We reduce errors by segmenting disparity images based on continuous disparity surfaces to reject spikes caused by stereo mismatches. Stereo vision processing and map updates are done at 5 Hz and the robot moves at speeds of 300 cm/s.     

一种基于拟全方位视觉的移动机器人自运动融合估计方法

基于地平面假设的移动机器人单路视觉运动估计存在鲁棒性和环境适应性较差、精度较低等缺 点,针对这一问题,本文首先介绍了拟全方位视觉系统的构成,并结合该视觉系统的特点给出了一种基于两 步运动的摄像头平行位姿参数标定方法．然后据此提出了一种基于拟全方位视觉的自主移动机器人自运动融 合估计方法．该方法能够借助机器人的非完整运动约束、地平面运行假设以及运动估计参数之间的相容性测 度等多种因素,对拟全方位视觉系统中的各路视觉估计进行性能综合评价;最终依据评价结果融合确定出具 有较高可信度和较强鲁棒性的运动估计参数．实验结果从鲁棒性、精度以及实时性等方面验证了本算法的有 效性．     

单目视觉人工路标辅助的移动机器人导航方法

室内机器人在采用里程计法长距离导航时,定位精度下降很快,以及以往人工路标定位方案的识别准确率低,又难以满足导航实时性的要求. 针对这些问题,本文设计了能快速准确识别的人工路标,从而来修正机器人里程计法导航的累计误差,并通过卡尔曼滤波将人工路标和里程计法的定位信息有效地融合起来. 实验结果表明,数字人工路标的识别准确率高,且识别速度满足导航实时性的要求,该方法有效地提高了移动机器人里程计法导航时的精度和鲁棒性.     

基于势场的移动机器人自主导航研究综述

人工势场法因简单实用、易于实现等优点，在机器人导航中获得广泛应用。势函数的构造也随着其它相关技术的发展不断得到完善。该文综述了势函数应用于机器人自主导航的发展历程，对其存在的问题作了分析，并对各种改进方案做了分析和比较，对影响其发展的制约性问题做了深入探讨。     

基于KQML语言的多自主移动机器人仿真系统

用JAVA语言开发了栅格环境下的多自主移动机器人仿真系统,通过KQML语言通信模拟了多个自主的移动机器人,机器人的自主性主要体现在自主感知环境和自主进行路径规划、任务执行和安全导航等工作．该仿真系统具有平台无关性、地图无关性、算法无关性以及机器人配置的无关性,为多自主机器人系统的研究提供了一个可借鉴的平台．     

自主移动机器人巡线控制研究

针对自主移动机器人传统巡线控制中存在的不足,在使用灰度传感器采集地面轨迹信息的同时,引入角度传感器对行进方向的角度信息进行采集,由此克服了传统巡线控制中单一传感器采集信息不全的缺点;设计了PID控制加模糊控制的复合控制器,并给出复合控制器算法.在此基础上建立实验系统,通过对其进行仿真,结果证明该控制策略不仅适于自主移动...     

基于信息融合的模型小车ANN避障控制

本文将模糊逻辑、神经网络和传感器融合技术结合起来，用于移动机器人的避障控制研究，利用多个非摄像类的超声波和红外线传感器探测环境信息，采用多传感器融合技术进行传感器信号处理，并且探讨了模糊聚类和神经网络系统在机器人系统中的避障控制能力，给出了虚拟环境一的计算机仿真结果。     

自重构移动微机器人设计与自动对接

设计了一种模块化的自重构移动微机器人系统。系统中的每个微机器人模块既可作为动力单元,拖动其它模块进行更远距离的探测,也可自动脱离成为无线通信节点,拓展整个系统的通信距离。通过这2种方式扩展了单个微型移动机器人的探测范围。研制了由1个红外接收器和4个红外发射器组成的导引系统,并基于其设计了一种新型的自动对接方法。最后进行了微机器人之间的对接实验,验证了该方法具有很高的效率和可靠性。     

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。     

Localization of an Autonomous Mobile Robot Based on Ultrasonic Sensory Information

Based on ultrasonic sensory information, an approach is proposed for localization of autonomous mobile robot (AMRs). In the proposed method, it will be proven that the combination of three ultrasonic transmitters and two receivers can determine both the position and the orientation of an AMR with respect to a reference frame uniquely. In this manner, since only ultrasonic sensors are used, the proposed method will be highly cost-effective and easy to implement. To show the validity and feasibility of the proposed method, the hardware configuration and a series of experiments will be given for illustration.