一种非结构环境下多机器人构建地图的方法

提出了一种多移动机器人在非结构环境下构建地图的新方法.该方法让各机器人独立探索环境并对不同的局部栅格地图予以融合.在地图融合过程中,无需考虑机器人相对位置的先验信息,而是以栅格地图相似度为度量标准,利用距离变换和改进的遗传算法高效、快速地搜索各局部地图之间的最大重叠部分,进而予以融合.实验结果表明,与常规方法相比,该方法能够较为精确地实现非结构环境下多机器人地图构建,且限制条件少,更适合于实际应用中的各种复杂情况.     

基于扩展卡尔曼滤波的轮式移动机器人定位技术

针对单一传感器或现有多传感系统在信息传递提取上的不足,应用一种信息融合方法,对机器人进行相对定位与绝对定位的融合分析,得出机器人的最优位置信息,最终实现了移动机器人的精确定位。首先,采用码盘、陀螺仪进行机器人相对定位,采用激光雷达进行机器人绝对定位;其次,建立环境地图、传感器及机器人运动模型;最后,以扩展卡尔曼滤波作为多传感器融合技术,建立多传感器信息融合模型,实现精确定位。     

基于改进扩展卡尔曼滤波算法的移动机器人定位方法研究

针对移动机器人在位姿跟踪过程中存在单一传感器或多传感器测量系统对环境信息处理能力有限的问题,结合扩展卡尔曼滤波算法,对传感器测量信息进行融合分析.对于单个传感器测得的n个观测值,扩展观测矩阵至大于n的m个目标测量值,将预测空间到测量空间的映射设计为一个具有n个非零变量、维数为nm、秩为n的变换矩阵,实现传感器对状态向量的局部更新.在建立的传感器及机器人运动模型基础上,通过地面移动机器人进行实验验证.理论分析和实验结果表明,该方法能在保证定位精度的前提下,提高算法对不同传感器类型和传感器数量的泛化能力,增强测量系统的准确性和灵活性.     

基于声纳和摄像头的动态环境地图创建方法

针对动态环境下声纳传感器无法正确检测动态障碍物从而降低移动机器人的地图创建的精度的问题,提出了一种声纳和视觉传感器结合的动态环境地图创建方法.为保持地图信息的完整性,该方法分别建立了动、静态栅格地图,利用前一时刻的静态地图、当前声纳观测信息和摄像头检测的动态障碍物信息的比较来更新地图,并给出了地图更新模型.因视觉信息能成功地解决地图中某些动态障碍物被当成静态障碍物的错误,因而能建立正确的地图.实验验证了该方法正确,可行.     

基于ROS的轮式移动机器人系统研究

本文目标旨在对一个基于ROS的移动机器人系统进行研究,利用ROS机器人操作系统来完成软件框架的功能实现。利用激光雷达传感器完成室内的地图构建和导航,这是一个具有实际应用价值的移动机器人平台,提供了一个标准的开放的移动机器人研究平台。     

基于全向移动模型的Gmapping算法

随着机器人的快速发展,室内移动机器人也得到了广泛的应用,迫切需要一种能够准确实现室内同步定位与地图构建的方法。同时针对室内狭窄拥挤和障碍物多现的环境,传统差分驱动机器人并不适合,针对上述问题,本文提出了基于全向移动平台的Gmapping算法,实验证实,所提出的算法具有更优的性能。     

2.5D激光传感器设计及室内环境特征提取算法研究

在机器人同步定位与地图构建(Simultaneous Localization and Mapping,SLAM)问题中,机器人一般通过激光雷达或视觉传感器来感知环境。视觉传感器受环境光照影响很大,相比之下激光传感器具有测距精度高、性能稳定的优点。为改进普通2D激光雷达数据量小、在SLAM的数据匹配过程中鲁棒性不强的问题,本文设计了一种音圈电机驱动的2. 5D激光传感器。采用电机驱动2D激光雷达在竖直方向上往复运动,通过对2D激光数据和音圈电机编码器的同步实现了空间带状(2. 5D)区域的激光数据采集。当移动机器人工作在半结构化的室内环境中时,可以认为从2. 5D激光传感器获得的高度有限的带状点云具有与地面垂直的先验分布。本文对2. 5D激光传感器采集到的激光点云进行了特征的提取,提取了空间的平面和棱线特征以及竖直方向突变的特征。     

运动学约束情况下的移动机器人导航控制研究

对未知环境下的移动机器人导航与避障进行了研究。在导航的过程中考虑了移动机器人的非完整运动学约束。机器人采用三个距离传感器从三个方向实时探测环境中的障碍,其运动方向根据目标位置和传感器的探测数据进行实时规划。在本文设计的一种新的导航控制作用下,机器人在满足运动学约束的情况下可以实时跟踪奔向目标行为和避悼行为规划的路径,以接近最优的轨迹避开环境中的障碍并到达目标。仿真结果表明了该方法的有效性。     

基于Kinect传感器的移动机器人环境检测及行为学习

研究了一种基于深度图像和强化学习算法的移动机器人导航行为学习方法。该方法利用机器人装配的Kinect传感器检测工作环境信息,然后对获取的深度图像数据和视频图像进行处理、融合和识别,并由此构建机器人任务学习的状态空间,最终利用强化学习方法实现移动机器人的导航任务的自学习。该方法的有效性通过实验得到验证。实验表明,该方法能够使机器入具有较强的环境感知能力,并能够通过自学习的方式掌握行为能力。     

移动机器人的导航定位和地图构建技术综述

在非结构环境或动态环境下,移动机器人必须学会如何导航。目前相关的研究主要集中于机器人定位和地图构建两个方面。本文介绍了移动机器人的主要特征和发展概况,分析了移动机器人定位技术的研究动态,总结了移动机器人地图构建的主流技术和发展趋势,为进一步的研究工作建立了基础平台。     

轮式机器人环境建图计量评价方法研究

针对移动机器人环境建图计量评价指标缺失和评价技术不完善的问题,本文以轮式机器人和FastSlam建图算法为研究对象,通过构造实物场景和标准数字地图,提取准确、有效、可靠的环境地图评价指标,全方位对激光雷达和其建图结果进行计量评价。本方法提出全局特征参数和局部特征参数等多种评价指标,为移动机器人环境建图质量和环境建图算法优越性的合理评价提供支撑。     

Reconstructing gas distribution maps via an adaptive sparse regularization algorithm

In this paper, we present an algorithm to be used by an inspection robot to produce a gas distribution map and localize gas sources in a large complex environment. The robot, equipped with a remote gas sensor, measures the total absorption of a tuned laser beam and returns integral gas concentrations. A mathematical formulation of such measurement facility is a sequence of Radon transforms, which is a typical ill-posed problem. To tackle the ill-posedness, we develop a new regularization method based on the sparse representation property of gas sources and the adaptive finite-element method. In practice, only a discrete model can be applied, and the quality of the gas distribution map depends on a detailed 3-D world model that allows us to accurately localize the robot and estimate the paths of the laser beam. In this work, using the positivity of measurements and the process of concentration, we estimate the lower and upper bounds of measurements and the exact continuous model (mapping from gas distribution to measurements), and then create a more accurate discrete model of the continuous tomography problem. Based on adaptive sparse regularization, we introduce a new algorithm that gives us not only a solution map but also a mesh map. The solution map more accurately locates gas sources, and the mesh map provides the real gas distribution map. Moreover, the error estimation of the proposed model is discussed. Numerical tests for both the synthetic problem and practical problem are given to show the efficiency and feasibility of the proposed algorithm.     

基于改进A*算法的仓储物流移动机器人 任务调度和路径优化研究

为解决仓储物流中移动机器人执行订单任务过程中,调度系统难以快速准确地进行任务分配,且搬运路线并非最短最优路线的问题,根据移动机器人的运动方式和订单任务要求,构建具有可重构性的仓库空间模型和栅格地图模型,通过建立数学模型求解订单任务最短完工时间分配问题,改进传统A^*算法中3种常用距离算法的不足,并提出复杂对角线距离算法进行路径规划仿真。仿真结果表明,上述方法实现总任务完工时间最短的任务分配,使路径规划搜索节点数减少30%,路径长度缩短20%。     

Local measurement validation for an intelligent chirped-FMultrasonic range sensor

An important intelligent functionality for improving measurement systems is the validation of the returned information. To obtain this validation at the sensor level, it is essential that the sensor produces additional information for this purpose. This aspect follows directly from the measurement method. In this article, we apply these ideas to an ultrasonic range finding sensor dedicated to the navigation of a mobile robot. The original measurement method proposed, based on a modulated emission, provides many configuration parameters influencing the accuracy and detection performances, and two measured parameters linked to the distance to the obstacle. The redundancy between these two parameters allow building a local index of validity of the measured distance. The analog-digital implementation of this measurement method using a microprocessor board 80C196 provides easy observation and adjustment of all the considered parameters. In particular, the theoretical and experimental study of the measurement method configuration parameters leads to a sensor configuration model, whose input is the expected range, and whose output is the set of optimal values of configuration parameters in the sense of a maximal validity index     

动态环境下基于自适应步长Informed-RRT*和人工势场法的机器人混合路径规划

为解决移动机器人在动态环境下的路径规划问题,将Informed-RRT*和人工势场法相融合,提出全局与局部规划算法相融合的路径规划方法。首先,针对Informed-RRT*算法采样效率低,以及得到路径不满足机器人运动学约束的问题,采用目标偏置法与自适应步长法,减少冗余搜索与不必要树的生长;同时,引入走廊优化与时间重分配法,优化路径节点,使路径更加平滑。其次,针对人工势场法易陷入局部极小值和目标点附近不可达的问题,采用平滑窗格策略,增设全局路径子目标点,使机器人能够逃离局部极小值,完成规划任务。仿真结果表明,静态环境中自适应步长Informed-RRT*算法相比于Informed-RRT*算法求解时间缩短了71.98%;动态环境中,混合算法相比于人工势场法,搜索时间缩短了15.4%,路径长度缩短了11.1%。     

点线特征结合的视觉SLAM闭环检测研究

在视觉SLAM系统中,闭环检测是非常重要的一个模块,它主要用于解决移动机器人在位置估计时随时间漂移的问题。移动机器人搭载相机在场景中运动,通过前端视觉里程计估计自身位姿和场景地图点坐标。视觉里程计历史时刻的估计误差会传递到下一时刻,导致一段时间后估计的结果出现累计误差,闭环检测可有效减少该累计误差。针对传统基于点特征的视觉SLAM闭环检测在点稀缺环境下精度和鲁棒性较差的问题,提出结合环境权重点线特征的闭环检测系统。该系统相比传统的基于点特征的闭环检测算法,系统鲁棒性更强,检测精确度更高。     

基于阻抗控制的幕墙安装机器人柔顺操作研究

为了提高幕墙安装机器人操作的柔顺性,从而真正解决建筑幕墙自动安装中人机协调的问题,采用自适应阻抗控制方法作为柔顺操作策略.依据建筑机器人物理模型建立了较为准确的阻抗控制模型,在机器人末端未接触运动空间和环境接触空间进行了自适应阻抗控制的研究,提出了通过减小力峰值防止幕墙破坏的控制参数的调整方法,借助MATLAB对控制系统进行了仿真,并对基于该算法的幕墙安装机器人进行了柔顺性操作实验.经过仿真和实验得到了适用于幕墙安装机器人的力控制算法,验证了自适应阻抗控制算法能够满足幕墙安装机器人柔顺性操作的要求.     

可变车道隔离护栏运载机器人系统及其控制策略

城市潮汐交通拥堵问题可通过设置可变车道来解决。针对现有可变车道控制方式单一及智能化程度低等问题,设计了一种移动机器人来运载护栏,以完成车道隔离。为解决室外道路环境下的高精度定位问题,结合实际应用场景,应用超宽带（ultra wide band,UWB）技术设计了无线定位系统以及双标签融合定位法,实现了运载机器人运行过程中的位姿计算。根据运载机器人的位姿信息以及其搭载护栏时的运动模型,设计了相应的运动控制算法,以使机器人在运行过程中完成自主纠偏。此外,运载机器人运行过程中的相关数据通过LoRa(long range radio,远距离无线电)组网与远程服务器交互,实现了远程监控。试验结果表明：所设计的UWB定位系统的重复定位精度为0.07 m左右,能满足室外环境下的高精度定位要求;所设计的运动控制算法能较好地实现运载机器人的运动控制,达到了预期效果。该运载机器人系统能够为可变车道的智能化控制提供参考,具有良好的工程应用前景。     

基于烟花混合蚁群的移动机器人路径规划研究

目的 以应用于包装车间的移动机器人的路径规划作为研究对象,解决蚁群算法收敛速度慢、寻找到的路径不优等缺陷。方法 引入改进烟花和蚁群融合的方法进行搜索,首先建立移动机器人的栅格地图,其次采用改进烟花算法进行路径粗搜索,将得到的路径作为信息素增量,再运用蚁群细搜索求解。结果 文中方法与传统方法相比,收敛速度得到提高,并寻找到了更优的路径。结论 通过采用融合算法,弥补了烟花寻优的不足,加快了蚁群的收敛,可以对2种算法互相取长补短。