基于Skinner-Ransac的移动机器人单目视觉SLAM

针对移动机器人单目视觉同时定位与地图创建(simultaneous location and mapping,SLAM)数据关联问题,提出一种Ransac抽样算法.该算法(Skinner-Ransac)基于Skinner操作条件反射原理,结合扩展卡尔曼滤波(extended Kalman filter,EKF)运动模型获得的先验信息,对图像匹配点抽样集合中的每个匹配点对赋予权值,并根据判断函数对其权值进行更新.最后,针对数据关联的效率要求提出新的迭代终止条件,以公开图像数据集作为图像采集样本.实验结果表明:Skinner-Ransac算法高效可靠,SLAM的位姿估计结果可以达到移动机器人自主导航的需求.     

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。     

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。     

特征光斑单目视觉空间定位方法

为了满足地面试验中运动目标位姿参数视觉测量系统的研制需求,基于单目视觉原理设计了大视场条件下实际平面上特征光斑的精确空间定位方法.建立了特征光斑的成像模型,给出了实际平面对特征光斑空间位置的约束,进而提出了特征光斑的单目视觉空间定位方法,并依据实际平面的特点设计了高阶曲面型、分块平面型和分块曲面型等三种类型实际平面上特...     

基于全景视觉机器人定位的路标提取方法

针对全景图像像素点过多、图像复杂导致单一图像分割算法难以提取出图像中人工路标的问题,提出了一种用HSV阈值分割法与OTSU最大类间方差法相结合的算法.通过对两种算法的结合使用,可以更有效地滤除图像中的干扰区域及干扰点,从而将路标从图像中提取出来.利用三角定位法的相交圆法计算出移动机器人的坐标,完成对移动机器人的定位.结果表明,该方法能够提取出全景图像中的路标,有效地避免了错误提取的情况,具有一定的可行性.     

基于Matlab的有路标移动机器人定位仿真

为了满足机器人精确定位的要求,提出一种基于多传感器信息融合的自定位算法并介绍了如何利用Matlab搭建移动机器人定位系统的仿真模型.仿真程序建立了移动机器人活动的虚拟环境,模拟了机器人的运动模型、里程计、激光雷达观测模型,利用扩展卡尔曼滤波算法将里程计和激光传感器采集的数据进行融合;最后,由匹配的环境特征对机器人的位置进行修正,得到精确的位置估计.仿真试验的结果表明该定位系统具有较高的定位精度.模块化的仿真系统设计有利于其他定位算法的验证,对机器人系统的理论研究以及实用化具有重要的作用.     

基于移动机器人定位和导航的人工路标设计

在复杂环境下,如何快速、准确地识别路标是移动机器人定位和导航的关键问题.基于图像分割原理,利用投影和方向特征的处理方法,提出了一种新的人工路标方案.通过统计学的相关理论验证了该路标图案的可行性,实验结果也显示了该图案可以较好地解决移动机器人的路标识别问题.     

基于地面特征的单目视觉机器人室内定位方法

针对高精度的机器人室内定位方法中成本过高的问题,提出一种基于地面特征的单目视觉机器人室内定位方法。该方法通过安装在机器人底盘的单目鱼眼摄像头采集地面图片,并经过一系列图像处理,将得到的地面方格直线和相机的位姿关系作为观测量,通过推导出观测方程并根据扩展卡尔曼滤波算法得到机器人的位置信息。基于机器人当前时刻位置数据和地面的固定方格大小提出线预测算法,有效地排除干扰线段的影响。实验结果表明,该机器人室内定位方法定位精度可以达到2 cm,具有较好的鲁棒性,能够为低成本的机器人室内定位提供较好的技术参考。     

基于单目视觉的空间定位算法

为解决基于单目视觉的像机空间定位问题,基于射影几何原理,提出了一种利用特殊标志点的空间几何信息和光学像机实现像机与标志点的相对位姿测量,进而推算像机的空间坐标位置的方法.该方法避免了计算过程中对每帧图像都进行复杂的非线性解算,而利用像机与标志物间一种特殊姿态即正视投影作为连续位姿计算的起点和初始值,利用帧间约束来进行后续帧的位姿跟踪计算,达到既保证计算精度,又减少计算量的目的.在试验和实际应用中均取得良好效果.     

基于人工路标的机器人视觉定位研究

自定位和位置估计是自主移动机器人最重要的能力之一。根据摄像机透视映射原理,确定内外参数来推算机器人位置。基于实验分析,提出了一种人工路标方案。通过建立以RGB的值域范围为分割点,分层实现彩色图像的目标与背景分离,从而完成了图像标志的识别。试验表明基于人工路标信息的视觉定位系统能够有效识别出机器人,实现反馈机器人的当前位置。     

基于激光测距雷达的室外移动机器人定位

采用激光测距雷达作为机器人的外部传感器,里程计和惯性导航系统作为内部传感器,对室外移动机器人环境地图已知情况下的定位问题进行了研究。根据定位系统的特点建立了系统的运动模型和观测模型,考虑到系统的不确定性,提出了一种基于混合模型的系统误差描述方法,同时采用扩展卡尔曼滤波对多传感器信息进行了融合,仿真试验的结果表明该定位系统具有较高的定位精度。     

基于粒子群优化的移动机器人全局定位算法

为了提高图像特征匹配过程中地图库的搜索速度,提出了一种局部子地图库搜索方法。并针对机器人自定位过程中会产生多个候选位姿,提出了利用粒子群优化算法来优化候选位姿以得到定位精度较高的优化解的全局定位新方法。最后通过Pioneer 3DX在室内环境的全局定位实验分析了粒子群优化前后定位精度和定位时间的变化。实验结果表明,新算法以牺牲较少的计算时间获得了较高的定位精度。     

基于场景复杂度的移动机器人目标搜索方法的研究

借鉴人类搜索经验,将场景复杂度概念应用到移动机器人目标搜索过程,提出了一种基于场景复杂度的移动机器人目标搜索方法.首先,通过分析影响场景复杂度的主要因素,给出了融合图像和激光深度信息的场景复杂度形式化定义;其次,结合视觉目标检测过程,描述了基于场景复杂度的目标搜索方法,该方法通过对各个场景按复杂度进行筛选来确定待搜索场景,并根据场景深度信息确定该场景的待搜索点.实验结果表明：本文提出的场景复杂度计算方法符合人的复杂度主观感受,较好地反映了场景的内在特征;基于场景复杂度的目标搜索方法可以有效地搜索目标,具有较好的鲁棒性.     

移动机器人的同时定位和地图创建方法

通过声纳传感器实时地创建和修正地图,局部地图是基于栅格的概率模型：工作环境被划分成栅格,每一个栅格赋一个值,标识栅格中有障碍物的概率．地图应用哈夫变换创建,定位通过对超声波数据应用滤波算法并结合地图创建实现．使用Pioneer2移动机器人在实际的室内环境中的实验,验证了该方法的可行性．     

基于混沌遗传算法的移动机器人路径规划方法

结合遗传算法优化的反演性和混沌优化方法的遍历性,基于混沌遗传算法的移动机器人路径规划方法能够有效改善遗传算法的局部搜索能力和搜索精度,避免单纯使用遗传算法规划机器人路径时容易出现的早熟收敛现象．仿真试验表明,提出的路径规划方法在稀疏环境和密集环境下均能收敛到全局最优路径,具有更强的鲁棒性．     

一种鲁棒移动机器人自主定位方法

针对出现机器人“绑架”现象时，由于在后验密度分布取值较大区域中的采样数较少，利用蒙特卡罗定位方法(Monte Carlo Localization)进行定位需要大量的采样才能取得较好效果的问题，提出了一种遗传蒙特卡罗定位方法(Genetic Monte Carlo Localization)．GMCL将进化计算中的交叉与变异操作引入到MCL中，对采样进行优化，使采样朝后验密度分布取值较大的区域移动，从而更好地表达系统的后验密度分布．实验结果表明：GMCL可以显著减少所需的采样数，具有更高的精度和更好的鲁棒性．     

基于人工势场法的机器人路径规划

人工势场法是机器人路径规划算法中一种简单有效的方法.对改进势场函数的规划方法进行分析发现:该方法并不能很好解决局部极小问题,提出了添加附加控制力的方法,即当机器人所受的斥力与吸引力在一条直线上时,对机器人施加一个依赖于障碍物的控制力,使机器人尽快跳出局部极小点.仿真结果说明此方法是有效的.     

Study on sound source localization for mobile robot based on tetrahedral microphone array[D].

针对基于模型的声源定位方法在非结构化空间中应用所存在的模型依赖度高、定位精度低等问题,提出一种基于声音位置指纹的定位方法,通过将待定位点处的声源信号空间位置特征与定位数据库中信息进行比较从而完成声源定位. 该定位方法包括2个阶段:离线采样阶段,捕获各定位参考点处声源信号并完成位置特征提取,据此特征和参考点位置信息构建定位数据库;在线定位阶段,通过提取待定位点处实时信号特征并和定位数据库中信息进行匹配完成定位. 仿真实验结果表明:在麦克风数量较少、环境噪声干扰较大的情况下,该方法具有较小的声源位置估计偏差,定位效果可满足实际应用需求.

     

移动机器人的自适应式行为融合方法

介绍了一种基于先验知识的强化学习方法,它将传统的规则控制方法和强化学习方法相结合,在保留了已知的部分规则的情况下,利用强化学习方法对基本行为的融合机制进行了完善;同时,利用已知的规则知识对学习器进行指导,保证了学习向正确方向进行,有利于学习收敛速度的提高。文章给出了2种实现方法的结合方式,并给出了学习器的结构及参数和函数设定。最后以机器人围捕为研究背景,实现了移动机器人的自适应式行为融合,并利用仿真实验对其有效性进行验证。结果表明该方法具有收敛快、学习效果好的特点。     

视觉和IMU融合的移动机器人运动解耦估计

针对视觉里程计(VO)因累积误差导致运动姿态估计存在的偏差,提出实时扩展卡尔曼滤波器姿态估计模型,利用惯性测量单元(IMU)结合重力加速度方向作为垂直方向参考,对视觉里程计航向、俯仰和侧倾3个方向姿态估计进行解耦,修正姿态估计的累积误差;根据运动状态采用模糊逻辑调整滤波器参数,实现自适应的滤波估计,降低加速度噪声的影响.实验采用高精度的全站仪作为真值,并结合多种地形环境,实验结果表明：50 m内跟踪的累积误差低于0.3 m,有效地提高了视觉里程计的定位精度和鲁棒性.