基于主动视觉和超声的机器人目标跟踪系统

运动目标跟踪技术是未知环境下移动机器人研究领域的一个重要研究方向。该文提出了一种基于主动视觉和超声信息的移动机器人运动目标跟踪设计方法,利用一台SONY EV-D31彩色摄像机、自主研制的摄像机控制模块、图像采集与处理单元等构建了主动视觉系统。移动机器人采用了基于行为的分布式控制体系结构,利用主动视觉锁定运动目标,通过超声系统感知外部环境信息,能在未知的、动态的、非结构化复杂环境中可靠地跟踪运动目标。实验表明机器人具有较高的鲁棒性,运动目标跟踪系统运行可靠。     

基于惯性测量单元的轮式机器人轨迹跟踪仿真

针对轮式机器人轨迹跟踪质量下降问题,提出基于惯性测量单元(IMU)的轮式移动机器人轨迹跟踪控制方法.通过两个惯性测量单元(IMU)来建立轮式机器人的速度、角速度计算模型,针对轮式移动机器人执行中的差动命令对轮式机器人实施闭环控制;设计轮式机器人工作轨迹参考量,结合动力学模型提出轮式机器人轨迹跟踪控制器,使轮式机器人可以在指定的轨迹上进行跟踪.实验结果表明,提出的方法能够使轮式移动机器人的轨迹跟踪误差更小,跟踪结果更精准.     

基于深度相机的移动机器人视觉跟踪控制研究

基于视觉利用移动机器人进行运动目标跟踪,该文提出一种基于二自由度云台和RGB-D相机的运动目标视觉跟踪及移动机器人路径实时规划、跟踪方法。该方法利用核相关滤波算法在图像中实时追踪目标,控制二自由度云台使深度相机实时对准目标,并根据深度相机得到目标的深度信息,利用坐标转换得到目标相对于机器人的位置信息;其后移动机器人根据目标的位置信息,基于五次多项式进行路径规划;最后采用李雅普诺夫控制律对移动机器人进行轨迹跟踪控制,使得机器人能够平稳地跟踪目标运动。该算法在阿克曼移动机器人上进行了实验,实验结果验证了算法的有效性和实时性。     

仿人足球机器人射门过程中路径规划算法研究

为了解决仿人足球机器人射门最优路径规划问题,本文提出一种基于模糊算法的移动机器人路径规划策略,使机器人能够高效率踢球射门.利用机器人摄像头感知周围的环境信息,再利用超声波传感器得到与目标物相关的距离信息,运用模糊推理将目标位置信息模糊化,建立模糊规则并求解,最终使机器人可以确定射门的路径,进而采用正向射门或侧向射门动作.     

基于Kinect的移动机器人实时局部路径规划

传统路径规划方法计算复杂、效率低,且误差较高.为此,提出一种基于Kinect的移动机器人实时局部路径规划方法.利用Kinect产生的RGB图像和3D图像实时获取移动机器人的周边动态环境信息,通过模糊逻辑和信息融合技术完成机器人的实时路径规划,从而实现机器人的目标跟踪与导航.实验结果表明,该方法具有较好的稳定性与实时性.     

移动机器人多目标彩色视觉跟踪系统

机器人视觉系统利用颜色、形状等信息来识别环境目标，但是难点在于识别的 鲁棒性和实时性的保证．本文采用全自主移动机器人为平台，提出了一种硬件成本低廉的、 基于颜色学习的实时多目标视觉跟踪系统，并提出了一种新颖的目标颜色学习和跟踪算法． 该视觉系统已成功集成在自主移动机器人系统中，非结构环境下的动态目标跟踪实验表明了 系统的实时性和鲁棒性．     

基于视觉的轮式移动机器人导航问题研究

环境建模和路径规划是轮式机器人视觉导航的关键技术。针对传统视觉导航中环境建模实时性较差的问题,提出利用边缘延伸原理对轮式机器人视觉环境进行感知的方法;针对人工势场法在路径规划中出现局部最优解、路径震荡的问题,提出改进的逆势场导向法,给出新的人工势场函数,得到广义上的轮式机器人安全通道;针对轮式机器人路径不能出现急转急停的问题,提出一种曲率映射法,将轮式机器人的运动轨迹映射成曲率,设计相应的平滑路径生成策略。最后给出路径生成的算法,通过仿真研究与实验验证了该算法的有效性和正确性。     

纯方位角目标跟踪及移动平台可观性控制方法

为了解决未知环境下的单目视觉移动机器人目标跟踪问题,提出了一种将目标状态估计与机器人可观性控制相结合的机器人同时定位、地图构建与目标跟踪方法。在状态估计方面,以机器人单目视觉同时定位与地图构建为基础,设计了扩展式卡尔曼滤波框架下的目标跟踪算法;在机器人可观性控制方面,设计了基于目标协方差阵更新最大化的优化控制方法。该方法能够实现机器人在单目视觉条件下对自身状态、环境状态、目标状态的同步估计以及目标跟随。仿真和原型样机实验验证了目标状态估计和机器人控制之间的耦合关系,证明了方法的准确性和有效性,结果表明:机器人将产生螺旋状机动运动轨迹,同时,目标跟踪和机器人定位精度与机器人机动能力成正比例关系。     

基于全局视觉的轮式移动机器人轨迹跟踪控制

将视觉伺服控制思想引入到全局视觉条件下的轮式移动机器人轨迹跟踪控制中,提出一种基于消除图像特征误差的控制方法.讨论并推导了包含电机模型的非完整移动机器人动力学方程,设计了鲁棒速度跟踪控制器.实验结果证明了文中方法的有效性.􀁱     

移动机器人运动目标跟踪系统设计

利用SONYEV-D31摄像机和自主研发的摄像机控制模块,构建了一套主动视觉子系统,并将该子系统应用于RIRA-Ⅱ型移动机器人上,实现了移动机器人运动目标自动跟踪功能。RIRA-Ⅱ移动机器人采用了由一组分布式行为模块和集中命令仲裁器组成的基于行为的分布式控制体系结构。各行为模块基于领域知识通过反应方式产生投票,由仲裁器产生动作指令,机器人完成相应的动作。在设置了障碍、窄通道以及模拟墙体的复杂环境下进行运动目标跟踪实验,实验表明运动目标跟踪系统运行可靠,具有较高的鲁棒性。     

Adaptive motion control of wheeled mobile robot with unknown slippage

As a major representative nonholonomic system, wheeled mobile robot (WMR) is often used to travel across off-road environments that could be unstructured environments. Slippage often occurs when WMR moves in slopes or uneven terrain, and the slippage generates large accumulated position errors in the vehicle, compared with conventional wheeled mobile robots. An estimation of the wheel slip ratio is essential to improve the accuracy of locomotion control. In this paper, we propose an improved adaptive controller to allow WMR to track the desired trajectory under unknown longitudinal slip, where the stabilisation of the closed-loop tracking system is guaranteed by the Lyapunov theory. All system states use neural network online weight tuning algorithms, which ensure small tracking errors and no loss of stability in robot motion with bounded input signals. We demonstrate superior tracking results using the proposed control method in various Matlab simulations.     

移动机器人的线性自抗扰控制设计与实验验证

为了实现移动机器人的高精度轨迹跟踪控制, 设计了一种基于扩张状态观测器的扰动抑制方法和相应的 实验验证平台. 首先, 考虑到不确定扰动如车轮纵向和侧向滑动对移动机器人系统控制性能的影响, 建立了受扰下 的运动学模型; 然后, 基于扩张后的运动学模型设计了扩张状态观测器来估计系统扰动; 接着, 利用扰动估计构建 了线性自抗扰控制器, 并利用Lyapunov函数证明了闭环系统的稳定性; 同时, 基于MATLAB/Simulink软件和微控制 器搭建了所推荐控制算法的实验验证平台. 最后, 仿真和实验结果都验证了所提出控制方法的有效性.     

含有驱动器模型的移动机器人自适应跟踪控制

本文针对包含驱动器模型的移动机器人, 考虑到其在粗糙表面上运动过程中所受的摩擦力以及不可建模的动态的影响, 使用反步设计法(Backstepping)给出了一种自适应跟踪控制策略.其中对于不可建模的动态, 本文使用一种非线性函数对其影响进行抵消,使得机器人的路径跟踪对不确定具有鲁棒性; 对于摩擦力项, 使用径向基神经网络(RBFNN)对其进行逼近, 在控制器中能够根据逼近值给予相应的摩擦力补偿量, 从而使移动机器人比较适合在粗糙度大的路面(如沙地)上进行路径跟踪. 仿真结果验证了该控制方法的有效性.     

滑动与打滑条件下的轮式移动机器人自抗扰跟踪控制

针对具有未知的滑动与打滑的轮式移动机器人(WMR),提出了一种基于自抗扰思想的跟踪控制策略.首先建立了滑动与打滑条件下的轮式移动机器人动力学模型.其次,由反步法设计运动学控制器,基于模型设计线性扩张观测器和动力学控制器,并给出了控制器稳定性分析.最后与积分滑模控制进行了仿真对比,结果表明该控制方法的误差收敛速度更快.观测器能够精确估计滑动与打滑及动力学不确定性对机器人的扰动,提高了轮式移动机器人轨迹跟踪的鲁棒性.     

轮式移动机器人的数据驱动轨迹跟踪滑模约束控制

针对有输入饱和约束的轮式移动机器人(WMR)的轨迹跟踪问题,提出一种抗饱和无模型自适应积分终端滑模控制方案.该方案基于紧格式动态线性化技术,构建WMR系统的在线数据驱动模型.在积分终端滑模控制器设计过程中,引入动态抗饱和补偿器,以解决WMR系统轨迹跟踪过程中执行器饱和问题.控制器设计仅利用控制系统的输入输出数据,与WMR系统模型信息无关.因此,针对不同类型的WMR系统,该方案均可实现.最后,通过仿真实验将所提出的方法与PID方法的控制效果进行对比,仿真结果表明,所提出的控制算法的跟踪误差更小且响应速度更快.     

轮式移动机器人固定时间轨迹跟踪控制

针对存在外部干扰的轮式移动机器人轨迹跟踪控制问题,提出一种固定时间轨迹跟踪控制方案.首先,对于轮式移动机器人的运动学误差模型,基于一种新颖的积分滑模面设计固定时间运动学速度控制器,使跟踪误差在固定时间收敛到原点所在的邻域内;其次,对于轮式移动机器人的动力学模型,设计固定时间干扰观测器对外部干扰信息进行估计,提出一种固定时间轨迹跟踪控制器,以确保动力学系统的固定时间稳定性,实现轮式移动机器人的高精度轨迹跟踪控制;最后,通过仿真结果验证所设计的轨迹跟踪控制方案的有效性.     

基于T-S模型的轮式移动机器人轨迹跟踪控制

针对带有执行机构饱和约束与外部干扰的轮式移动机器人,提出了一种基于T-S模糊模型的轨迹跟踪方法.利用机器人运动特性和参考轨迹建立轨迹跟踪的误差系统并将其作T-S模型描述.通过求解具有LMI约束的半定规划问题,对每个线性子系统单独设计满足控制约束与H∞性能约束的状态反馈控制器,并在PDC(动态平行分配补偿)设计框架下构建全局控制器,最后证明闭环系统的李雅普诺夫稳定性.仿真结果验证了该方法的有效性和可行性.     

Time optimal path planning for a wheeled mobile robot

This paper investigates time optimal path planning under kinematic and dynamic constraints for a 2‐DOF wheeled mobile robot (WMR). The dynamic model of a WMR is derived using the Newton–Euler method and the constraints are analyzed. Kinematic constraints are imposed by WMR's nonholonomy and structural limits, while dynamic constraints are due to motor saturation. The path planning is formulated as a two‐stage planning. First, path planning under kinematic constraints is transformed into a pure geometric problem. The shortest path composed of circular arcs and straight lines is obtained. Then, a time optimal velocity profile is generated under dynamic constraints. Since constraints of a WMR are fully exploited, the proposed method is simple and effective. Simulation results are demonstrated. © 2000 John Wiley & Sons, Inc.     

基于超声波传感器的AGV定位方法的实验研究

自动导航小车(AGV)是一种用于柔性加工系统中以实现物料搬运的移载用轮式移动机器人。为完成其任务,AGV的控制系统必须具备定位、路径规划和导航等功能。考虑到其工作环境的特殊性,为自制的XAUT.AGV100设计了一种定位系统。理论分析和实验均表明:位置精度≤±3 mm,姿态精度≤±0.5°,完全满足生产车间对操作机的精度要求。     

一种基于声纳信息的移动机器人实时导航方法

提出了一种基于声纳信息的移动机器人实时导航方法。首先建立声纳感知数据向地图映射的概率模型,将声纳感知到的环境信息以基于栅格的概率值进行表示,并利用D-S证据理论对其进行数据融合,得到机器人的局部环境。在此基础上,采用基于滚动窗口的方法进行移动机器人路径规划,最终实现实时导航。试验结果表明该方法是可行和有效的。