基于多传感器信息融合的移动机器人快速精确自定位

通过分析全向视觉、电子罗盘和里程计等传感器的感知模型,设计并实现了一种给定环境模型下移动机器人全局自定位算法.该算法利用蒙特卡罗粒子滤波,融合多个传感器在不同观测点获取的观测数据完成机器人自定位.与传统的、采用单一传感器自定位的方法相比,它把多个同质或异质传感器所提供的不完整测量及相关联数据库中的信息加以综合,降低单个...     

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, ...     

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。     

基于多传感器融合的移动机器人定位算法研究

针对移动机器人在室外环境下全局位姿定位精度低、定位耗时长的问题,提出一种基于多传感器融合的机器人定位算法。首先构建移动机器人的运动模型,并选用里程计、惯性测量单元IMU和激光雷达作为移动机器人的基础传感器;然后采用自适应蒙特卡罗定位算法对传感器融合位姿进行位姿误差计算,获取移动机器人初始位姿;最后进行激光点云匹配,获取全局地图,并利用基于全局正态分布地图的NDT算法进行初始位姿修正,最终实现全局位姿校正和高精度定位。结果表明,基于多传感器融合的移动机器人定位误差控制在0.04 m范围内,定位时长均值为0.045 s,定位误差较小,定位损耗时间较少。由此说明,本定位算法可提升移动机器人的定位精度和定位效率,可实现移动机器人全局位姿快速、精确定位,提出的定位算法具备一定的有效性。     

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...     

NLOS环境下多传感器融合的室内定位方法

为提高超宽带(ultra-wideband, UWB)技术在非视距(non line of sight, NLOS)环境下的定位精度,提出一种基于粒子滤波融合视觉与UWB数据的定位方法。视觉模块通过识别与检测标签推算出绝对位姿;UWB模块鉴别由NLOS条件干扰的测距值,筛选最优测距值进行自适应权重的定位算法,提升覆盖区域的整体定位精度;基于粒子滤波将两者的实时定位信息进行数据融合。实验结果表明,融合定位方法具有实时性和鲁棒性,有效抑制了NLOS环境引起的误差,在NLOS环境下定位精度能够达到0.26 m。     

基于集员估计的室内移动机器人多传感器融合定位

本文针对室内移动机器人的长距离实时鲁棒定位问题进行了研究,考虑到单一定位手段存在的不足,以二维扫描激光和里程计作为主要的定位设备,采用多传感器数据融合技术实现了移动机器人的精确定位.论文首先通过引入基于点-直线特征匹配的改进迭代最近邻(iterative closest point,ICP)扫描匹配方法对激光采集的环境点云信息进行迭代匹配以得到相对位姿变换估计,并推导了其估计不确定性的保守包络矩阵形式,然后通过建立定位过程和观测模型,引入扩展非线性集员滤波器作为多传感器融合方法,利用扫描匹配结果校正由里程计滑移带来的定位误差,并获取定位自身的不确定性边界估计.实验结果表明了本文所提出的室内定位方法的精度、实时性和鲁棒性.     

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。     

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。     

基于多传感器信息融合的斜面移动机器人定位新方法

首先分析了本文的研究意义;然后针对在斜面 上工作的轮式移动机器人,提出了通过卡尔曼滤波融合倾斜角传感器和码盘传感器信息的移 动机器人定位新方法;最后进行了斜面定位试验．试验结果证实了本文定位方法的有效性．     

多传感器信息融合在移动机器人上的应用

多传感器信息融合技术在科研领域已迅速发展起来 ,它包含了控制理论、信号处理、人工智能和数理统计等方面的知识。在机器人领域的应用越来越多 ,使得机器人更加智能化。文中对多传感器信息融合的方法进行了概括 ,并列举了近年来其在移动机器人领域的应用。最后展望了多传感器信息融合的发展     

基于信息融合的移动机器人侧向定位的研究

超声波传感器的入射角对输出有很大的影响,通过实验分析了入射角对输出的影响。采用引入误差补偿因子的方法,标定了传感器的测量模型,使得测量精度大大提高。在此基础上,基于多源信息融合设计了3种移动机器人侧向定位模型。经实验比较证实,引入误差补偿因子的融合模型定位精度高,可以使得距离误差控制在±2.4mm,姿态角误差控制在±0.32°以内。最后,将该融合模型应用于移动机器人的实际控制中,距离误差为±3.7mm、姿态角误差为±0.58°,满足移动机器人定位精度的要求。     

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．     

基于光电鼠标的移动机器人室内定位方法

介绍通常的定位方法和背景知识后，提出了使用光电鼠标来提高航迹推算法法精度的方法。仿真显示该方法比传统的航迹推算法法要好。     

移动机器人多传感器信息融合技术探讨

本文对移动机器人多传感器信息融合技术进行了分析,并采用自适应加权融合算法对多超声波传感器数据与红外传感器数据进行融合。     

多传感器融合改进的机器人定位决策

在复杂的不确定环境里,采用单一传感器对机器人进行定位时精度较低,并且易受干扰,可靠性较差。针对这一问题在粒子滤波器移动机器人SLAM算法的基础上,利用多传感器融合对算法进行改进,将观测信息进行特征级融合,充分利用各种传感器采集的冗余信息,并将融合后的观测信息分别用来估计机器人路径和环境特征的后验概率分布。仿真试验表明,改进后的算法在SLAM定位精度及可靠性上都有较大的提高,证明了该种方法的可行性。     

基于多数据融合的智能定位传感器避障算法研究

在智能定位传感器内增加避障算法,可使机器人拥有自动躲避障碍的能力,该文基于多数据融合设计智能定位传感器避障算法。设置激光雷达测距和超声波测距作为多传感器障碍检测的方法,获取机器人当前位置与障碍点坐标的相对几何关系,计算机器人与障碍点位置的距离,定位路面障碍点,对2种传感器收集到的数据进行多元障碍定位信息的加权融合。设置智能机器人避障轨迹目标函数以及约束条件,设计机器人避障算法,得到基于定位传感器的机器人避障方法。实验结果表明,在简单环境及复杂环境下机器人均未与障碍物相撞。在运行轨迹中随机放置障碍物,机器人能够及时完成运行轨迹的变化。由此可见,该避障算法具备较好的应用前景,可应用于各种智能机器人中。     

移动机器人多传感器高精确度数据融合的算法研究

基于模糊贴近度数据融合算法,研究了移动机器人使用的多传感器高精度数据融合算法。模糊了测量值和估计值,同时计算了模糊格贴近程度,在测量中各传感器的权重通过格贴近度进行描述,借助于融合公式求出融合的具体结果。该算法能够提高机器人导航系统的测量技术,使其通用性、可靠性和测量稳定性更强。     

定位传感器及其融合技术综述

定位技术是自主式移动系统研究领域中最关键的技术之一，可以大致地分为绝对定位技术和相对定位技术，本文探讨了自主移动定位技术、定位传感器及其融合方法，以及提高定位精度的措施。     

基于无线传感器和视频融合的室内定位技术研究

为了提高室内定位跟踪精度和扩大定位跟踪范围,建立了一种无线传感器和视频融合定位跟踪模型。该模型通过分析无线传感器和视频传感器定位特点,确定了基于粒子滤波的融合定位策略,提高视频目标检测能力,补偿无线传感器的定位精度和盲区。提出了基于无线传感器和视频观测模型的粒子权重评估方法,提高了粒子更新效率。结合实例对模型和算法进行了仿真分析,结果表明了模型的可行性和算法的有效性。