基于人工路标的易部署室内机器人全局定位系统

在一些布局易变或存在较多动态障碍物的室内,移动机器人的全局定位依然面临较大的应用挑战.针对这类场景,实现了一种新的基于人工路标的易部署室内机器人全局定位系统.该系统将人工路标粘贴在不易被遮挡的天花板上来作为参照物,仅依赖一个摄像头即能实现稳定的全局定位.整个系统根据具体的功能分为地图构建和全局定位两个过程.在地图构建过程中,系统使用激光SLAM算法所输出的位姿估计结果为基准,根据相机对路标点的观测信息来自动估计人工路标点在全局坐标系中的位姿,建立人工路标地图.而在全局定位过程中,该系统则是根据相机对地图中已知位姿的人工路标点的观测信息,结合里程计与IMU融合的预积分信息来对位姿进行实时估计.充分的实验测试表明,机器人在该系统所部署范围内运行的定位误差稳定在10 cm以内,且运行过程可以保证实时位姿输出,满足典型实际室内移动机器人全局定位的应用需求.     

基于人工路标和立体视觉的移动机器人自定位

针对室内移动机器人的自定位问题,提出一种基于人工路标和双目视觉的室内移动机器人自定位方法。首先设计了一种可扩展的彩色人工路标,并给出路标的编码方法;然后利用色彩空间变换,直线交比不变性以及自适应窗口实现路标检测与识别;最后在分析双目立体视觉模型的基础上建立起基于路标的双目立体视觉定位模型,实现移动机器人的准确定位。实验结果表明,路标对光照和视觉传感器的采集位置具有较强的鲁棒性,定位精度能够满足室内移动机器人的定位要求。     

单目视觉人工路标辅助的移动机器人导航方法

室内机器人在采用里程计法长距离导航时,定位精度下降很快,以及以往人工路标定位方案的识别准确率低,又难以满足导航实时性的要求. 针对这些问题,本文设计了能快速准确识别的人工路标,从而来修正机器人里程计法导航的累计误差,并通过卡尔曼滤波将人工路标和里程计法的定位信息有效地融合起来. 实验结果表明,数字人工路标的识别准确率高,且识别速度满足导航实时性的要求,该方法有效地提高了移动机器人里程计法导航时的精度和鲁棒性.     

基于人工路标的室内机器人导航方法

在室内环境下,以往的人工路标设计方案,其识别算法复杂,准确率较低,而且难以满足实时性的要求.针对这样的问题,本文设计了两种新的人工路标:定位人工路标和纠偏人工路标,不仅可以有效地帮助室内移动机器人导航定位和纠偏,而且具有识别简单快速的优点.机器人实时识别定位人工路标,并根据识别的纠偏人工路标来调整自身的位置和运动方向,使得机器人可以沿着事先规划好的路径顺利前行.通过实验表明,在室内光线较暗、适中、强光三种光线条件下,两种人工路标识别准确率高,且识别速度快,能够满足导航实时性的要求.     

单目视觉人工路标辅助INS的组合导航定位方法

提出一种单目视觉人工路标辅助惯性导航系统(Inertial Navigation System,INS)的定位方法。首先设计人工路标,并用相机拍摄各预先设置的人工路标,记录拍摄每个路标时相机位置和姿态,建立视觉路标库。在利用惯性导航系统定位过程中,对单目相机采集到的图像进行路标提取、与路标库中相应路标进行匹配,估计当前相机位置和姿态,然后利用卡尔曼滤波将视觉匹配估计的位置信息和INS有效地融合。实验结果表明:传统航位推算方法的平均误差为0.715 m,本文组合导航方法的平均误差为0.154 m,该方法有效地提高了惯性导航定位的精度。     

用于移动机器人自定位的视觉路标设计

为了实现室内移动机器人的自定位,提出了一种简易美观的新型视觉人工路标以及基于对数极坐标系投影直方图的路标识别方法,并用基于共面四点的位姿估计算法计算机器人位姿.实验结果说明,路标检测具有很高的鲁棒性;路标识别方法抗噪声和形变的能力强;位姿精度足够满足室内移动机器人自定位的需要.     

基于视觉的UVMS单路标定位误差分析

研究水下作业系统采用水下机器人,水下机器人-机械手系统(UVMS)是一种自主或半自主作业型水下机器人,为了利用单个水下路标,结合立体视觉对其进行相对定位.通过建立双目立体摄像机的误差模型,得到立体视觉利用视差测量时沿景物及其垂直方向的两个误差分量,推导了基于单路标定位的函数模型,并利用误差传递法则,得到了定位误差模型.最后结合实际物理系统参数,给出了载体在几种典型运动下定位误差的仿真结果证明定位精度可达到要求.     

基于概率路标的机器人狭窄通道路径规划

针对机器人工作空间中存在狭窄通道时,基于概率路标图的路径规划法不能有效提高狭窄通道中路标分布的合理性,研究一种基于狭窄通道辨识的混合路标规划法的混合路标采集策略,利用星形试验法辨识出狭窄通道形状,增加狭窄通道中的路标密度,使全局路标分布合理化,提高了路径规划的效率.二维和三维配置空间中的仿真实验验证了该算法的有效性.     

M序列的硬件发生器

本文对M序列进行深入探讨,并简明扼要的阐述了M序列的原理。基于Quartus II 9.0软件平台,对设计的硬件发生器进行波形仿真。经比较可得:由M序列的原理得出的结果与波形仿真的结果是一致的,从而验证了硬件发生器设计的正确性。最后,简要阐述了M序列扩频码在实际中的应用。     

基于路标的AGV定位优化研究

为了减小自动引导小车(AGV)定位中的误差,分析了定位过程中误差产生的原因,并提出了优化方法.对定位系统校准、移动定位及路标识别中存在的问题,采用不同的优化方法,如构造补偿函数、随机抽样一致性(RANSAC)算法等.采用均方误差(MSE)来判断定位结果的准确性.实验结果表明:优化方法能提高了定位系统的定位精度和定位可靠性.     

基于M序列的恶意代码分片插入机制

恶意代码的生存周期包括恶意代码的产生、传播、隐藏和破坏.其中,隐藏是恶意代码生存周期中极其重要的一环.研究恶意代码的隐藏技术,了解隐藏技术的原理和关键技术,才能更好地防御恶意代码的攻击.目前,恶意代码的深层隐藏与检测技术已经成为当前计算机安全领域的一个研究热点.为了更深入地研究恶意代码,首先分析恶意代码的模糊变换和分片插入技术,然后利用M序列的随机性和状态遍历特性,提出了一种基于M序列的恶意代码分片插入机制.实验证明该机制能够有效提高恶意代码的随机性和抗分析能力.     

一种基于全局位置估计误差的路标探索策略

自主移动机器人在未知环境中探索和估计路标的方法主要基于SLAM技术。提出一种以全局定位误差最小化为指导的基于SLAM的探索策略。以全局定位误差的估计为准则,采用Monte Carlo采样来贪心地优化每一步的行走路径。考虑到SLAM估计的惯性,文中对较大转弯角度进行惩罚,使机器人更倾向于平滑的行走轨迹,从而进一步提高路标位置的估计精度。文中还将全局定位信息引入SLAM的机器人自身位置估计中,由于全局定位信息历史运动轨迹,该方法能够有效地校正当机器人移动变化过大时SLAM估计的误差。实验显示了文中方法的有效性。     

基于视觉注意机制的交通路标检测方法

提出一种基于视觉注意机制的交通路标检测方法,该方法在图像灰度变换的基础上,引入自下而上的视觉注意模型,提取图像的初级特征,构造相应的显著图,根据总显著图,检测出图像中的显著区域,定位路标在图像中的位置。对多幅实时路况图像的实验结果表明,该方法能够适应户外自然环境检测,具有较高的准确性和实时性。     

基于协进化路标法的多机器人协作运动规划

针对多关节式机器人协作运动规划方面的难点,在随机路标法的启发下,提出了新颖的协进化路标规划法．这种方法充分利用了协进化算法在优化搜索方面的启发功能和遗传算法对约束条件的处理方法,解决了高维组合C空间的优化搜索问题、静态和动态约束问题和运动轨迹的时间优化问题．并且,通过实验验证了算法的有效性．     

基于FPGA的可编程M序列发生器的设计

M序列是一种具有近似白噪声性质的确定序列,在工程上常用M序列代替白噪声用于系统辨识试验。针对以往M序列产生方法的不足,提出了一种基于FPGA(Field Programming Gate Array)的M序列半定制实现方案。在Quartus II编程环境下,采用硬件描述语言Verilog HDL进行设计,并使用矢量波形文件仿真测试。该设计方案具有结构简单、可靠性高、灵活性强等优点。     

基于多M序列与数字图像的信息隐藏研究

本文提出了一种新颖的基于多M序列加密在数字图像中隐藏信息的方法,分析了信息的嵌入与提取模型及实现算法。通过M序列生成的理论分析和计算,设计出M序列加密库,并利用VB实现了Word文档的信息嵌入与提取。     

智能手机利用二维码路标进行定位定姿的方法研究

针对室内环境中智能手机用户的定位问题,设计了一种专门用于定位定姿的二维码路标,基于此二维码路标提出一种稳健的二维码路标检测算法。首先采用图像灰度化、直方图均衡化、二值化、边缘检测及形态学运算对采集到的图像进行预处理,然后利用轮廓检测将图像划分为不同的候选区,并对候选区进行筛选,保留二维码路标所在的候选区并提取其顶点的图像坐标,确定二维码路标在图像中的精确位置,检测到二维码路标后,根据二维码路标顶点的图像坐标与世界坐标的对应关系,采用EPnP算法解算手机相机中心的位置和姿态。实验结果表明,该方法对用户的拍摄距离、角度、手机姿态等限制较少,更符合手机用户室内定位的需求。