未知观测噪声时机器人同步定位与地图构建

对未知观测噪声的机器人同步定位与地图构建问题,提出基于神经网络PID自适应学习观测噪声的机器人同步定位与地图构建算法.已知系统噪声为高斯分布,噪声的方差未知,但其真值是在某个有限集合内.设计一个由神经网络PID控制器、观测噪声调整以及中值滤波构成的噪声在线辨识单元.通过自适应在线辨识观测噪声,并进行新息协方差平均值滤波,迭代修正观测噪声协方差,实现机器人同步定位精度的在线提高.实验表明,该算法可降低观测噪声先验信息不足的影响,减小定位误差.     

基于WiFi指纹序列匹配的机器人同步定位与地图构建

同步定位与地图构建（SLAM）是当前机器人定位导航的研究热点,可靠的闭环检测是图优化SLAM的关键。而在大范围的复杂环境下,通过视觉或激光雷达进行闭环检测的可靠性低且计算开销大。针对这一问题,提出了一种基于WiFi指纹序列匹配的图优化SLAM算法。所提算法采用指纹序列进行闭环检测,由于指纹序列中包含多个指纹数据,信息量比单个指纹点对的数据丰富,因此将传统的基于指纹点对的匹配扩展到指纹序列的匹配可以大幅减小闭环误判的几率,从而确保了闭环检测的准确性,满足了SLAM在大范围复杂环境下的算法高精度要求。采用两组实验数据（机器人从不同的起点开始）对所提算法进行验证的结果表明：与高斯相似度的方法相比,所提算法的精度在第一组数据上提高了22.94%;在第二组数据上提高了39.18%。实验结果充分验证了所提算法在提高定位精度、确保闭环检测可靠性方面的优越性。     

多机器人同步定位与地图构建的地图融合算法的改进

本文主要研究了多机器人同步定位与地图构建(SLAM)的地图实时融合问题.在本文中提出一种混合的SLAM算法(HybridSLAM)算法,可以同时观测和更新多个路标,并根据FastSLAM2.0思想利用选取的最准确的路标观测值来修正机器人位姿.然后,在改进HybridSLAM算法基础上,进一步提出一种改进的多机器人HybridSLAM算法(MR–IHybridSLAM).每个机器人在不同初始位置运行IHybridSLAM算法构建子地图,并将子地图信息实时发送到同一工作站中.根据卡尔曼滤波(KF)原理将每个机器人构建的子地图融合成全局地图.最后,通过仿真实验构建多机器人融合的特征地图并与单一机器人快速的SLAM算法(FastSLAM)和HybridSLAM算法构建的地图进行误差对比,进一步来验证该算法的准确性、快速性和可行性.     

基于势场路径规划的机器人同步定位与地图构建

针对特征点同时为障碍物的环境,提出一种基于势场路径规划的同步定位与地图构建算法.机器人在同步定位与地图构建的同时,利用势场原理确定机器人的运动控制律,再根据推算的控制律进行下一步的预测和状态估计.在基于势场的路径规划方法中,认定为障碍物的排斥势位的最小影响范围可调节.实验结果表明,利用所提出的算法,机器人可在特征点同时为障碍物的环境中进行同步定位与地图构建,并通过相关性能指标验证了该算法为一致性估计.     

移动机器人同步定位与地图构建研究进展

同步定位与地图构建（Simultaneous localization and mapping, SLAM）作为能使移动机器人实现全自主导航的工具近来倍受关注.本文对该领域的最新进展进行综述,特别侧重于一些旨在降低计算复杂度的简化算法的分析上,同时对它们进行分类,并指出其优点和不足.本文首先建立了SLAM问题的一般模型,指出了解决SLAM问题的难点;然后详细分析了基于EKF的一些简化算法和基于其他估计思想的方法;最后,对于多机器人SLAM和主动SLAM等前沿课题进行了讨论,并指出了今后的研究方向.     

有色量测噪声下机器人同步定位与地图构建

针对有色量测噪声模型,提出一种有色量测噪声下的轮式机器人同步定位与地图构建算法。通过重新组合轮式机器人的过程模型和量测模型,将有色量测噪声量测模型转化为虚拟的白噪声量测模型。为使过程噪声和量测噪声不相关,对过程模型进行不相关条件处理。算法按照构造的虚拟过程模型和量测模型进行滤波估计和地图构建。仿真结果验证了算法的一致性和鲁棒性。     

煤矿巡检机器人同步定位与地图构建方法研究

针对煤矿井下无GPS环境下巡检机器人自主定位问题,研究了基于激光雷达的同步定位与地图构建方法。首先建立激光雷达观测模型和里程计预测模型,将机器人定位和地图构建的实际问题转换为概率数学模型的逻辑推理问题。同时采用自适应蒙特卡罗定位算法进行机器人实时位姿估计,提出了根据粒子权重(地图的匹配度)进行重采样的方法,以去除权重小的粒子,实现了用较少、较好粒子精确表达机器人位姿的后验概率分布,满足机器人利用传感器在栅格地图上实时定位的需求。通过对Fast-SLAM算法进行优化,减少了粒子数量,缓解了粒子耗散,提高了地图构建的精确性。实验结果表明,基于激光雷达的同步定位与地图构建方法有效解决了巡检机器人实时位姿估计和环境地图构建的问题,结合自适应蒙特卡罗定位算法和优化Fast-SLAM算法提高了机器人定位的自适应性和地图构建的精确性。     

基于视觉同时定位与地图构建数据关联优化算法

数据关联的复杂程度随着地图规模的不断扩大而增加是导致机器人同时定位与地图创建(SLAM)实时性差的一个主要原因。在SLAM系统中,主要应用尺度不变特征变换(SIFT)算法提取自然路标。提出两种方法来改进数据关联的实时性:1)提取感兴趣区域;2)引入当前路标的物理位置信息作预判断。实验结果表明,所提的改进方法是可靠的,改善算法复杂度的效果是显而易见的。     

基于视觉同时定位与地图构建数据关联优化算法

数据关联的复杂程度随着地图规模的不断扩大而增加是导致机器人同时定位与地图创建（SLAM）实时性差的一个主要原因。在SLAM系统中,主要应用尺度不变特征变换（SIFT）算法提取自然路标。提出两种方法来改进数据关联的实时性：1）提取感兴趣区域;2）引入当前路标的物理位置信息作预判断。实验结果表明,所提的改进方法是可靠的,改善算法复杂度的效果是显而易见的。     

基于Voronoi地图表示方法的同步定位与地图创建

针对基于混合米制地图机器人同步定位与地图创建 (Simultaneous localization and mapping, SLAM)中地图划分方法不完善的问题, 提出了基于Voronoi地图表示方法的同步定位与地图创建算法VorSLAM. 该算法在全局坐标系下创建特征地图, 并根据此特征地图使用Voronoi图唯一地划分地图空间, 在每一个划分内部创建一个相对于特征的局部稠密地图. 特征地图与各个局部地图最终一起连续稠密地描述了环境. Voronoi地图表示方法解决了地图划分的唯一性问题, 理论证明局部地图可以完整描述该划分所对应的环境轮廓. 该地图表示方法一个基本特点是特征与局部地图一一对应, 每个特征都关联一个定义在该特征上的局部地图. 基于该特点, 提出了一个基于形状匹配的数据关联算法, 用以解决传统数据关联算法出现的多重关联问题. 一个公寓弧形走廊的实验验证了VorSLAM算法和基于形状匹配的数据关联方法的有效性.     

一种基于特征地图的移动机器人SLAM方案

设计了一种结构化环境中基于特征地图的地图创建方案;采用激光测距仪进行特征地图创建,利用"聚合-分害虫-聚合"的方法来提取线段表示环境信息实现局部地图创建;为了实现移动机器人的同时定位与地图创建,采用扩展卡尔曼滤波方法对机器人的位姿与地图信息进行预测及更新,结合状态估计和数据关联理论,实验显示x的校正量保持在±0.9cm之内;y的校正量保持在±2.5cm之内;θ的校正量在±1.2之内,实现了基于扩展卡尔曼滤波器的SLAM.     

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.􀁱     

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。     

基于超声波的移动机器人的同时定位和地图构建

为了在移动机器人SLAM过程中得到更精确的定位和二维地图构建,对一种利用超声波传感器信息进行栅格地图创建的方法提出了改进;该方法利用Bayes法则对信息进行融合,利用粒子滤波和航位推算相结合的方法对机器人进行精确定位和创建地图,然后利用移动的栅格法进行地图的全局更新,提出了一种地图的校验方法;通过实验,在粒子数为200的情况下分别得到了算法改进前和改进后的地图构建结果,通过比较,证明了使用该算法进行移动机器人定位和地图构建更加精确。     

Incorporation of Feature Tracking into Simultaneous Localization and Map Building via Sonar Data

Simultaneous Localization and Map building (SLAM) is referred to as the ability of an Autonomous Mobile Robot (AMR) to incrementally extract the surrounding features for estimating its pose in an unknown location and unknown environment. In this paper, we propose a new technique for extraction of significant map features from standard Polaroid sonar sensors to address the SLAM problem. The proposed algorithm explicitly initializes and tracks the line (or wall) features from a comparison between two overlapping sensor measurements buffers. The experimental studies on a Pioneer 2DX mobile robot equipped with sonar sensors suggest that SLAM problem can be solved by the proposed algorithm. The estimated trajectory of AMR from the standard model based on Extended Kalman Filter (EKF) localization for the same experiment is also provided for comparison.     

移动机器人SLAM中一种混合数据关联方法

数据关联是移动机器人同时定位与建图(SLAM)中的一个难点问题.将经典的单匹配最近邻(ICNN)算法和分枝限界联合匹配(JCBB)算法结合起来,提出了一种基于局部地图的混合数据关联方法.在SLAM数据关联过程中,首先采用ICNN算法在局部地图中进行数据关联,并判断关联结果的正确性,若有错则采用JCBB算法在错误匹配处周围的局部区域内重新进行数据关联,以纠正错误的关联结果.实验结果表明,该方法实时性强,精确度高,适用于不同复杂程度的环境.     

SLASEM中的基于广义距离的数据关联

介绍了一种同时定位与采样环境地图创建(SLASEM)中的数据关联方法.针对地图中的采样环境粒子与实际环境之间没有一一对应性、传统的马氏距离小能描述SLASEM中两个物体之间相似性的特点,提出了两个点集合之间的一种广义距离函数,并利用该距离函数进行数据关联.同时,提出了基于环境拓扑结构的方法解决多重数据关联问题,并且利用前一时刻的数据关联的结果辅助当前时刻的数据关联.最后,用两个室内环境的实验验证了所提算法的有效性.     

一种普适机器人系统同时定位、标定与建图方法

机器人定位、传感器网络标定与环境建图是普适机器人系统中三个相互耦合的基本问题, 其有效解决是普适机器人系统提供高效智能服务的前提. 本文提出了普适机器人系统同时机器人定位、传感器网络标定与环境建图的概念, 通过分析三者之间的耦合关系, 给出同时定位、标定与建图问题的联合条件概率表示, 基于贝叶斯公式和马尔科夫特性将其分解为若干可解项, 并借鉴Rao-Blackwellized粒子滤波的思想分别求解. 首先, 联合传感器网络对机器人的观测、机器人对已定位环境特征的观测以及机器人自身控制量,设计了位姿粒子的采样提议分布和权值更新公式; 其次, 联合传感器网络对机器人运动轨迹及已定位环境特征的观测,设计了传感器网络标定的递推公式; 然后, 联合传感器网络和机器人对(已定位或新发现)环境特征的观测,设计了环境建图的递推公式. 给出了完整的同时定位、标定与建图算法, 并通过仿真实验验证了该算法的有效性.