基于信息增益一致性的多机器人地图融合算法

针对多机器人协同SLAM(同步定位与地图构建)的地图融合中,由于通信距离受限或网络拓扑变化造成信息缺失、从而影响全局地图构建的问题,提出一种基于信息增益一致性原理的动态地图融合算法.该算法是完全分布式的,且不依赖于任何特殊的机器人通信网络结构.该算法利用机器人所测局部地图的历史数据和当前数据之间的新增信息,使每个机器人都能同步地获取一致的、最新的全局地图.在有限的网络连接条件下,所提出的地图融合算法能够通过渐近收敛的方式获得准确的全局地图.在每一次迭代中,每个机器人得到的全局地图都是无偏的.在实验中通过实际环境的RGB-D(彩色-深度)数据验证了算法的有效性.     

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.     

基于视觉传感器SLAM问题的算法构建

自主移动机器人通过自身携带的传感器来感知周围环境是实现其智能导航的前提。由于视觉传感器只能检测路标的方位角,不能提供距离信息,当利用视觉传感器完成机器人的同步定位及地图创建（SLAM）时,由于路标距离信息的缺失,会带来新路标的初始化及旧路标关联等难题。为识别新路标方位,采用滞后的三角型测量法来估计新路标的距离,从而解决了新路标初始化及旧路标关联等问题,并最终建立了一套适用于视觉传感器的SLAM算法及在Matlab上建立的仿真模型。仿真实验结果表明,算法满足概率估计的一致性和收敛性条件,是一种有效的仅检测路标方位角的同步定位及地图创建算法,证明方法的有效性。     

一种改进的多机器人协作实时FastSLAM算法

针对FastSLAM1.0中机器人缺乏自身定位测量修正引起的累积误差和FastSLAM2.0引入测量修正引起算法复杂度增加的问题,提出一种改进的基于辅助测量的多机器人协作实时FastSLAM算法,使用双机器人协同工作,领头机器人负责完成同时定位与地图构建任务,辅助机器人通过静态相对位置测量为领头机器人提供实时定位测量修正.该辅助测量方法不仅为SLAM任务执行机器人提供较准确的定位测量值,同时也避免了FastSLAM2.0算法中额外的算法复杂度问题.实验结果表明算法既可以获得较高的精度,而且方便可行,具有较高实用价值.     

一种用于水下机器人的触沉传感器研究

本文论述了一种用于水下作业机械手的机器人触觉传感器的结构及工作原理，这种传感器的开关类似于水下生物的“触须”，能够在４个方位上判别与对象接触的位置及接触长度，对于其他形式的机械同样适用。     

多传感器融合改进的机器人定位决策

在复杂的不确定环境里,采用单一传感器对机器人进行定位时精度较低,并且易受干扰,可靠性较差。针对这一问题在粒子滤波器移动机器人SLAM算法的基础上,利用多传感器融合对算法进行改进,将观测信息进行特征级融合,充分利用各种传感器采集的冗余信息,并将融合后的观测信息分别用来估计机器人路径和环境特征的后验概率分布。仿真试验表明,改进后的算法在SLAM定位精度及可靠性上都有较大的提高,证明了该种方法的可行性。     

智轨电车多传感器融合定位研究

传统的全球导航卫星系统(GNSS)、基站移动位置服务等定位方法在隧道、楼宇和高架桥等复杂交通场景应用时定位误差较大,而里程计存在累计误差,难以实现长距离精准定位.针对智轨电车复杂驾驶环境定位误差大的问题,文章提出一种基于激光雷达-全局地图匹配的长时、高精度定位系统,以实现鲁棒和准确的状态估计.该系统定位主要包含两个步骤...     

一种自适应的Graph SLAM鲁棒闭环算法

针对在常规Graph SLAM(simultaneous location and mapping)算法中后端优化无法高效排除错误闭环影响的问题,提出一种自适应的Graph SLAM鲁棒闭环算法.通过分析代价函数中尚未确定的参数对优化过程的影响,根据迭代得到的最新信息,对这些参数进行更新,从而加快算法收敛速度,并对不同的数据集有很好的适应性.利用公开的数据集对算法进行实验,通过对比发现,在添加不同类型、不同数量的异常闭环条件下,本文算法对不同数据集具有良好适应性且收敛速度较快,证明了算法的有效性.     

紧耦合多传感器混合跟踪算法

在增强现实应用中实现对运动目标的准确跟踪是一个具有挑战性的任务。基于混合跟踪通过对多传感器信息的融合通常比单一传感器跟踪算法更为优越的特性,提出了一种新的紧耦合混合跟踪算法实现视觉与惯性传感器信息的实时融合。该算法基于多频率的测量数据同步,通过强跟踪滤波器引入时变衰减因子自适应调整滤波预测误差协方差,实现对运动目标位置数据的准确估计。通过标示物被遮挡状态下的跟踪实验结果表明,该方法能有效改善基于扩展卡尔曼滤波器的混合跟踪算法对运动目标位置信息预测估计的准确性,提高跟踪快速移动目标的稳定性,适用于大范围移动条件下的增强现实系统。     

基于异质多传感器的网络分布数据融合的一种算法

针对多异质传感器数据融合能够实现信息互补,改善目标跟踪精度,提出了一种异质多传感器异步量测融合算法,即首先将量测方程线性化,再在砷合中心通过建立伪量测方程,得到同步的量测数据,然后利用噪声相关的伪序贯思想进行融合处理得到全局估计,与现有算法进行仿真比较,结果表明了该算法的有效性。     

序贯处理的多传感器航迹融合算法研究

基于分布式的多传感器航迹融合系统,采用序贯处理的方法并结合矩阵加权的融合算法,在估计误差协方差阵迹最小的准则下,提出了估计误差相关条件下的航迹融合算法,从理论上对算法的航迹融合性能进行了分析,并进行了仿真。仿真结果表明了基于序贯处理的融合算法的可行性和有效性。     

一种启发式多传感器任务实时动态分配算法

传感器任务的分配是传感器管理的重要问题。为提高任务分配的实时性和实效性,基于紧急任务优先、最早完成任务优先、复用能力最小优先和随机分配四条原则,提出了一种启发式多传感器任务实时动态分配算法。计算机模拟仿真表明:该算法既能保证优先级任务较早的执行,又能探测到任务的失败,还能维持传感器负载平衡,是一种快捷、高效的分配算法。     

一种面向目标的环境模型及其构建方法

环境地图是机器人环境认知并提供服务的基础.以服务机器人为实际应用背景,综合应用多传感器数据,将环境中的具体目标信息映射到利用SLAM技术创建的地图中,生成面向目标的环境模型.论文详细介绍了该环境模型的表示、构建和更新方法,并通过实验证明该模型可有效地提高机器人的环境理解能力和工作效率.     

基于修正Riccati方程与Kuhn-Munkres算法的多传感器跟踪资源分配

多传感器管理是对一组传感器或测量设备进行自动或半自动控制的一种处理过程,它实现了整体性能的优化和资源的有效利用.在建立多传感器管理中传感器资源分配一般数学模型的基础上,研究基于修正Riccati方程与Kuhn-Munkres算法相结合的多传感器跟踪资源分配,同时给出了目标-传感器最优分配解的求解步骤.仿真结果表明了该方法的可行性.     

基于多传感器的温室环境数据融合算法研究

无线传感器网络中采集的数据存在着较大的冗余与误差,影响数据的可靠性;而在温室环境监测中,对数据的准确性要求比较高。因此,为了提高多传感器采集数据的准确性,在研究了现有的几种数据融合算法以后,提出一种基于多传感器的综合数据融合算法。给出了采用格罗布斯准则消除粗大误差,并引入哈夫曼树的思想对数据进行项融合的方法。结果表明,该算法可以有效提高测量数据的准确性。     

基于多传感器信息融合的移动机器人导航综述

综述了自主式移动机器人导航技术,对其中的同步定位与地图创建、路径规划以及多传感器信息融合等技术进行了详细的分析,并从基于地图、基于环境和基于行为3个方面全面地阐述了移动机器人路径规划技术的研究现状.对当前的研究热点SLAM技术、遗传算法和基于行为的规划算法等进行了较为详细的介绍和分析.同时,展望了移动机器人导航技术的发展趋势.     

基于蚁群算法的多传感器目标分配模型

根据现代信息战的特点,分析了多传感器目标分配在数据收集和融合体系中的重要意义以及当前分配算法存在的问题.针对更加灵活地多对多分配问题,提出了一种带威胁系数和效用衰减度的循环分配方法,确立了新的目标函数,使传感器资源更多地流向威胁度高的目标,更加符合实际应用.针对目标分配这种NP问题,结合新的分配方法,建立了蚁群算法模型,通过算例仿真验证了该分配模型的可行性.     

一种基于BP神经网络的多传感器系统信号降噪算法

传感器在对目标检测时,输出信号不可避免地含有白噪声.利用BP神经网络的非线性映射能力,提出一种基于BP网络的多传感器系统信号降噪压缩方法.多传感器含噪声的输出信号序列和目标真值作为样本,用于网络训练,用检验样本对训练后的网络进行检验,并与最优加权以及最优加权与递推最小二乘法相结合的滤波方法比较.MATLAB下的仿真结果表明:BP网络用于多传感器系统滤波有明显效果.