移动机器人路径设计与定位计算

为解决机器人自主导航中的同时定位与地图构建问题,提出采用SLAM系统实现机器人在一个未知环境和位置开始,通过环境观测,递增地构建环境地图,并同时运用环境地图实现机器人定位的解决方案.仿真实验证明了所建立的SLAM系统是一种切实可行的导航方法,为提高移动机器人自主性和智能化提供了一条新的技术途径.     

基于DGSOM_A*的移动机器人地图创建和路径规划

针对移动机器人未知环境路径规划问题,基于动态自组织特征映射网络提出了一种自组织网络动态生成A*的算法(dynamic growing self-organizing map with A*,DGSOM_A*),并将其应用于移动机器人地图创建和路径规划.该方法利用Mobotsim二维仿真软件构造了环境模型,机器人通过无碰自由巡航获取环境信息,然后把上一步得到的环境信息作为DGSOM_A*算法样本通过SOM神经元自主生长进行地图创建,生成以少数SOM图神经元分布描述环境特征信息的拓扑地图,最后完成起始点到目标点的导航任务.实验结果表明,相比传统的SOM算法,基于DGSOM_A*算法机器人能有效地通过对环境地图的绘制熟悉复杂环境并能实现最优路径选取.     

复杂环境下多机器人协作构建地图的方法

针对复杂环境以及无法获知机器人位置信息的情况,提出一种多移动机器人协作构建地图的新方法.该方法采用独立探索、集中建图的探索策略,对环境建立局部栅格地图并予以融合.在地图融合过程中,无需已知机器人的相对位置信息,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.此外,考虑到局部地图无重叠部分的情况,引入判断函数对融合结果予以度量.实验结果验证了该方法在复杂环境下的可行性和有效性.     

基于光流的非结构化环境中移动机器人避障方法

为了解决在复杂非结构化环境中的避障问题,提出了一种基于光流的适用复杂非结构化环境的移动机器人避障方法.首先,引入梯度守恒假设和局部加权对光流算法进行改进,减少了光照变化不均和噪声对光流算法的影响,提高了算法的计算精度和鲁棒性.然后,使用光流散度来计算相碰撞时间(time-to-contact,TTC),并利用TTC构建障碍地图.设计的航向决策算法能在机器人与障碍物发生碰撞危险时,为机器人选择最优的前进方向.对提出的避障方法进行了仿真及物理实验,实验结果表明:利用该避障方法可以实现移动机器人在复杂非结构化环境中无碰撞地行走.     

一种基于高效边界探索的机器人自主建图方法

针对目前自主移动机器人对室内未知环境的自主探索建图效率低、通用性差以及由于探索区域狭窄导致地图构建不完整的问题,提出一种基于曲线拟合和目标探索点邻域规划的边界探索自主建图方法。该方法对已构建的初始地图边界以曲线拟合方式筛选安全目标探索区,并针对机器人不可达目标探索区,采取滑动窗口邻域规划方法建立新目标探索点,引导机器人自主导航至该目标探索点,同时利用同步定位与建图技术,完成机器人对未知环境的自主探索和构图。实验表明,与现有方法比较,本方法能够以较少的探索次数、更短的探索路径和更高的探索效率完成对未知室内复杂场景的自主探索建图。     

一种基于激光测距的机器人地图创建方法

针对未知环境中机器人局部地图的构建问题,提出一种激光测距的离散数据自适应曲率估计算法。采用该算法对预处理后的激光扫描数据进行环境特征分割,然后提取并描述环境特征,最后根据特征元素集构建局部地图。仿真和实验结果表明,该方法能准确地描述结构化室内环境,有效地描述和表征了实验环境。     

基于GIS地图的移动机器人路径规划

针对移动机器人路径规划实现条件的限制,提出基于GIS（geographicinformationsystem）地图的移动机器人路径规划．该方法应用改进A’算法,较好地实现了移动机器人的最优路径规划．在任意给定的地图中,只要确定了机器人的起点和终点,就可以找到该机器人在实际工作环境中符合需求的路径规划轨迹．应用VC＋＋编程进行实验,证明了该方法的有效性．     

基于双目光束法平差的机器人定位与地形拼接

为了实现自主移动机器人完成复杂智能任务,如路径规划和避障等,针对移动机器人在复杂未知环境中精确定位并对周围环境进行致密地形构建问题,提出一种基于双目光束法平差的机器人定位与致密地形拼接算法.利用安装在移动机器人上的立体相机获取图像序列,跟踪前后帧图像序列中的对应特征点,基于双目光束法平差优化(BBA)精确估计机器人位置姿态.对左右相机采集图像对进行立体匹配获取致密三维地形信息,结合定位时获取的旋转平移姿态,实现了地形的构建与拼接.实验结果表明,该算法具有较好的实时性和鲁棒性.     

大鼠脑海马结构认知机理及其在机器人导航中的应用

为了构建具有类似于人和动物环境认知机理的移动机器人,详细介绍了海马解剖学结构、信息传递回路、环境认知相关细胞空间放电认知机理.将鼠脑海马结构认知机理应用在机器人平台上,并通过介绍一种典型仿鼠脑海马结构认知机理的机器人导航模型来阐述大鼠脑海马结构在机器人导航中的应用.结果表明:机器人进入某一环境时能够自主地探索其所处空间环境,经过不断的探索,最终形成其对所处环境的表征,即成功构建所处空间环境的认知地图,根据认知地图实现机器人在复杂环境中面向目标对象的导航任务.     

面向移动机器人的室外环境多层次地图构建

为充分利用环境的先验知识,使移动机器人在大规模室外环境中实现自主导航和定位,离线建立一种基于环境先验知识的多层次地图,它由拓扑地图、全局度量简图、语义地图和局部度量地图组成;提出基于节点附近物体共视关系的节点识别方法、基于线段的道路感知方法和基于消失点的导航控制方法;利用不同层次的地图实现路径规划、节点识别和相对位姿估计等,在室外环境试验中,机器人在大规模室外环境中实现自主导航并运动至目的地,验证了方法的有效性。     

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.     

Immune evolutionary algorithms with domain knowledge for simultaneous localization and mapping

1 INTRODUCTIONSi multaneous localization and mapping(SLAM) or concurrent mapping and localizationcan be described as follows :acquiring a map of anunknown environment with a moving robot , andsi multaneously localizing the robot relative to thismap[1 2]. The SLAMproblemaddresses situationswhere the robot lacks a global positioning sensor ,andinsteadit has to rely on sensors of incrementalego-motion for robot position esti mation (e .g.odometry ,inertial navigation,etc .) .Such sensorsa…     

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.     

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。     

An object tracking and global localization method using the cylindrical projection of omnidirectional image

We present an omnidirectional vision system we have implemented to provide our mobile robot with a fast tracking and robust localization capability. An algorithm is proposed to do reconstruction of the environment from the omnidirectional image and global localization of the robot in the context of the Middle Size League RoboCup field. This is accomplished by learning a set of visual landmarks such as the goals and the comer posts.Due to the dynamic changing environment and the partially observable landmarks, four localization cases are discussed in order to get robust localization performance. Localization is performed using a method that matches the observed landmarks, i.e. color blobs, which are extracted from the environment. The advantages of the cylindrical projection are discussed giving special consideration to the characteristics of the visual landmark and the meaning of the blob extraction. The analysis is established based on real time experiments with our omnidirectional vision system and the actual mobile robot. The comparative studies are presented and the feasibility of the method is shown.