室内自主式移动机器人定位方法研究

定位是确定机器人在其工作环境中所处位置的过程.应用各种传感器感知信息实现可靠的定位是自主式移动机器人最基本、也是最重要的一项功能之一.本文对室内自主式移动机器人的定位技术进行了综述,介绍了当前自主式移动机器人定位方法的研究现状.同时,对国内外具有典型性的研究方法进行了较详细的介绍,并重点提出了几种室内自主式移动机器人通用的定位方法,对其中的地图构造、位姿估计方法进行了详细介绍.最后,论述了自主式移动机器人定位系统与地图构造中所面临的主要问题及其解决方法并指出了该领域今后的研究方向.     

自主移动机器人定位技术研究综述

定位技术是自主移动机器人最基本也是最重要的技术之一。本文介绍了几种自主移动机器人的定位技术,着重分析了基于路标定位和概率定位的技术,及其各自的优点和局限性,并提出了今后研究的方向。     

卡尔曼滤波器在移动机器人自主定位中的应用(英文)

自主定位是移动机器人的基本性能,但移动机器人最优的定位信息需要综合考虑所携带的各类传感器数据,故如何有效融合这些数据是自主定位的难点。卡尔曼滤波器是实现不同信息融合的工具,可有效减少定位过程中机器人的位置和角度误差,因此在机器人定位、导航、后跟踪、运动控制、评估、预测等方面得到了广泛应用。本文阐述了卡尔曼滤波器的基本原理,建立了一个基于多传感器移动机器人的简易数学模型,并通过仿真实现了目标定位的基本功能,结果验证了卡尔曼滤波器自主定位移动机器人的可行性。     

大视场室内移动机器人高精度动态定位方法

高精度室内定位是移动机器人实现自主导航、运动控制和协同作业等任务的前提条件.利用单目视觉定位原理,提出了一种针对大视场的室内移动机器人绝对定位方法.该方法适用于室内多移动机器人同步动态定位,解决了大视场环境下多相机非线性标定和视场融合问题,相机标定精度提高了52.6％.为提高移动机器人动态定位精度,设计了基于光信标的高...     

自主移动机器人语义信息应用研究进展

语义信息应用研究是自主移动机器人在导航中实现智能任务规划基础研究的核心内容之一,它涉及到语义地图、语义定位、语义知识表示、语义推理等技术,它在移动机器人任务规划中起到人-机-环境交互的桥梁作用,让机器人具备人的视角去理解周围的环境、自主识别、推理和完成指定任务。重点从语义地图、语义定位和语义知识表示三个方面分析和总结语义信息在自主移动机器人导航过程中的应用,同时展望了语义信息在自主移动机器人导航应用中的发展趋势。     

MEMS陀螺与编码器在机器人自主定位中的应用

为提高微机械陀螺仪输出精度及移动机器人定位精度,研究了基于微机械陀螺仪与光电编码器的移动机器人自主定位方法。实时小波滤波法算法去除微机械陀螺仪输出数据噪声;通过微陀螺精度校正平台,用加权最小二乘支持向量回归机算法对微机械的先验数据作回归运算,构造先验回归决策函数,运用回归决策函数补偿微机械陀螺仪输出误差,提高微机械陀螺仪的角速率输出准确度;实验证实了方法能较好提高了MEMS陀螺仪的准确度,可以应用于移动机器人的自主定位之中。     

基于CAN总线的自主式移动机器人通信系统研制

针对自主式移动机器人实时导航的需要,提出了一种基于CAN总线的自主式移动机器人通信系统.该通信系统利用2条CAN总线把上位计算机、传感器模块和运动控制器连接在一起,降低了系统的连线数量,提高了系统的可维护性.实验表明,该系统通信可靠、实时性好、扩展性强,具有较高的实用价值.     

全区域覆盖移动机器人的导航系统总体设计

导航与定位是自主移动机器人研究的重点,是实现移动机器人智能化的核心技术。本文从全区域覆盖移动机器人面临的实际环境,综合光电编码器、磁航向角传感器和LMS221系列激光雷达的特性设计一种混合定位系统。通过理论分析,论述同时定位与地图创建方法（SLAM）在导航系统中应用的可行性和解决方案。     

基于CAN总线的自主式移动机器人通信系统研制

针对自主式移动机器人实时导航的需要,提出了一种基于CAN总线的自主式移动机器人通信系统。该通信系统利用2条CAN总线把上位计算机、传感器模块和运动控制器连接在一起,降低了系统的连线数量,提高了系统的可维护性。实验表明,该系统通信可靠、实时性好、扩展性强,具有较高的实用价值。     

基于代数神经网络信息融合的侧向定位的实验研究

为提高移动机器人的工位定位精度,通过实验分析了超声波传感器的测量距离d和入射角α对测量精度的影响.基于代数神经网络能实现样本空间的精确映射并具有较好非线性逼近能力,设计了一种移动机器人侧向定位融合模型.经实验比较,该定位融合模型具有较高的精度,使得位置误差小于0.9957mm,角度误差小于0.2966°.将该定位融合模型应用于自主研发的移动机器人的定位实验中,定位位置精度可达到±2.5mm,姿态角精度可达到±0.42°,满足定位要求.     

基于激光雷达的移动机器人同时定位与地图创建的研究

应用同时定位与地图创建理论建立全区域覆盖移动机器人导航系统,融合航位推算理论和基于环境特征的定位方法,设计了基于光电编码器--磁航向传感器组合和LMS激光雷达的混合定位系统.使用扩展Kalman滤波技术完成了基于特征直线的机器人位置更新.通过计算机仿真,结果表明建立的混合定位系统和同时定位与地图创建方法是一种切实可行的全区域覆盖移动机器人的导航方法.     

定位细胞认知机理启发的机器人导航研究综述

快速准确完成目标导航是哺乳动物赖以生存的一个重要能力,海马体和内嗅皮层是实现其空间认知及导航能力的主要脑区,网格细胞和位置细胞等多细胞的协同作用可以为大脑提供一套综合定位系统,实现了哺乳动物更高水平的认知功能。综述了哺乳动物海马相关定位细胞在机器人自主导航领域的最新研究进展,重点介绍了定位细胞认知机理启发的机器人环境建模、地图构建及行为规划与控制等领域的研究成果。最后对定位细胞启发机器人应用存在的问题进行分析和讨论,并对未来发展方向做了展望。     

基于Kinect传感器的移动机器人自主导航研究

未知环境移动机器人自主导航是当前的研究热点.同步定位与建图是实现移动机器人自主导航的关键环节.目前,许多学者通过激光测距仪、声呐、相机等设备来研究同步定位与建图.本文提出了由一台笔记本控制携带Kinect传感器移动机器人获取信息,再通过独立工作站创建未知环境全局地图的方案.其中,笔记本获取的信息(深度数据)通过无线传输给工作站.Gmapping(一种高效的Rao-Blackwellized粒子滤波器将激光扫描数据生成栅格地图)参数被优化来提高地图创建质量和激光扫描数据精度.通过Turtlebot进行实验验证了本文所提方案的有效性.     

基于ROS和激光雷达的室内移动机器人定位和导航系统设计与实现

根据自主运动机器人的室内定位需求,设计并实现基于机器人操作系统ROS和激光雷达的室内移动机器人定位和导航系统。机器人系统采用树莓派控制器作为控制核心平台,利用激光雷达采集环境信息,在ROS分布式框架下进行软件算法的开发,实现基于扫描匹配算法的SLAM功能、基于最优路径算法路径规划以及基于粒子滤波算法的导航功能。理论仿真及实验实测结果表明,系统可构建精度较高的环境地图,并对机器人进行定位,有效完成室内定位和导航任务,具有低成本、开源、模块化、易于拓展等优点。     

实时的移动机器人语义地图构建系统

语义信息可以使机器人更充分地理解未知环境,为更高级的人机交互和完成更复杂的任务奠定基础。为了能够使移动机器人实时地创建语义地图,在Jetson TX1嵌入式电脑上开发了一种轻量级的深度学习目标检测模型,在保证了检测精度的同时,实现了高效的目标检测功能。并利用了视频流中的帧间光流信息,使用运动信息指导传播算法降低检测算法的漏检率。对于Kinect传感器生成的深度图像有黑边、黑洞等缺陷,使用统一计算设备架构(CUDA)技术开发了一种实时的深度图像修复算法。利用即时定位与地图构建(SLAM)技术,实现移动机器人底层的定位、导航、地图创建功能,并在此基础上使用贝叶斯推理框架,同时融合了环境的度量信息与视觉识别信息完成了语义地图的创建。经过实验表明,所提出的方法在实际的、复杂的室内环境下可以使移动机器人实时地创建语义地图。     

Collision-free motion coordination of heterogeneous robots

This paper proposes a method to coordinate the motion of multiple heterogeneous robots on a network. The proposed method uses prioritization and avoidance. Priority is assigned to each robot; a robot with lower priority avoids the robots of higher priority. To avoid collision with other robots, elastic force and potential field force are used. Also, the method can be applied separately to the motion planning of a part of a robot from that of the other parts of the robot. This is useful for application to the robots of the type mobile manipulator or highly redundant robots. The method is tested by simulation, and it results in smooth and adaptive coordination in an environment with multiple heterogeneous robots. This paper was recommended for publication in revised form by Associate Editor Jong Hyeon Park Nak Yong Ko received the B.S. degree, M.S. degree, and Ph.D. degree from the Department of Control and Instrumentation Engineering, Seoul National University, Korea, in the field of robotics. He is Professor of the department of Control, Instru-mentation, and Robot Engineering, Chosun University, Korea, from 1992. During 1996–1997 and 2004–2005, he worked as a visiting research scientist at the Robotics Institute of Carnegie Mellon University. His research interests include autonomous motion of mobile robots(collision avoidance, localization, map building, navigation, and planning), manipulator force/torque control, and incorporation of mobile robot technology into GIS. Dong Jin Seo is a Research Engineer in Robotics Institute at REDONE Tech. He earned B.A degree, M.S. degree and Ph.D. degree from the Department of Control and Instrumentation Engineering, Chosun Uni-versity, Korea in 2000, 2002 and 2006. During 2004–2005, he worked as a visiting student scholar at the Robotics Institute of Carnegie Mellon University, USA. His research interests are multi-robot cooperation, localization, navigation and modeling robot simulation systems with uncertainty. Reid Gordon Simmons is a research scientist in the department of com-puter science and robotics institute at Carnegie Mellon University, USA. He earned his B.A degree in 1979 in computer science from SUNY at Buffalo, and his M.S and Ph.D. degrees from MIT in 1983 and 1988, respectively, in the field of artificial intelligence. His research interests focus on developing reliable, highly autonomous systems(especially mobile robots) that operate in rich, uncertain environments. In particular, he is interested in architectures for autonomy the combine deliberative and reactive behavior, reliable execution monitoring and error recovery, multi-robot coordination, probabilistic and symbolic planning, formal verification of autonomous systems, and human-robot social interaction.     

A new approach to map building by sensor data fusion: sequential principal component-SPC method

This study proposes a new map building method for a mobile robot operating in an environment with obstacles by fusing sensor data. Required information for a map designing is supplied by fusion of different sensor data using the sequential principal component (SPC) method. We discuss mathematical and experimental issues of the method by comparing a Bayesian method that works efficiently in map building using sensor data fusion. Application of the method for grid based map building is introduced and compatibility in mobile robot navigation is demonstrated. Experimental studies are implemented on Nomad200 mobile robot successfully.