未知环境下的移动机器人环境建模研究

环境建模技术是移动机器人自主导航研究中的一个关键问题。为了实现机器人在未知环境下的自主导航,本文在分析当前普遍采用的一些环境建模方法及其缺点的基础上,提出一种基于多传感器信息融合的环境建模方法。实验结果表明该方法有效地克服了传感器的累计误差,有效地提高了环境建模的准确性。此方法的可行性和有效性通过Pioneer3-DX移动机器人得到了实验验证。     

多传感器信息融合在移动机器人定位中的应用

机器人自定位是实现自主导航的关键问题之一。为了满足机器人在导航时精确定位的要求,提出一种基于多传感器信息融合的自定位算法。根据对机器人运动机构的分析和运动机构间的刚体约束,建立起机器人的运动学模型;由传感器的工作原理建立里程计和超声波传感器的观测模型;利用扩展卡尔曼滤波(EKF)算法将里程计和超声波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。实验结果表明:该算法明显地消除了里程计的累计误差,有效地提高了定位精度。     

遥控作业移动机器人环境建模方法研究

本文介绍了用于遥控机器人作业虚拟环境生成的建模方法，重点研究了基于人机交互的双目立体视觉和多视点建模方法，以克服视觉自动建模方法计算复杂、鲁棒性差的缺点，给出了环境建模的实验系统和实验结果。     

基于多传感器信息融合的移动机器人导航系统

介绍了多传感器信息融合的基本原理,给出了基于多传感器信息融合的移动机器人导航系统结构。建立了移动机器人数学模型,运用基于扩展卡尔曼滤波的信息融合方法实现了移动机器人导航算法。通过实验验证了基于多传感器信息融合的移动机器人导航系统和导航算法的有效性。     

基于多传感器融合的移动机器人定位

针对移动机器人定位系统中单一传感器定位精度低与环境地图的重要性问题, 提出了一种基于多传感器融合的移动机器人定位方法. 首先, 在未知环境下, 分别利用单一里程计, 扩展卡尔曼滤波(extended Kalman filter,EKF)算法融合里程计、惯性测量单元(inertial measurement unit, ...     

移动机器人扩展卡尔曼滤波定位与传感器误差建模

针对里程计在定位过程中存在累积误差的问题,建立了一种通用的移动机器人里程计误差模型,对里程计误差进行实时反馈补偿.在利用激光雷达进行环境特征提取过程中,根据激光雷达原始数据存在的误差,建立了激光雷达的观测误差模型,并根据环境特征和机器人的相对位置关系,建立了移动机器人观测模型.最后,结合里程计和激光雷达误差模型,利用扩展卡尔曼滤波(EKF)实现了基于环境特征跟踪的移动机器人定位.实验结果验证了里程计和激光雷达误差模型的引入,在增加较短定位时间的情况下,可以有效地提高移动机器人的定位精度.     

基于多传感器融合技术的室内移动机器人定位研究

为解决室内环境中移动机器人使用单一传感器定位精度低和稳定性差的问题,提出了一种融合了轮式里程计、惯性测量单元(IMU)、超宽带(UWB)和激光雷达定位数据的多传感器融合定位方法.基于扩展卡尔曼滤波(EKF)算法和自适应蒙特-卡罗定位(AMCL)算法,依次对不同传感器定位数据进行融合.实验结果表明:多传感器融合有助于室内...     

未知环境中移动机器人SLAM问题的研究进展

移动机器人的定位与地图创建是机器人研究中一个基础且重要的问题。本文对该领域的最新进展进行了综述．特别侧重于未知环境中机器人并发定位与地图创建(SLAM)问题；比较详细地分析了地图表示方法、定位和环境特征的提取、不确定信息的表示和处理等关键技术：同时对几种典型的SLAM方法进行了介绍：阐述了移动机器人SLAM问题研究中所面临的主要问题．并探计了将来的发展方向。     

一种有效的移动机器人里程计误差建模方法

移动机器人里程计误差建模是研究移动机器人定位问题的基础. 现有的移动机器人里程计误差建模方法多数针对某一种驱动类型移动机器人设计, 运动过程中缺乏对里程计累计误差的实时反馈补偿, 经过长距离运动过程定位精度大幅度降低. 因此本文针对同步驱动和差动驱动轮式移动机器人平台提出了一种通用的里程计误差建模方法. 在假设机器人运动路径近似弧线基础上, 依据里程计误差传播规律推导了非系统误差、系统误差与里程计过程输入之间的近似函数关系, 进而提出一种具有闭环误差实时反馈补偿功能的移动机器人定位算法, 对定位过程中产生的里程计累计误差给予实时反馈补偿. 实验表明新算法有效地减少了里程计累计误差, 提高了定位精度.     

移动机器人多传感器信息融合技术述评

多传感器信息融合技术是目前移动机器人领域的研究热点。详细阐述了多传感器信息融合技术在移动机器人领域中的应用与研究进展,尤其对多传感器信息融合实现方法进行了深入的探讨。指明了移动机器人领域中多传感器信息融合技术未来的发展方向。     

运用异质传感器信息融合的移动机器人自定位

采用单类、单一传感器很难获得移动机器人的准确定位.为此,运用异质传感器信息融合来提高定位精度.首先,建立机器人运动方程和CCD摄像机观测模型.然后,利用扩展卡尔曼滤波器进行状态估计,选择Q,R矩阵抑制系统的模型噪声和量测噪声,并实现移动机器人的自定位.接着,建立超声波传感器的观测模型,获得机器人的自定位信息.最后,运用BP神经网络,将两种自定位信息进行融合,实现两类传感器的优缺点互补.仿真实验表明,运用异质传感器信息融合能明显地提高移动机器人的自定位精度.     

基于单目视觉的仓储物流机器人定位方法

针对轮式仓储物流机器人的自主定位问题,提出了一种基于视觉信标和里程计数据融合的室内定位方法。首先,通过建立相机模型巧妙地解算信标与相机之间的旋转和平移关系,获取定位信息;然后,针对信标定位方式更新频率低、定位信息不连续等问题,在分析陀螺仪和里程计角度误差特点的基础上,提出一种基于方差加权角度融合的方法实现角度融合;最后,设计里程计误差模型,使用Kalman滤波器融合里程计和视觉定位信息弥补单个传感器定位缺陷。在差分轮式移动机器人上实现算法并进行实验,实验结果表明上述方法在提高位姿更新率的同时降低了角度误差和位置误差,有效地提高了定位精度,其重复位置误差小于4 cm,航向角误差小于2°。同时该方法实现简单,具有很强的可操作性和实用价值。     

移动机器人基于多传感器信息融合的室外场景理解

本文研究了移动机器人多传感器信息融合技术,提出一种融合激光测距与视觉信息的实时室外场景理解方法．基于三维激光测距数据构建了高程图描述场景地形特征,同时利用条件随机场模型从视觉信息中获取地貌特征,并以高程图中的栅格作为载体,应用投影变换和信息统计方法将激光信息与视觉信息进行有效融合．在此基础上,对融合后的环境模型分别在地形和地貌两个层面进行可通过性评估,从而实现自主移动机器人实时室外场景理解．实验结果和数据分析验证了所提方法的有效性和实用性．     

基于多传感器信息融合的移动机器人避障

为了更好地解决移动机器人在未知环境下的自主避障问题,采用多传感器信息融合的方法,通过多个超声传感器对障碍物信息进行采集。合理确立模糊控制器的输入输出,通过模糊推理将障碍物距离信息模糊化,建立模糊规则并解模糊,以达到对移动机器人的安全避障的控制。通过建立移动机器人运动模型,设计了仿真平台,得到实验结果表明:该算法具有良好的可行性。     

IEKF滤波在移动机器人定位中的应用

针对EKF中观测噪声方差估计不准确导致滤波器性能下降甚至发散的问题,提出了基于环境特征的迭代扩展卡尔曼滤波(IEKF)融合算法。该算法融合了里程计采集的机器人内部数据和激光雷达传感器采集的外部环境特征,在测量更新阶段多次迭代状态估计值并对机器人的位姿进行修正,减少了非线性误差,提高了定位精度。     

未知环境下移动机器人同步地图创建与定位研究进展

移动机器人同步地图创建与定位(SLAM)是移动机器人的核心研究课题.本文对SLAM的最新研究进展和关键技术进行了综述:并从地图创建模型、计算复杂度和算法鲁棒性等方面对现有方法进行了对比分析.最后总结分析了SLAM研究存在的难题,探讨了今后的发展方向.