激光与单目视觉融合的移动机器人运动目标跟踪

针对室内环境下的移动机器人运动目标跟踪问题,提出一种基于激光与单目视觉传感信息融合的机器人定位和目标运动估计方法.首先,利用激光传感信息实现对目标的检测,并完成机器人定位与环境建图;然后,设计一种基于单目视觉传感器的目标位置估计算法,获得目标的距离和角度信息;为了实现两类传感信息的有效融合,将激光与单目视觉进行联合标定,得到二者的相对位姿关系,基于此,将激光与单目视觉提取的目标距离和角度通过具有最优重要性函数和权重的粒子滤波器进行融合,实现对目标运动状态的准确估计.实验结果表明该方法具有良好的跟踪性能.     

基于多传感器的运动训练辅助机器人主动跟踪算法设计

针对运动训练辅助机器人对健美操运动员进行检测与跟踪的准确性问题,提出一种基于多传感器的运动训练辅助机器人主动跟踪算法。首先,对主动跟踪算法的总体方案进行设计,提出了基于视觉传感器的机器人主动跟踪方法和基于声纳传感器的机器人主动跟踪方法;然后,采用基于决策层的数据融合方法将两种跟踪方法获取的跟踪方案进行融合,彼此弥补获取最佳的跟踪方案;最后,通过实验测试提出的算法能否实现机器人对健美操运动员的主动跟踪。实验结果表明：设计的基于多传感器的运动训练辅助机器人主动跟踪算法能够让机器人对健美操运动员进行主动跟踪,且整个跟踪过程能够快速检测到目标并朝之靠拢,同时通过调整自身速度安全、平稳地对目标进行跟踪,能够实现辅助运动员进行训练的目的。     

基于UKF的变采样率多异质传感器异步数据融合

针对异质传感器数据融合能够实现信息互补,改善目标跟踪精度,提出了一种多异质传感器在变采样率下的异步量测融合算法,即首先将多传感器数据组合成类似于单传感器数据的异步数据处理方法,进行点迹合成,再将合成后的虚拟量测对当前时刻的目标状态进行更新.变采样率跟踪是基于网络或栅格多传感器异步融合跟踪的基础,通过引入时戳的概念给出了基于UKF(Unscented Kalman Filter)的具体融合算法,最后通过仿真验证了该算法的有效性。     

基于激光传感器的移动机器人运动目标跟踪

针对室外环境下移动机器人基于激光传感器对运动目标的实时跟踪问题进行了研究。利用激光传感器检测运动目标,对均值滤波与中值滤波处理后的激光扫描点进行数据对比后,提出一种递推型中值均值混合滤波方法,用以减少激光扫描数据孤点并提高扫描返回值的准确性。设计了目标检测视窗提前剔除与被检测目标无关的障碍数据;设计利用激光扫描点在物体表面连续的特性,在检测视窗内完成对激光数据点的分类。提出以跟踪过程中机器人与目标之间的距离信息作为跟踪算法的评价标准,使用卡尔曼滤波跟踪算法和平滑接近图算法有效实现了机器人对运动目标的平稳自主跟踪。     

霍夫空间中多足球机器人协作目标定位算法

针对嵌入式仿人足球机器人提出一种霍夫空间中的多机器人协作目标定位算法。机器人利用实验场地中的标志物采用基于三角几何定位方法进行自定位,把机器人多连杆模型进行简化,通过坐标系位姿变换把图像坐标系转换到世界坐标系中,实现机器人目标定位;在多机器人之间建立ZigBee无线传感器网络进行通信,把多个机器人定位的坐标点进行霍夫变换,在霍夫空间中进行最小二乘法线性拟合,获取最优参数,然后融合改进后的粒子滤波实现对目标小球的跟踪;最后在21自由度的仿人足球机器人上进行仿真和实验。数据结果表明,这种多机器人协作的定位算法的精度提高了约48%,在满足实时性的前提下,对目标的跟踪效果也得到了改善。     

基于信息融合的机器人路径智能决策的研究

基于机器人未知环境探索的智能行为,以先锋Pioneer3-DX移动机器人为对象,构建了基于多传感器信息融合的机器人智能行为系统以实现其路径规划行为。构建了一个双层信息融合路径规划智能行为系统,数据层融合采用基于联邦kalman滤波融合的信息融合方法,通过多传感器融合降低信息的不确定性,为机器人提供更可靠和更准确的环境信息;决策层融合采用模糊推理方法,根据数据层融合结果作为模糊控制器的输入,构建基于模糊推理的决策层融合模块,其设计思想是模仿人的智能行为进行决策,使其不仅决策出机器人的行走方向,同时决策出机器人的行走速度,实现了动态路径规划。基于Matlab的仿真实验,验证了方法的可行性。     

基于视频分析和多传感器融合的移动式监控系统

安防场景下,大多数传感器系统（视频、红外、烟雾传感）只能实现单一数据采集、简单处理.提出的移动式智能监控系统以小车为载体,通过对采集视频进行智能分析处理（包括基于背景差分的入侵检测算法和改进的TLD目标跟踪算法）,并辅助多传感器模块进行多信息融合协同监控,可以实现入侵检测、移动跟踪监测等功能.实验表明该系统能提供多种终端形式与用户进行友好交互,实现真正的智能安防.     

基于传感器融合技术的机器人远程控制系统设计

结合数据融合技术与无线传输技术,提出了一种基于传感器融合的机器人远程控制系统设计方法。机器人端采用FMCE毫米波雷达与摄像机进行多传感器融合,机器人端与远程PC端采用局域网进行通信,本地PC端对机器人进行远程控制时功能主要有两个,第一个是根据现场作业环境实时控制机器人移动,第二个是在PC端选择目标对象后让机器人生成行驶路径后自动跟踪目标对象,路径跟踪控制器采用的是线性二次型调节器(LQR),这种基于传感器融合的机器人远程控制系统设计方法,具有高效、智能、可靠、精确等优点,可以应用于各种需要机器人协助完成的任务中,如无人巡检、智能交通等领域。     

基于联合条件随机场的移动机器人多目标跟踪

通过将目标与观测数据之间的数据关联抽象为标记序列,为移动机器人的多目标跟踪提出了一种具有多层次结构的联合条件随机场(joint conditional random field,JCRF).JCRF包括联合数据关联和运动目标状态估计两层随机场,不仅在联合数据关联中可以融合目标的形状信息和运动信息以提高目标跟踪的稳定性,而且可以同时进行目标检测与目标跟踪.利用JCRF模型,对基于激光距离传感器的多目标跟踪进行了研究,通过从激光距离传感器信息中分割出候选目标区域,采用匹配树降低标记序列的状态空间.在移动机器人平台上进行实验,结果表明,基于JCRF的多目标跟踪具有良好的精度、稳定性和实时性.     

基于多传感器信息融合技术在灭火机器人系统的设计

提出一种通过多传感器信息融合技术来提高灭火机器人的火焰、距离检测的准确性,设计了由超声波、红外测距模块和数据融合模块组成的测距避障子系统;由红外火焰检测模块、数据融合模块组成的火焰检测子系统,在此基础上,采用自适应加权数据融合算法分别对多传感器检测的距离和火焰信息进行融合,以提高对火源目标判断的准确度;实验结果表明,设计的智能灭火机器人传感器软硬件系统测量相对误差小,能很好的反映火灾现场信息,满足火情探测和灭火需要,具有很强的使用价值。     

紧耦合多传感器混合跟踪算法

在增强现实应用中实现对运动目标的准确跟踪是一个具有挑战性的任务。基于混合跟踪通过对多传感器信息的融合通常比单一传感器跟踪算法更为优越的特性,提出了一种新的紧耦合混合跟踪算法实现视觉与惯性传感器信息的实时融合。该算法基于多频率的测量数据同步,通过强跟踪滤波器引入时变衰减因子自适应调整滤波预测误差协方差,实现对运动目标位置数据的准确估计。通过标示物被遮挡状态下的跟踪实验结果表明,该方法能有效改善基于扩展卡尔曼滤波器的混合跟踪算法对运动目标位置信息预测估计的准确性,提高跟踪快速移动目标的稳定性,适用于大范围移动条件下的增强现实系统。     

基于信息融合的移动机器人目标识别与定位

针对单目摄像头工作的双足机器人的视觉定位问题,设计了一种视觉传感器与超声波传感器相结合的信息融合方法,进行目标的识别和定位。对拍摄的图像进行HSV颜色空间的阈值分割得到二值图像,并对其进行形态学滤波处理和Hu轮廓不变矩匹配,以此识别到目标和其重心点图像坐标;建立单目定位模型,用机器人自身的超声波传感器得到与目标物之间的距离,采用Zhang标定法得到摄像机参数,把这些已知数据带入坐标转换,得到目标物在世界坐标系下的坐标,实现定位。借助NAO机器人的平台,将基于信息融合的定位方法和一般单帧图像定位方法进行对比实验。实验结果表明上述方法的误差相对较小,且能得到目标物的三维信息,验证了该定位方法的实际可行性。     

一种基于Rényi信息增量的机动目标协同跟踪方法

针对传感器网络中的动态跟踪问题,提出一种基于 R′enyi 信息增量的机动目标协同跟踪方法.首先利用粒子滤波计算每个传感器 R′enyi 信息增量;然后以 R′enyi 信息增量最大为原则选择传感器进行目标跟踪,并在跟踪时通过多模型的交互作用实现对机动目标状态的准确估计.仿真结果表明,在非线性非高斯环境下,所提出的方法与传统方法相比能够有效提高跟踪精度,动态分配传感器资源,实现协同跟踪.     

一种基于Rényi信息增量的机动目标协同跟踪方法

针对传感器网络中的动态跟踪问题,提出一种基于Rényi信息增量的机动目标协同跟踪方法.首先利用粒子滤波计算每个传感器Rényi信息增量;然后以Rényi信息增量最大为原则选择传感器进行目标跟踪,并在跟踪时通过多模型的交互作用实现对机动目标状态的准确估计.仿真结果表明,在非线性非高斯环境下,所提出的方法与传统方法相比能够有效提高跟踪精度,动态分配传感器资源,实现协同跟踪.     

基于激光和单目相机信息融合的智能轮椅避障策略研究

针对智能轮椅使用环境复杂多变,障碍物形状各异,单一传感器无法获得完整的环境信息的问题,提出一种基于激光传感器和单目视觉传感器信息融合的障碍物检测方法。通过单目相机和激光雷达传感器感知智能轮椅周围环境,得到障碍物的形状、距离分布状况等信息;在此基础上提出两种传感器信息的融合策略,建立局部障碍物地图,进一步采用模糊神经网络完成整体避障算法,实现智能轮椅安全、快速避障等功能。实验结果验证了文中所提避障算法的可行性及有效性。     

同时机器人定位与人体跟踪的多源感知协作粒子滤波方法

提出了分布式多传感器协作的条件粒子滤波算法以解决人与机器人位置的联合概率分布估计问题．全局视觉系统中,各视角独立运行图像平面上基于粒子滤波的目标跟踪,并利用地平面单应关系实现多视角目标主轴同步融合．视觉观测进一步与机器人激光数据以顺序滤波方式异步融合,提出包含人体位置假设的激光似然场模型以提高对机器人位姿误差的鲁棒性,并引入基于Kullback-Leibler距离的自适应采样以降低描述联合分布所需的粒子数目．实验验证了该方法能够在具有观测噪声且人—机位置均不确定的情况下利用多传感器协作实现基于地图的同时机器人定位与人体跟踪．     

基于多传感器融合的机器人编队ADRC控制

针对移动机器人编队问题,设计了一种基于多传感器信息融合和自抗扰控制器的编队控制系统。首先,为提高机器人的定位精度,采用卡尔曼滤波算法对激光数据和里程计数据进行融合,以更加精确的获得移动机器人的坐标信息,并建立主从机器人轨迹跟踪误差模型。进而设计了自抗扰控制器,完成扩张状态观测器以及控制规律的设计,实现移动机器人的跟踪编队控制。最后,设计了编队控制实验平台,并在该平台上验证了所提出方法的有效性和优越性。     

低成本激光和视觉相结合的同步定位与建图研究

激光雷达和视觉传感是目前两种主要的服务机器人定位与导航技术,但现有的低成本激光雷 达定位精度较低且无法实现大范围闭环检测,而单独采用视觉手段构建的特征地图又不适用于导航应用。因此,该文以配备低成本激光雷达与视觉传感器的室内机器人为研究对象,提出了一种激光和视觉相结合的定位与导航建图方法：通过融合激光点云数据与图像特征点数据,采用基于稀疏姿态调整的优化方法,对机器人位姿进行优化。同时,采用基于视觉特征的词袋模型进行闭环检测,并进一步优化基于激光点云的栅格地图。真实场景下的实验结果表明,相比于单一的激光或视觉定位建图方 法,基于多传感器数据融合的方法定位精度更高,并有效地解决了闭环检测问题。     

一种基于手眼标定的增强现实跟踪注册方法

手眼标定是机器人领域常用的一种确定机器人末端坐标系和摄像机坐标系之间相互关系的标定方法。跟踪和定位是增强现实研究的热点,跟踪定位通常为复合跟踪系统,结合多传感器跟踪信息,优势互补,达到更高测量精度和准确度。跟踪注册是实现信息有效融合的基本前提。文章将机器人手眼标定引入多传感器跟踪注册,并通过实验验证了这种基于手眼标定的跟踪注册方法的有效性。     

基于激光雷达机器人的目标人跟踪方法研究

针对机器人的目标人跟踪问题,提出一种利用目标人腿部信息自适应跟踪的方法。该方法利用激光雷达作为环境感知传感器,实时获取环境的二维激光扫描数据;然后采用设计的激光相邻点聚类算法对激光扫描数据进行分割和聚类;再利用人腿圆弧状特征设计的类圆弧人腿形状识别算法从分割的数据中识别腿部数据,获得目标人腿部相对于机器人的位置信息;最后利用Kalman滤波算法对目标人的位置和速度进行跟踪,使机器人能够平稳地跟踪目标人运动。该算法在iRobot机器人平台上进行实验,实验结果验证了算法的有效性。