基于模块化的导航机器人设计与地图构建

为解决目前导航机器人对于通用性和兼容性的要求,按照模块化设计思想,设计了一款由微处理器模块、电机模块、通信模块、感知模块和电源模块组成的导航机器人实验平台.并针对导航机器人在环境地图构建时产生的累积误差问题,提出了一种融合了先验估计的最大期望概率建图算法,并利用该导航机器人平台开展了建图与自主导航实验.利用室内运动捕捉系统获取的坐标作为参照物,验证了该算法能有效减少机器人建图时产生的累积误差.     

基于改进Rao-Blackwellized粒子滤波器的 同时定位与地图构建

解决同时定位与地图构建(SLAM)问题是实现机器人自主导航的核心.目前,Rao-Blackwellized粒子滤波器(RBPF)是解决机器人同时定位与地图构建的有效方法.该方法在计算提议分布时,通常只考虑移动机器人的里程计信息,因此存在需要大量的采样粒子造成的计算量和复杂度增大的问题.本文提出一种改进算法,在计算提议分布时将机器人里程计信息和激光传感器采集的距离信息进行融合,有效地减少了所需粒子的数量并降低了滤波器预测阶段机器人位姿的不确定性.本文在机器人操作系统(robot operating system,ROS)平台上,使用配有URG激光器的Pioneer3-DX机器人进行了实验.结果表明,采用本文方法能够实时在线地创建高精度的栅格地图,为机器人在未知环境中的SLAM和导航提供了新途径.     

双目视觉的新颖实时局部2维地图构建方法

根据轮式机器人移动的特点,提出一种采用双目视觉的新颖实时局部2维栅格地图构建算法。首先,提出虚拟高度线投影成像原理,将场景均匀栅格化,在栅格中引入虚拟高度线,并将其投影到立体视觉系统的立体图对中产生投影线,将求解场景点高度值的问题转化为在投影线上和水平视差搜索范围内寻找具有最大相似测度的对应点问题;然后,提出一种新颖的局部2维地图构建方法,该方法以机器人所能越过的最大高度为阈值,对高于阈值部分的虚拟高度投影线上的场景点由其在图像对中的相似测度确定其是否为障碍物区域。实验结果表明,该方法满足机器人导航所要求的有效性和实时性,并可应用到构建3维地图。     

GPS入门——3D导航地图

GPS是“Global Position System”的简称,中文名“全球定位系统”。上世纪五十年代后期,美国开始研制卫星导航系统,后经不断的完善,终于建成了今天我们熟悉的全球卫星定位系统“GPS”。1994年4月,24颗Block-2型工作卫星发射完毕,系统投入全面运行,连续、实时、高精度的为用户提供三维位置、三维速度和时间信息。     

基于随机行走的群机器人二维地图构建

机器人在未知环境自主探索时,需要快速准确地获取环境地图信息。针对高效探索和未知环境的地图构建问题,将随机行走算法应用于群机器人的探索中,机器人模拟布朗运动,对搜索区域建图。然后,改进了布朗运动算法,通过设置机器人随机行走时的最大旋转角度,来避免机器人重复性地搜索一个区域,使机器人在相同时间内探索更多的区域,提高机器人的搜索效率。最后,通过搭载激光雷达的多个移动机器人进行了仿真实验,实验分析了最大转角增量、机器人数量以及机器人运动步数对搜索区域的影响。     

用于室外移动机器人实时自主导航的2.5维角度势场法

本文提出了一种针对装备有激光测距仪的地面移动机器人系统的实时自主导航算法.与现有的专为解决2维导航问题所设计的算法不同,新算法在导航过程中引入了障碍物的高度信息,并且使用2.5维角度势场法来满足在复杂的户外地形条件下的自主导航要求.首先,一幅激光测距仪扫描地图被划分为两种不同的功能扇区:导航扇区和监测扇区.然后,在充分利用障碍物高度信息的条件下,对导航扇区和监测扇区进行重构,从而获得一幅虚拟的2维激光扫描地图.最后,传统的角度势场法被进行了适当的改进,以便能够顺利的作用到虚拟的2维激光扫描地图上,产生恰当的导航指令.新算法在履带型地面移动机器人上进行了测试,实验结果充分的证明了其有效性和可实现性.     

一种面向高架区域的GPS导航地图匹配算法

对于包含高架的城市路网,传统的GPS导航地图匹配算法准确率较低。为了弥补传统算法的不足,提出了一种面向高架区域的地图匹配算法。同时为了保证算法实时性,提出了一种常数时间网格索引方法,快速返回导航点邻域的路段集合;为了提高高架区域的导航匹配精度,提出了采用夹角、距离、高程、可达性四种输入参数的模糊推理方法。该算法通过在杭州市中河高架区域的实验结果表明,其相对于基准方法表现出更高的精度。     

谁才能成为中国导航地图的“阿凡达”?

《阿凡达》上映一个多月票房就逼近20亿美金,刷新了全球电影票房记录,世界各国文化与电影界人士纷纷研究其成功之道。笔者粗略统计了来自网络的信息,普遍认为《阿凡迷》的成功主要有三个因素：一、逼真的3D效果。二、丰富的故事情节。三、高效的推广手段。     

语义地图导航的智能化服务机器人研究

基于语义地图导航的智能化服务机器人系统,以搭载深度相机和二维激光雷达的差分轮智能车的形式呈现.系统以树莓派作为主控制器,利用OpenCR控制电机驱动和辅助驾驶传感器,通过ROS机器人操作系统将机器人控制器、智能信息处理模块和各类传感器融合成一个有机整体.所构建的机器人系统在服务过程中,通过感知周围环境、收集数据完成静态...     

大规模环境下拓扑地图在线创建与导航.doc

本文提出了一种新型的拓扑地图，该地图用激光的扇区特征和视觉的比例不变特征（SIFT）来联合表示节点。与传统地图相比，该地图在创建过程中不依赖任何人工路标和机器人的全局定位。机器人通过综合考虑单个节点的相似度和不同节点间的空间关系，利用隐马尔可夫模型来提高节点识别的准确率。实验表明，本文的拓扑地图不仅易于创建和维护，而且适用于机器人在大规模室内环境下的自主导航。     

一种面向移动导航设备的电子地图空间索引结构

传统的R-tree系列和四叉树系列对数据对象的多级显示没有给予足够的支持,在小比例尺地图的显示过程中,影响了检索效率 .即使是支持多级显示的R-tree的各种变形,也由于对资源的要求而不能满足嵌入式设备的应用需求 .针对嵌入式设备数据I/O的特点,从地图数据的分级显示、顺序与批量访问、索引数据的优化等多方面入手,提出了一种基于多级Hilbert网格的线性索引结构 .实验证明该索引结构在空间利用率和查询性能等方面与传统的空间索引技术相比有明显的改善,并在上海市交通信息网格移动交通信息服务终端上获得了良好的实施效果 .     

Enhancement of Probabilistic Grid-based Map for Mobile Robot Applications

In this paper, a novel approach for fine-tuning of the grid-based map-building algorithm is reported. The traditional occupancy grid-based map-building algorithm uses a fixed probability distribution function of the sonar readings and disregards the information from the environment. In our approach, the probability distribution function is tuned by fuzzy rules formed from the information obtained from the environment at each sonar data scan. A Bayesian update rule is then used to update the occupancy probabilities of the grid cells. The proposed map-building algorithm is compared with other grid-based map-building methods through simulations and experiments. The simulation and experimental studies suggest that sharp grid maps can be obtained by incorporating fuzzy rules during the grid-based map generation. In comparison with other algorithms, improved convergence has also been noted.     

基于全向视觉的移动机器人实时全局地图构建

实时全局地图构建是实现移动机器人智能化的关键;研究了一种基于全向视觉的移动机器人全局地图的实时构建方法.首先介绍了全向视觉的体系结构,然后对图像处理软件的相关模块,包括基于颜色的阈值分割、区域连通、特征提取和目标识别等进行了说明,最后通过坐标的转换实现全局地图的构建;实验结果表明,由于充分利用了全向视觉的特性,构建的全局地图准确性高、实时性好,完全能够满足移动机器人对环境建模的需要.     

移动机器人几何2拓扑混合地图的构建及自定位研究

基于墙角、房门和通路等高级环境特征的辨识与提取,依据几何和拓扑环境模型完成混合地图的构建,并根据混合地图的特点,提出在局部几何环境采用扩展卡尔曼滤波算法实现移动机器人的位姿跟踪,而在拓扑地图的节点位置则根据绑定的高级环境特征进行位姿再校正的混合定位方法.将该方法应用于实际移动机器人平台,所得结果证明了方法的有效性和实用性.     

基于地面视差分布的栅格地图建立方法

针对使用立体视觉建立环境地图方法存在信息不完整的问题,提出一种基于地面视差分布的栅格地图建立方法。利用地面视差分布在视差图中进行障碍物和地面点的检测,通过统一但参数值不同的投影模型将障碍物像素和地面点像素投影到栅格地图中,同时考虑立体视觉的量化和匹配误差、地面视差和栅格占据概率的空间分布。通过在非结构化环境中的实验表明,该方法可以实时地建立信息完整且准确的栅格地图。     

A Navigation System for Cleaning Robots

Free navigation in indoor environments is one of the main enabling technologies for many service robot applications. The SIEMENS navigation system SINAS which is primarily targeted towards cleaning robot applications, has proved its suitability for tough everyday operation since August 1996 on several occasions, e.g., in several chain store supermarkets. This paper discusses the main requirements of a navigation system for cleaning robots, presents the architecture and main modules of the SINAS system, and reports on real-world experiences.     

Segment-Based Map Building Using Enhanced Adaptive Fuzzy Clustering Algorithm for Mobile Robot Applications

In this paper, we present a technique for on-line segment-based map building in an unknown indoor environment from sonar sensor observations. The world model is represented with two-dimensional line segments. The information obtained by the ultrasonic sensors is updated instantaneously while the mobile robot is moving through the workspace. An Enhanced Adaptive Fuzzy Clustering Algorithm (EAFC) along with Noise Clustering (NC) is proposed to extract and classify the line segments in order to construct a complete map for an unknown environment. Furthermore, to alleviate the problem of extensive computation associated with the process of map building, the workplace of the mobile robot is divided into square cells. A compatible line segment merging technique is then suggested to combine the similar segments after the extraction of the line segment by EAFC along with NC algorithm. The performance of the algorithm is demonstrated by experimental results on a Pioneer II mobile robot.     

地图构建中动态障碍干扰滤除的一种方法

在移动机器人环境建图中,动态障碍物的存在直接影响传感器的读数,导致产生不一致的环境地图,因此,移动机器人构建地图必须滤除动态障碍物干扰。采用直线插补的方法在先前的局部图上搜寻机器人与目标点之间是否存在障碍物,若存在障碍,则可判定该障碍物已移走(即为动态障碍),应该予以滤除。实验结果证明,该方法能在建图过程中有效地滤除动态障碍,并能有效减少静态障碍物探测的误差累积,算法复杂度小。     

Real Time Map Building by Means of an Ellipse Spatial Criterion and Sensor-Based Localization for Mobile Robot

In the present paper, map building and localization problems are examined. A new algorithm is proposed for each task. The map building algorithm is based on measurements derived by ultrasonic sensors. It has small memory requirements and can distinguish between parallel edges and edges-corners. The discrimination between edges and corners is achieved based on the physical restrictions imposed by the ultrasonic sensors and the way they are fired. The parallel edges discrimination is carried out on the basis of an ellipse spatial criterion. It is of low computational complexity and, therefore, can be applied on line. The application of the proposed algorithm does not require tracking of a continuous path. The method is accurate. It converges to the existing map characteristics. The mean inclination error is equal to 0.78 degrees while the mean distance error of the mid point of the chartographed edges from the actual edges is equal to 4.11 cm. The robustness of the algorithm was verified by applying it in noisy environments. The localization algorithm reduces the accumulated odometry error by utilizing readings obtained from ultrasonic sensors. Its application does not require a priori knowledge of the statistical characteristics of the noise that affects the measurements, nor the exact robot starting position. It is of low computational complexity. The application of the method was tested on a track with length equal to 25.85 m. The experiment was repeated 50 times. The mean position error was equal to 26 cm, while a dramatic reduction of the mean position error was achieved in regions for which the detected obstacles were parallel to only one of the reference coordinate axes. The mean error in such regions was reduced to 30 cm from 48 cm. The mean heading error was equal to 6.8°.