新型人工地标的设计、识别、定位及应用

人工地标是机器人定位与导航的重要辅助手段。设计了一种基于QR Code(quick response code)技术的新型人工地标,该地标不仅能存储丰富的环境信息,还能为机器人提供有效的方位信息。为了让机器人能够在远距离找到人工地标,设计了基于颜色和形状的快速识别算法。利用消影线原理设计了定位算法,可在机器人摄像机坐标系中快速、准确地定位人工地标。给出了机器人远距离搜寻、识别、定位及读取人工地标的控制方案,为机器人自主定位及导航奠定了基础。实验表明,该人工地标识别距离远、识别速度快、定位精度高,在复杂室内环境下仍能有很高的识读效率和很好的稳定性。     

基于单个人工地标的机器人自主定位

结合地标设计的四个基本规则,设计了基于QR code的自相似二维人工地标,并讨论了其在复杂环境下的提取、识别问题,研究了相应的算法. 利用摄像机标定技术,通过在人工地标上选取标定点求解出摄像机参数,实现了基于单个人工地标的机器人定位. 实验结果表明,机器人完全可以在复杂环境下利用该人工地标实现快速、准确地定位和导航.     

基于单个人工地标的机器人自主定位

结合地标设计的四个基本规则,设计了基于QR code的自相似二维人工地标,并讨论了其在复杂环境下的提取、识别问题,研究了相应的算法.利用摄像机标定技术,通过在人工地标上选取标定点求解出摄像机参数,实现了基于单个人工地标的机器人定位.实验结果表明,机器人完全可以在复杂环境下利用该人工地标实现快速、准确地定位和导航.     

基于模糊行为决策的机器人主动寻径导航

针对在传统的机器人导航中,机器人行为的激发是一种被动过程,容易导致机器人的行为出现"缺乏规划性"的问题,类比于人类在未知环境中的寻路过程,提出了一种基于模糊行为决策的主动寻径方法.首先,在机器人的探测域内寻找可视点并确定最优子目标点;然后,对感知到的环境信息及最优子目标点信息进行分析以确定机器人所处环境;最后,设计了一种模糊控制器,并对机器人的行为进行规划并输出控制指令使得机器人实现避障且逃离半封闭区域,最终到达目标点.仿真结果验证了该方法的可行性和有效性.     

针对非合作目标的中距离相对导航方法

提出了一种自由飞行机器人在中距离(几千米至几十米)范围内对非合作目标的导航方法,基于视觉导航相机和激光测距仪的组合测量方案,结合姿态敏感器和惯性器件的测量信息,通过推广Kalman滤波方法来估计自由飞行机器人与非合作目标的相对位置和速度信息。在近共面轨道和中距离接近的假设下,给出了一种简化的导航算法,在目标轨道参数未知的情况下也可以进行相对运动参数的估计,从而降低了算法的复杂性和运算量。仿真结果验证了上述导航方法和算法对非合作目标中距离相对导航的有效性,并获得了较好的导航精度。     

自主移动机器人局部优化导航算法研究

自主移动机器人在未知环境下需要依靠自身装配的传感器不间断地获得周围环境信息,辨别出障碍物的位置,进行计算和自主决策.现有导航算法在面临U型等复杂环境时容易在僵死路径上产生反复,导致导航不能继续.文中提出了一种基于模糊逻辑的局部优化导航算法,采用"辨识-记忆"策略来处理传感器信息.在路径规划中保留最近走过路径的位置和角度特征等相关资源,形成"记忆".当前规划路径形成死区并反复运行时,会形成"辨识"并重新规划路径和导航决策以避免障碍物碰撞.在Webots Pro和Matlab下设计仿真实验,结果表明移动机器人在模糊规则指导下能有效避障和避免死区现象,实现较好的自主导航.     

一种结合SLAM的脑机协同导航方法

在机器人系统中引入人脑智能,是提高机器人认知、决策等能力的有效手段。针对脑-机器人控制存在着人脑疲劳、需要多个导联的信息等问题,提出了一种结合同步定位与地图构建(simultaneous localization and mapping, SLAM)的脑机协同导航方法。通过基于3个导联的稳态视觉诱发电位,实现人脑感兴趣目标区域图像的选取,并结合SLAM和人工势场方法,完成脑机协同导航任务。测试结果表明,基于稳态视觉诱发电位的目标区域图像选取方法,平均正确率为94.17%,证明3个导联选取目标区域图像是有效的。在此基础上,测试结合SLAM的脑机协同导航方法,结果表明导航任务完成率为92.5%。所提方法缓解人脑疲劳的同时,降低了脑电采集的硬件要求。     

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．     

一种面向移动机器人导航的自然路标提取方法

针对机器人定位和导航应用中人工路标存在的缺陷,设计了一种基于频域特性的显著性路标提取方法。该方法首先利用图像熵理论自适应选取因子平滑图像,随后在对立色彩空间上,利用频域显著性计算方法得到三通道色彩空间的显著图,并对其进行加权融合。同时考虑到路标一致性和噪声的因素,利用优化的K-means聚类结果,对最终的显著图进行掩膜操作,筛选出可供机器人导航应用的自然路标。实验验证了在常规环境下,相较于特征算子的直接匹配,视觉注意特征提取的显著像素达到了平均80%的检出率,并具有较高可重复性。后续基于自然路标的实际机器人导航实验进一步验证了方法的有效性。     

基于人工势场法机器人小车避障的研究

针对移动机器人的实时导航和避障设计了基于人工势场的控制算法,用该算法控制移动机器人能在未知的环境中,实时检测出障碍物,并实时规划出合理路径,稳定、平滑连续地向目标行驶,给出了机器人行驶的实验结果.通过小车车体方位计算确定了避障方法-人工势场法,即目标位置对移动机器人产生一种虚拟的吸引力,而障碍物对机器人产生一种虚拟的排斥力,这两种力的合成就决定了移动机器人的运动.通过对处于静态环境下的小车的路径进行了规划并进行计算机仿真.仿真结果表明,该人工势场法能有效地实现机器人小车的避障功能.     

大规模环境下基于激光雷达的机器人SLAM算法

为解决大规模环境下机器人的同时定位和地图构建(SLAM)问题,提出一种基于Rao Blackwellised粒子滤波器的SLAM算法. 通过选取稳定且易于区别的特征点,发展了一种基于全局约束的数据关联方法,有效地减少了误匹配的概率;采用改进的粒子分布预测函数,提高了粒子滤波器的性能.实验结果表明,该算法具有较低的计算复杂度,精度也比较高,能够有效地解决大规模环境下的机器人SLAM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.     

安全屏障机制下基于SAC算法的机器人导航系统

为了提高移动机器人自主导航系统的智能化水平和安全性,设计了安全屏障机制下基于SAC(Soft Actor-Critic)算法的自主导航系统,并构建了依赖于机器人与最近障碍物距离、目标点距离以及偏航角的回报函数.在Gazebo仿真平台中,搭建载有激光雷达的移动机器人以及周围环境.实验结果表明,安全屏障机制在一定程度上降低了机器人撞击障碍物的概率,提高了导航的成功率,并使得基于SAC算法的移动机器人自主导航系统具有更高的泛化能力.在更改起终点甚至将静态环境改为动态时,系统仍具有自主导航的能力.     

基于遗传模糊算法的机器人局部避障规划

提出了在动态环境中,基于遗传模糊算法的移动机器人的局部避障规划方法,该方法适用于复杂环境情况．仿真结果表明改进遗传算法的模糊控制估化效果优于传统遗传算法模糊控制效果,能够满足移动机器人局部路径规划的实时性要求．     

动态环境下自主移动机器人的导航复杂性

在自主移动机器人相关技术的研究中，导航技术是其研究核心.动态不确定环境下的路径规划是自主移动机器人导航的关键环节之一，受到了许多学者的关注.多障碍环境下的路径规划，尤其是多障碍动态环境下的路径规划，是一个比较复杂的问题.通过混沌现象对自主移动机器人在动态环境下，利用传感器信息导航的复杂性进行了探讨.通过计算最大Lyapunov指数和描绘功率谱分析图这两种方法，确定了自主移动机器人从传感器上获得的机器人与障碍物间距离信息的时间序列存在混沌现象，揭示了自主移动机器人在动态环境下导航复杂性的原因.     

Dead-reckoning/vision integrated navigation for mobile robot

0　INTRODUCTIONInordertofulfilamission ,amobilerobothastohaveanavigationsystem .Severaldifferenttechniques ,suchasGPS ,anddead reckoningandbeaconbasedsys tem[1～ 3] canbeusedforrobotnavigation .Foraparticularkindofmission ,arobotwillfulfil ,aproperkindofnavi gationsystemwillbeusedfortherobot.Sincealmostallnavigationsystemshavetheiradvantagesanddrawbacks ,sometimesasinglenavigationsystemcannotsatisfyalltherequirementsforfulfillingaparticulartask[4 ] .Sotwoorthreenavigationsystemshavetobei…     

家庭服务机器人智能空间技术研究与进展

智能空间技术是一个刚刚兴起的前沿课题．应用于家庭服务机器人的智能空间技术，就是把感知器件、执行器件分布地安装在空间中相应的位置，实现对空间内部人和物的全面感知，从而通过执行器实现相应的服务任务；同时能够为机器人提供更加完备的环境信息，使得机器人本身可以降低对于本体携带感知器件的要求，能够“轻装上阵”，在未知或半未知的动态环境中实现更加快捷、准确、稳定的家庭服务工作．系统总结了智能空间技术的发展现状，并详细介绍了应用于家庭服务机器人的智能空间的构成、特点及其主要研究内容，对其所涉及的相关技术进行了介绍，最后给出了家庭服务机器人智能空间技术研究的新方向．     

自主式移动机器人分布视觉组合导航多摄像机标定方法

根据分布视觉组合导航系统利用全局视觉对移动机器人进行绝对定位的要求,针对机器人远离摄像机时定位精度明显下降的问题,提出了适用于较大场景的多摄像机参数分区标定方法。在集合的概念下描述了移动机器人的整个工作区域与各个摄像机的有效区域的关系,建立了基于小孔模型的空间平面到摄像机像平面的透视变换矩阵的摄像机参数标定模型。通过4部摄像机在长9.6 m,宽6.4 m的区域内进行的标定实验和误差分析表明,该方法的整体平均误差仅为7.96 mm。