基于非线性多传感器复合定位融合算法应用研究

针对移动机器人单传感器数据短时丢失、定位精度低、传感器频率异步等问题,采用激光雷达、IMU、轮式里程计获取定位信息,提出基于扩展卡尔曼滤波和互补融合的组合数据融合方法。先通过S-G滤波算法对初始定位数据进行预处理,利用扩展卡尔曼滤波融合算法实现IMU和轮式里程计传感器的定位数据融合,得到融合数据1;再利用互补融合算法将融合数据1和激光雷达进行融合得到融合定位数据2。其中融合数据1对激光雷达进行实时补正,解决频率异步的位移偏差,从而明显提高定位精度。最后采用Gazebo仿真平台,搭建移动机器人模型以及设置传感器的基本参数,验证算法的有效性和稳定性。实验结果表明：数据融合算法提高了非线性传感器的定位精度和稳定性,并且平均定位误差在8 cm内。     

基于多传感器融合的移动机器人定位研究

针对室内未知环境下单一传感器定位累积误差大、受环境局限等缺点,设计一种多传感器非线性融合定位系统,以提高移动机器人自主导航的定位精度。该系统通过高斯牛顿方程对由激光雷达、惯性测量单元、轮式里程计测量得到的位姿信息进行融合优化,补偿由于在室内环境信息下单一传感器定位精度低所带来的定位误差。实验结果表明:应用多传感器融合定位系统的移动机器人在长6 m、宽3 m的室内面对曲折复杂的路径和各种噪声干扰时运行总路程12.8 m后,可以将定位误差稳定在0.106 3 m内,并将平均相对误差稳定在0.716%左右。与现有方法对比,使用该方法提高了室内移动机器人定位的精度和鲁棒性。     

移动机器人自主定位和导航系统设计与实现

为实现未知环境下,移动机器人自主定位和导航,构建精准的环境地图,提出移动机器人导航系统设计方法。采用蒙特卡洛算法对机器人进行定位,通过栅格地图扫描匹配方法进行地图构建,利用Dijkstra算法对当前地图进行路径规划。将上位机和下位机串口通信,把上位机路径规划的Twist消息发送给下位机,采用底层控制器来控制电机,实现移动机器人自主运动。实验结果表明:在实际环境中,移动机器人能够从起始点出发,自主绕过障碍物到达目的地,验证了该移动机器人自主导航系统设计方法的有效性。     

无里程计移动机器人多传感器融合定位算法北大核心

为解决无里程计移动机器人室内定位问题,提出一种不依赖里程计数据的多传感器融合定位算法。首先,使用RF2O算法从激光雷达信息中获取移动机器人的运动数据;其次,使用扩展卡尔曼滤波融合IMU数据和RF2O算法计算的数据得到初步的定位数据;最后,使用自适应蒙特卡洛定位算法对定位数据进行修正,解决误差累计问题,得到精确的定位结果。结果表明,本文提出的定位算法可以有效降低测量误差、缩短算法运行时间,具有定位精度高且计算量小的优点,可以满足无里程计的移动机器人的定位需求。     

基于单目稀疏法多传感器融合移动机器人定位

针对移动机器人室内定位过程中,单目视觉难适应光照变化、里程计累计误差导致定位误差较大问题,提出边缘侧多传感器融合的定位方法.以稀疏直接法(半直接法)作为单目视觉的前端,实时单目相机估计位姿,通过惯性传感器恢复尺度输出位置信息,并且获取IMU的加速度以及偏航角、里程计当前速度,通过扩展卡尔曼滤波算法融合3种传感器信息,实现更加精确的定位.在移动机器人侧处理传感器读取的信息,从而减小机器人体积.边缘侧混合式多传感器信息融合使移动机器人在单个传感器失效以及无法人为干预时,也能够精确实时地在多种复杂环境中完成自主定位.     

基于视觉的移动机器人导航系统

以自主开发的XK-1型履带式移动机器人为实验平台,分析移动机器人的运动学模型,给出了基于视觉和模糊控制的直线跟踪方法及其简化算法,研究了移动机器人的定位和路径规划,实现了基于视觉的移动机器人的导航.     

模糊神经网络信息融合在移动机器人导航中的应用

提出一种基于模糊神经网络的多传感器信息融合方法,并将其用于自主移动机器人导航避障.采用多个超声波及红外传感器探测障碍物的距离和方向,用CCD摄像机来跟踪目标.经过模糊神经网络信息融合后,实现了机器人对障碍物和环境类型的识别以及无冲突的运动.试验表明,该方法能够实现机器人的安全避障.     

基于超声波的室内移动机器人局部环境建模研究

针对目前超声波传感器广泛使用的情况,系统地综述了室内移动机器人利用超声数据进行局部环境建模的研究方法,总结了超声波传感器的特性和常用模型,重点比较并讨论了各种多超声传感器融合算法及进一步的局部环境建模方法,最后通过基于超声波的移动机器人在结构化室内环境中所能完成的导航、避障等任务的分析得出了该研究领域中存在的不足,并对其发展趋势进行了展望。     

温室移动机器人运动控制器设计与实现

用运动控制器实现了移动机器人在非结构化、未知环境中的自主导航和定位。运动控制器由PIC单片机、运动控制模块、电机驱动模块、红外传感器模块、通讯模块以及相应的控制软件组成。利用两层前向BP神经网络实现多传器的信息融合。运动控制器在温室移动机器人上进行多次试验。试验结果表明，运动控制器和控制算法是可行的，并具：工程应用的前景。     

深度卷积神经网络在移动机器人的应用研究

闭环检测是移动机器人自主导航以及各种视觉定位的重要组成。近年来随着深度卷积神经网络展,基于卷积描述符的闭环检测与基于手工设计描述符的闭环检测,均在各个系统得到了应用。通过利用深度卷积神经网络实现图像匹配,并将其用于移动机器人的全局定位算法中,对其工程实际表现进行了定量评估以及对比。从所设计的试验方法量化对比出目前主流的描述符在各种场景应用中的优劣性,可知基于AlexNet模型的卷积描述符在各实验中均表现最佳,为图像匹配及其全局定位提供定量参考选择标准。     

基于红外PSD的移动机器人沿墙导航控制

针对声纳传感器存在的问题,提出了一种基于红外PSD传感器的沿墙导航控制算法.在环境探测方面由于采用了波束角小,镜面反射影响小的PSD传感器,使所测量的环境信息可靠性提高.在导航控制方面综合考虑室内环境特点和机器人状态,设计了多模态的沿墙导航控制算法.将上述算法在Grandar AS-R移动机器人上进行了导航实验.实验结果表明:机器人在室内环境下能较好地沿墙行走,运动轨迹平滑.所提出的基于PSD的沿墙导航系统比基于声纳的系统具有更高的性能价格比.     

基于视觉的移动机器人自主定位导航

自主导航足移动机器人的关键技术,机器视觉由于信息量大和人性化特征．在移动机器人自主导航得到广泛应用。本文介绍了基于视觉导航的基本概念、算法及新技术的应用,在分析近年来较成功视觉导航系统基础上,提出了视觉导航数据处理的发展方向。     

自动喂养机器人导航定位系统研究

盒养动物自动化喂养可以减少人工作业强度,降低人力成本,提高养殖的自动化水平,而自动喂养机器人的导航定位系统的研究是实现自动化喂养的关键。为此,研究了基于磁带和RFID标签的导航定位技术,设计开发了磁导航传感器的信息处理及导航纠正算法,以及利用RFID标签的站点定位技术,此外,对自动喂养机器人的避障系统进行了分析与设计。开发了自动喂养机器人导航定位控制系统,最后通过样机验证了导航定位算法的可行性和正确性,满足了自动化喂养的现场要求。     

动态场景下移动机器人视觉SLAM

为实现动态场景下移动机器人自主定位和建图,解决传统视觉里程计方法跟踪效果差及累积误差问题,提升闭环检测的准确性和鲁棒性,提出融合深度学习的同时定位与地图构建方法。采用四叉树算法均匀化特征分布,解决动态场景特征聚集问题;通过优化的目标检测网络识别场景动态语义信息,剔除动态物体对位姿估计的干扰;充分提取场景空间结构信息,结合点特征和线特征实现位姿跟踪及回环检测,构建全局一致的环境地图。TUM数据集和真实场景实验结果表明：改进方法提升了移动机器人定位和建图的准确性和鲁棒性。     

基于语义ORB-SLAM2算法的移动机器人自主导航方法研究

提出了一种基于单目视觉和激光雷达的同步定位与制图融合语义信息的新方法,该方法利用从单目视觉中提取的特征和在激光雷达深度地图中的对应关系来获得相对于关键帧的姿态数据,同时对图像进行语义分割;通过从深度卷积神经网络CNN获得的语义特征来细化语义信息,地图中的每个点都与一个语义特征相关联,以执行语义引导的本地和全局姿态优化。提出的语义标记和SLAM的耦合具有更好的鲁棒性和准确性。在室内环境中对装备单目视觉和激光雷达的移动机器人进行验证实验,实验结果表明:该方法可以提高机器人导航精度,实现机器人智能自主导航,同时也可以提供语义信息的图像数据。     

基于ROS的全向移动机器人定位导航系统研究

针对传统移动机器人自主运行能力不足及系统设计困难的问题,以自行设计的四麦克纳姆轮全向移动机器人为研究对象,根据层次化和模块化的思想建立了基于混合硬件架构的全向移动机器人定位导航系统的总体设计框架,建立了基于机器人操作系统ROS(Robot Operating System)的实验平台,分析了基于激光雷达的移动机器人Fast-SLAM算法,通过搭建软硬件系统,对机器人的即时定位与地图构建功能进行了测试,对路径规划能力进行了实验。结果表明,该系统能够实现全向移动机器人在未知环境下地图的实时构建,且拥有良好的全局导航及局部避障能力。研究成果对全向移动机器人定位导航系统的研究具有一定参考价值。     

架空输电线路巡检机器人的空间定位方法研究

提出了一种采用光电传感器为高压巡检机器人沿输电线路进行空间定位的方法.阐述了系统的结构和工作原理,通过合理布局的传感器测头及检测传感器的输出,并采用特定的逻辑算法,即可完成高压巡检机器人驱动轮与导线"对中",实现巡线机器人自主越障.运行实验表明:光电传感器工作可靠,导航方法简单可行,稳定识别精度为0.5mm,满足实际运行要求.     

应用于视觉环境探索的移动机器人反应式控制器设计

在移动机器人的视觉环境探索研发中,在视觉定位不精确的条件下,如何保证移动机器人可靠地运动,是目前移动机器人视觉环境探索与视觉导航中有待解决的问题。提出一种基于单帧图像语义分割的运动控制算法,利用深度卷积神经网络高鲁棒性的语义分割结果,在图像像素空间进行运动目标点规划。仅以当前观测图像为基础,以最大化探索可能运动方向为规划代价函数,在脱离全局视觉定位结果的情况下,实现移动机器人在视觉环境探索中的可靠运动控制以及避障。实验和仿真结果表明:所提出方法可满足环境探索问题中对环境覆盖以及避障的运动控制需要。     

无人机高精度定位和视觉自动跟踪融合技术

输电线路是电网系统的重要组成部分,是支撑国民生产和生活的运输命脉,因此通过线路巡检来保证电力传输安全至关重要。针对无人机在巡检过程中遇到障碍物集中、视线差等复杂环境时难以做到高精度合理避障的不足,研究引入位置信息融合即时定位与地图构建算法,使用扩展卡尔曼滤波器作为数据融合方法,采用实时动态技术,结合了高精度的定位信息与其他传感器获得的参数,在飞行控制中进行逻辑数据融合,将滤波器输出的位姿信息反馈到无人机飞行控制终端,来提高无人机的定位精度与导航能力,以此调整飞行控制方式与飞行机制,做到准确避障,实现自主飞行。     

基于优化A*和DWA算法的移动机器人避障路径规划

针对移动机器人在路径规划过程中路径曲率不连续,避障能力差等问题,提出了一种将改进A*和动态窗口法（DWA）相结合的路径规划方法。首先,在传统的A*算法基础上,将传统的8个搜索方向改为5个,提高搜索效率;其次,将Floyd算法思想引入A*算法中,设计了一种新的启发式搜索函数,实现了无斜穿障碍物顶点,增加了路径的平滑度;最后,融合改进算法以及动态窗口法,构造了新的评价函数,在保证规划路径全局最优性的基础上达到避障效果。仿真结果表明：该研究对于移动机器人自主导航的应用具有一定的参考价值。