基于激光测距传感器的家庭机器人导航仿真

通过将激光测距器的扫描数据和来自家庭机器人的里程计结合在一起,给出了同时定位和地图生成的算法．基于扩展卡尔曼滤波算法,滤去不必要的数据,直接将传感数据和环境特征相匹配,融合激光扫描数据和人工路标,给出了机器人连续位置更新的方法．仿真结果表明该方法较好地解决了室内机器人导航问题．     

单目视觉自然路标辅助的移动机器人定位方法

针对很多场合下GPS信号会受到遮挡而无法使用,导致机器人定位精度下降很快的问题,提出一种基于单目视觉自然路标辅助的机器人绝对定位方法.在导航环境中的若干位置预先建立视觉路标库.机器人在利用惯导（INS）定位过程中,同时对采集到的单目图像和库中的视觉路标进行匹配.建立基于全局特征信息（GIST）和快速鲁棒算子（SURF）局部特征相结合的在线图像快速匹配框架,同时结合基于单目视觉的运动估计算法修正车体航向.最后利用卡尔曼滤波将视觉路标匹配获得的定位信息和INS有效地融合起来.结果表明,该方法有效地提高在GPS受限情况下惯性导航定位的精度和鲁棒性.     

仿人足球机器人视觉系统快速识别与精确定位

针对仿人足球机器人视觉需求,提出一种同时进行色块分割和特征提取的目标识别算法和一种基于仿人机器人物理模型的单目定位方法.目标识别算法采用八邻域法对图像进行边缘跟踪完成色块分割,同时计算边缘点几何信息得到图形特征,并应用辐射对称算法提高物体识别准确度,其处理效率比普通方法提高近一倍.目标定位算法结合摄像机小孔成像模型和仿人机器人三连杆模型,可以精确定位视觉范围内的目标.在自主仿人足球机器人系统中的成功应用表明,所提的目标识别算法和定位模型具有较好的效果.     

一种基于NAO机器人的单目视觉目标定位方法

单目视觉定位在机器人视觉中具有重要的应用价值。结合光学成像原理、几何坐标变换以及相关的图像处理技术能够实现单目视觉目标定位。提出了一种基于RGB颜色空间的匹配滤波轮廓提取算法,进行特定目标的轮廓提取。该算法能精确、快速地计算出摄像机与目标物体之间的距离和角度信息,实现对特定目标的定位。基于NAO机器人平台的实际实验结果验证了该算法的有效性。     

基于扩展卡尔曼滤波算法的室内定位跟踪系统

为了解决无线室内定位系统实时跟踪位置坐标误差较大问题,提出一种基于扩展卡尔曼滤波(EKF)算法的室内定位方法。系统采用基于WiFi信号指纹定位,然后利用扩展卡尔曼滤波对估算的位置进行滤波,以改善WiFi指纹定位方法的精度,达到对目标实时跟踪。仿真和实验结果表明,该算法有效地改善了系统定位精度,能较好地满足室内定位的需求。     

基于改进MSCKF的无人机室内定位方法

针对无人机室内定位容易出现漂移的问题,提出基于改进多状态约束卡尔曼滤波器（MSCKF）的无人机（UAV）室内定位方法. 该方法在MSCKF的框架下,提出高鲁棒性、低时延的标志点检测方法. 利用在世界坐标系下坐标已知的标志点计算得到无人机位姿,实现惯性测量单元(IMU)信息与单目视觉信息融合以及无人机位姿修正. 对提出的定位方法进行测试. 测试结果表明,该方法的定位误差小于0.266 m,与OpenVins和LARVIO开源算法相比,定位精度提高了54.6%以上.     

一种多机器人编队协同定位的方法

针对多机器人编队导航,提出了一种协同定位的方法.一个主机器人带领其他成员机器人,主机器人配备视觉传感器及激光扫描仪,成员机器人通过融合内部传感器数据进行自身定位.主机器人利用双目视觉进行目标检测,确定目标方位及距离信息,并利用激光扫描仪结合视觉获取的方位信息得到成员机器人位置及航向.基于联邦滤波算法提出了一种联合滤波模型,融合多传感器信息得到精确定位.1个Pioneer 3-AT和3个AmigoBot机器人编队的协同定位实验表明:该方法可行,误差范围小,满足实际应用的精度要求.     

管道机器人全程定位理论和方法研究--基于光纤光栅空间曲率传感器

为了实现管道机器人在工作时对自身位置的全程定位,提出了一种基于光纤光栅空间曲率传感器全程定位的递推算法.该方法利用光纤光栅空间曲率传感器检测出管道机器人当前所处测量点的曲率和相邻测量点密切平面间夹角,并根据前一测量点的空间位置、密切平面、切向矢量方向、机器人移动步距等参数计算当前测量点的空间位置、密切平面和切向矢量方向.因此,只要给定初始测量点的空间位置、曲率、切向矢量方向和密切平面,就可以实现管道机器人的全程定位.同时由该算法得到每一个测量点的管孔轴心坐标,然后通过曲线拟合求出管孔的轴心轨迹曲线,从而实现对管道内表面形貌的三维重建.     

室内智能移动机器人ZigBee无线网络定位技术

针对目前室内机器人定位方法不能同时满足定位精度、定位范围和复杂环境条件下定位的情况,提出了一种利用ZigBee无线网络、基于接收到信号强度测距的定位方法。研究通过搭建一个ZigBee无线网络室内定位系统,实时提供机器人的位置坐标,为机器人实现路径规划提供保障。通过实验对定位系统中的各项参数进行标定,并分析了影响定位精度的因素。实验结果表明,ZigBee无线网络定位系统在室内复杂环境下可实现定位,在无障碍物的条件下精度可达到0.25 m,可以满足室内机器人的定位精度要求,定位范围可根据实际需求进行扩展。     

静态环境中基于光流的障碍物检测

针对估计相对深度的传统方法,易受噪声影响的问题,提出了一种基于光流的障碍物检测方法.基于摄像机前方局部地平面假设,通过尺度空间不变（SIFT）特征匹配得到单目图像序列前后帧的匹配点集,用随机抽样一致算法（RANSAC）鲁棒地估计出相机前方近似平面的单应性矩阵,并计算得到光流场,进而恢复出相对深度并建立障碍物图.由于避免了计算光流的一阶微分,该方法具有较好的鲁棒性.室内和室外环境的实验结果都表明,该算法能够恢复出相对深度,并对障碍物进行有效检测.     

基于单目视觉的运动障碍物检测

针对室内结构化环境中光照和外界环境的实时变化,提出一种基于单目视觉的改进的运动障碍物检测算法。利用单目摄像头截取图像,进行灰度转换和中值滤波,将混合高斯模型背景差分法和帧差法相结合,并引入面积信息,对二值化后的差分图像进行形态学处理和连通性分析,有效的解决了空洞问题,得到完整的运动目标信息。实验结果表明,该方法能准确快速检测所观测区域内的运动障碍物,实时性,鲁棒性好,对光照等外界条件的变化有很好的适应性。     

提高NLOS环境下室内定位精度的新方法

针对室内环境下无线信号的功率既可能增强又可能减弱而导致定位测量误差具有正负偏置的问题,提出了一种改进的到达信号强度室内定位算法,利用定位圆环相交,再对相交各点采用加权质心的算法获得移动台位置.仿真结果表明,这种定位方法能有效提高非视距环境下室内定位的精度.     

基于单眼视觉和超声波室内障碍物检测系统在智能车上的应用

提出一种基于单眼视觉和超声波测距的树莓派智能机器人车检测静态和动态障碍物的方法. 采用改进的单眼视觉障碍物检测算法,对室内的静态和动态障碍物进行轮廓检测,并利用超声波传感器测量机器人车与障碍物之间的距离. 针对静态障碍物检测,在图像预处理阶段引入图像增强,并通过HSV图像提取不同障碍物颜色特征,以提高障碍物轮廓标定的效率和准确率. 针对动态障碍物检测,结合背景差分与3D图像显示技术实现动态目标捕捉,并设置距离决策模块记录障碍物位置信息. 试验结果表明,该方法可有效减少障碍物检测的平均消耗时间以及障碍物位置信息的错误率,提高室内障碍物检测的效率和准确性.     

基于图像关键帧的Visual-Depth Map建立方法

对于室内视觉定位系统,需要在离线阶段建立Visual Map数据库用来存储图像信息,在线阶段用户通过与Visual Map数据库进行比对来完成用户位置的估计.离线阶段建立的数据库可以采用逐点采样或视频流采样的方式.但是无论何种方式,考虑到数据库中图像信息的相似性,传统方式建立的数据库中存储图像有较多冗余,导致增加了在线阶段的定位时间开销.因此,本文根据Visual Map中的相邻图像间的相似性,提出了一种基于图像关键帧的Visual-Depth Map建立方法,有效地减少了离线数据库的规模.在离线阶段,本文使用Kinect传感器同时获得图像信息和深度信息;然后,通过基于图像相似度的图像关键帧算法对原始图像序列进行筛选,得到关键帧序列,从而实现Visual-Depth Map的建立.在线阶段,用户可以直接输入查询图像与Visual-Depth Map中的图像序列进行检索匹配,找到相似度较高的匹配图像,再通过EPnP算法进行2D-3D的位姿估计,完成用户位置的计算.实验证明,本文所提方法可以在保证较高定位精度的前提下,有效减少离线数据库规模,降低在线阶段的定位时间开销.     

基于踢脚线的结构化环境单目视觉导航

针对室内结构化环境下的导航任务,提出一种以踢脚线为参考直线的基于单目视觉的导航算法。利用单目摄像头提取图像,运用Canny边缘检测方法和霍夫变换相结合的边缘检测算法提取结构化环境中的踢脚线,根据平行直线在图像平面的成像原理,提取出参考直线和偏航角作为导航信息,实时控制小车的运动。试验结果显示,基于该方法设计的小车可以实现安全行驶,该方法获取的导航参数受光照的影响不大,稳定可靠,能满足安全性和实时性的要求。     

用改进的Rao-Blackwellized粒子滤波器实现移动机器人同时定位和地图创建

将进化策略应用于Rao-Blackwellized粒子滤波器,并结合自适应重新采样方案实现了室内移动机器人同时定位和地图创建.在仅有单目视觉和里程计的基础上,建立了鲁棒的感知模型,通过有效的尺度不变特征变换方法提取环境特征,并采用Unscented卡尔曼滤波更新特征,特征点的匹配采用基于KD-Tree的高维特征点快速匹配算法.在实际Pioneer 3移动机器人上进行的实验结果表明,本文提出的方法是可行的.     

用改进的Rao-Blackwellized粒子滤波器实现移动机器人同时定位和地图创建

将进化策略应用于Rao-Blackwellized粒子滤波器,并结合自适应重新采样方案实现了室内移动机器人同时定位和地图创建。在仅有单目视觉和里程计的基础上,建立了鲁棒的感知模型,通过有效的尺度不变特征变换方法提取环境特征,并采用Unscented卡尔曼滤波更新特征,特征点的匹配采用基于KD-Tree的高维特征点快速匹配算法。在实际Pioneer 3移动机器人上进行的实验结果表明,本文提出的方法是可行的。     

基于光流法算法的Visual Map快速建立方法

Visual Map是一个含有丰富位置信息的图像数据库,数据库中每一幅图片或图片的特征在存储时会加入相应的位置信息.室内定位的性能与Visual Map图片的数量有关.建立庞大的图片数据库能够使得定位结果更加准确,但是花费时间成本会更大.针对这个问题,本文提出了使用光流法算法来建立图片数据库Visual Map.针对光流法用于室内图像的计算会受到光线明暗不同的影响以及相机转向会产生横向偏移的问题,本文对光流法进行了改进,并使用改进后的光流法算法对摄像机采集的图像序列进行计算,得到摄像机的自身位移,从而得到每一幅图片的对应的地理位置信息.实验结果表明,利用使用光流法快速建立的Visual Map进行室内定位,误差小于1米的概率是26%,误差小于2米的概率是70%.与传统的视觉室内定位法相比,定位精度虽然略有降低,但建立图像数据库所需时间消耗大大减少.相比于视频流快速建立Visual Map方法,定位效果相当,建立Visual Map所需的设备更少,要求更加宽松.利用光流法算法快速建立Visual Map能够很好的应用于室内视觉定位系统,特别是应用于大型场所以及室内场景多变化的场所.     

基于Kinect传感器的机器人室内环境检测方法

针对移动机器人室内环境检测问题,提出了一种基于Kinect传感器的目标物体检测方法.利用Kinect传感器采集的视频图像和深度数据来实现对机器人工作环境中已知特征目标物体和完全未知目标物体的检测及定位.对于已知特征目标通过颜色特征分析来完成检测,而对于完全未知的物体则通过深度地面消除算法和提取深度图像的轮廓来进行检测.利用传感器成像模型对检测出的目标区域进行三维空间定位,从而获取目标物相对于机器人的空间位置信息.基于移动机器人平台进行实验,结果表明,该方法能够有效地实现室内环境信息的检测及定位.