基于激光雷达的动态障碍物实时检测

动态障碍的存在直接影响到环境地图的构建精度,可靠实时地检测出动态障碍物是未知环境下移动机器人构建环境地图的根本前提。基于2D激光雷达传感器,提出了一种移动机器人在未知环境下实时检测动态障碍物的方法。将激光雷达的观测数据经过滤波映射到世界坐标系,构建相邻采样时刻的三幅栅格地图;判断相邻时刻三幅栅格地图上对应栅格的占用状态,确定环境中的静态障碍物,以静态障碍物为参考,根据当前的栅格地图可以检测出环境中的动态障碍物。基于激光雷达时空关联性分析,采用八邻域滚动窗口的方法处理不确定性因素。在实际移动机器人MORCS-1上进行的实验结果表明,该方法可使移动机器人准确有效地检测出未知环境中的动态障碍物,实时性好,可靠性高。     

基于几何－拓扑广域三维地图和全向视觉的移动机器人自定位

面向大规模室内环境, 研究了基于全向视觉的移动机器人自定位. 提出用分层的几何－拓扑三维地图管理广域环境特征, 定义了不同层次的三维局部环境特征及全局拓扑属性, 给出了分层地图的应用方法. 构建了全向视觉传感器成像模型及其不确定性传播方法, 使得地图中的概率元素能够在系统中有效应用. 采用随机点预估搜索的方法提取环境元素对应的曲线边缘特征. 用带反馈的分层估计方法在融合中心对多观测特征产生的相应估计状态进行总体融合. 以分层逻辑架构设计实现了移动机器人交互式自定位系统. 实验分析了真实环境中不同初始位姿和观测信息情况下定位系统的收敛性和定位精度, 在考虑动态障碍物的遮挡情况下完成了机器人的在线环境感知和运动自定位任务. 实验结果表明本文方法的可靠性和实用性.     

采用Kinect的移动机器人目标跟踪与避障

为实现移动机器人在目标跟踪的同时进行避障,采用Kinect代替传统的测距雷达和摄像机.针对Kinect在使用中存在盲区和噪声的问题,提出一种基于统计的局部地图更新方法,利用动态更新的局部地图保存可能影响机器人运动的障碍物信息,并通过统计信息来消除测距噪声的影响,确保障碍物信息的有效性.同时使用增加安全区域的人工势场法去除对移动机器人运动无干扰的障碍物信息,改善了传统人工势场法通过狭窄通道的能力.在差动驱动移动机器人的实验证实了此系统能够很好地完成跟踪与避障任务,结果表明,使用Kinect可以代替传统测距传感器.     

一种基于RGB-D的移动机器人未知室内环境自主探索与地图构建方法

提出了一种基于RGB-D信息的移动机器人自主探索与地图构建方法.首先,基于RGB-D传感器提供的信息,通过定位点生成、地图构建与闭环检测,实时构建3D点云地图.然后,将探索过程描述成部分可观测马尔可夫决策过程,结合局部地图推演策略与全局边界搜索策略,建立了移动机器人的自主探索方法.在此基础上,确定移动机器人当前动作约束,采用动态窗运动控制方法,既能避免移动机器人陷入局部最优,又能保证采用RGB-D数据进行建图时的稳定性.最后,开展了实验室场景下的探索任务实验,验证了本文提出的移动机器人未知环境自主探索与地图构建方法的有效性.     

井下移动机器人智能视觉避障研究

针对现有井下移动机器人避障方法在面对井下复杂障碍物时不能准确检测障碍物位置信息,对井下非线性障碍物不能准确进行避障控制等问题,提出了一种基于模糊控制的井下移动机器人智能视觉避障方法。首先采用双目立体视觉模组作为障碍物检测传感器,感知井下环境信息,实时检测障碍物分布情况,并构建占据栅格地图。然后通过八叉树结构模型构建三维点云,使用树状结构对点云数据进行结构化描述,并将其映射到占据栅格地图中,得到障碍物的区域分布情况。最后采用模糊控制策略对实时检测到的障碍物在占据栅格地图中的分布情况进行处理,将当前时刻障碍物在占据栅格地图中的分布情况和移动机器人运行速度作为模糊控制器的输入变量,通过模糊控制算法计算下一时刻移动机器人的转向角度和加速度,从而实现井下移动机器人的智能避障控制。根据移动机器人实际占据空间,设计外接包围盒进一步稳定控制算法,结合避障策略进行智能避障,避免移动机器人与障碍物发生碰撞。实验结果表明,该方法能够准确对井下障碍物分布情况进行描述,使移动机器人能够根据所设计的模糊控制规则准确自主地进行避障操作,从而实现自适应运动。     

未知环境下移动机器人地图构建仿真研究

未知环境的地图构建是移动机器人研究领域的一个研究热点.为了研究在未知环境下移动机器人地图构建,基于微软机器人开发工作室(MRDS),对虚拟环境中移动机器人进行了仿真建模,通过激光测距仪获取未知环境信息,应用迭代最近点(ICP)算法处理未知环境信息实现了移动机器人对未知环境地图构建.对移动机器人地图构建仿真实验结果表明,文中的方法能够有效地实现未知环境地图构建,可为移动机器人运动提供导向作用,具有一定的理论和现实意义.     

地图构建中动态障碍干扰滤除的一种方法

在移动机器人环境建图中,动态障碍物的存在直接影响传感器的读数,导致产生不一致的环境地图,因此,移动机器人构建地图必须滤除动态障碍物干扰。采用直线插补的方法在先前的局部图上搜寻机器人与目标点之间是否存在障碍物,若存在障碍,则可判定该障碍物已移走(即为动态障碍),应该予以滤除。实验结果证明,该方法能在建图过程中有效地滤除动态障碍,并能有效减少静态障碍物探测的误差累积,算法复杂度小。     

基于深度强化学习的移动机器人动态路径规划算法

为了在复杂舞台环境下使用移动机器人实现物品搬运或者载人演出,提出了一种基于深度强化学习的动态路径规划算法。首先通过构建全局地图获取移动机器人周围的障碍物信息,将演员和舞台道具分别分类成动态障碍物和静态障碍物。然后建立局部地图,通过LSTM网络编码动态障碍物信息,使用社会注意力机制计算每个动态障碍物的重要性来实现更好的避障效果。通过构建新的奖励函数来实现对动静态障碍物的不同躲避情况。最后通过模仿学习和优先级经验回放技术来提高网络的收敛速度,从而实现在舞台复杂环境下的移动机器人的动态路径规划。实验结果表明,该网络的收敛速度明显提高,在不同障碍物环境下都能够表现出好的动态避障效果。     

模糊神经网络在移动机器人信息融合中的应用

针对移动机器人所用的传感器,提出了一种用于多传感器信息融合的方法,将模糊逻辑和神经网络结合起来,构建了模糊神经网络,并建立了网络的计算模型.通过建立的模糊神经网络对移动机器人的多传感器信息进行融合,实现了移动机器人对动态环境中障碍和环境类型的实时识别以及无冲突运动.网络的训练和试验表明该方法在移动机器人躲避运动物体中是可行的.     

面向地图构建的移动机器人局部路径自主规划

移动机器人在未知场景中规划路径以自主完成定位与地图构建是机器人领域的一个重要研究课题.本文阐述了一种利用实时构建的信息熵地图动态生成机器人的局部探索路径,并综合转向约束和避障约束设计了一种基于模糊评价方法的方向选择策略跟踪生成的局部路径并进行环境构图.与现有方法相比,本文方法能够根据环境动态地生成平滑连续的局部探索路径,并能引导机器人进行障碍物躲避和完成自主构图.实验结果表明相较对比方法,本文方法的探索路程最短,观测覆盖度最高,同时整个自主构图过程所需的时间也更短.     

Identification of types of obstacles for mobile robots

For service robots coexisting with humans, both safety and working efficiency are very important. In order for robots to avoid collisions with surrounding obstacles, the robots must recognize obstacles around them. In dynamic environments, not only currently moving obstacles but also movable obstacles should be recognized. In this paper, three types of obstacles, such as stationary, movable and moving, are defined, and a method to identify the type of obstacles is proposed. The experiments using a mobile robot were conducted to evaluate the usefulness of the method.     

基于概率栅格地图的移动机器人可定位性估计

基于广泛使用的概率栅格地图,提出了一种移动机器人可定位性估计方法.通过对定位Fisher信息矩阵进行栅格离散化,提出了静态可定位性矩阵,该矩阵适用于已知地图条件下的离线估计.在此基础上,针对在线估计中环境存在的非预期动态变化问题,采用局部感知的未知障碍物影响因子来修正静态可定位性矩阵,进而得到动态可定位性矩阵,该矩阵定量描述了机器人可定位性能力及其方向性.各种典型环境下的机器人实验结果表明了所提方法的有效性.     

Reactive navigation in dynamic environment using a multisensorpredictor

A reactive navigation system for an autonomous mobile robot in unstructured dynamic environments is presented. The motion of moving obstacles is estimated for robot motion planning and obstacle avoidance. A multisensor-based obstacle predictor is utilized to obtain obstacle-motion information. Sensory data from a CCD camera and multiple ultrasonic range finders are combined to predict obstacle positions at the next sampling instant. A neural network, which is trained off-line, provides the desired prediction on-line in real time. The predicted obstacle configuration is employed by the proposed virtual force based navigation method to prevent collision with moving obstacles. Simulation results are presented to verify the effectiveness of the proposed navigation system in an environment with multiple mobile robots or moving objects. This system was implemented and tested on an experimental mobile robot at our laboratory. Navigation results in real environment are presented and analyzed.     

基于场景图谱的室内移动机器人目标搜索

在移动机器人执行日常家庭任务时,首先需要其能够在环境中避开障碍物,自主地寻找到房间中的物体。针对移动机器人如何有效在室内环境下对目标物体进行搜索的问题,提出了一种基于场景图谱的室内移动机器人目标搜索,其框架结合了导航地图、语义地图和语义关系图谱。在导航地图的基础上建立了包含地标物体位置信息的语义地图,机器人可以轻松对地标物体进行寻找。对于动态的物体,机器人根据语义关系图中物体之间的并发关系,优先到关系强度比较高的地标物体旁寻找。通过物理实验展示了机器人在语义地图和语义关系图的帮助下可以实现在室内环境下有效地寻找到目标,并显著地减少了搜索的路径长度,证明了该方法的有效性。     

Path planning of wheeled mobile robot with simultaneous free space locating capability

This paper presents a hybrid path planning algorithm for the design of autonomous vehicles such as mobile robots. The hybrid planner is based on Potential Field method and Voronoi Diagram approach and is represented with the ability of concurrent navigation and map building. The system controller (Look-ahead Control) with the Potential Field method guarantees the robot generate a smooth and safe path to an expected position. The Voronoi Diagram approach is adopted for the purpose of helping the mobile robot to avoid being trapped by concave environment while exploring a route to a target. This approach allows the mobile robot to accomplish an autonomous navigation task with only an essential exploration between a start and goal position. Based on the existing topological map the mobile robot is able to construct sub-goals between predefined start and goal, and follows a smooth and safe trajectory in a flexible manner when stationary and moving obstacles co-exist.     

Navigation integration of a mobile robot in dynamic environments

This article presents a design and experimental study of navigation integration of an intelligent mobile robot in dynamic environments. The proposed integration architecture is based on the virtual‐force concept, by which each navigation resource is assumed to exert a virtual force on the robot. The resultant force determines how the robot will move. Reactive behavior and proactive planning can both be handled in a simple and uniform manner using the proposed integration method. A real‐time motion predictor is employed to enable the mobile robot to deal in advance with moving obstacles. A grid map is maintained using on‐line sensory data for global path planning, and a bidirectional algorithm is proposed for planning the shortest path for the robot by using updated grid‐map information. Therefore, the mobile robot has the capacity to both learn and adapt to variations. To implement the whole navigation system efficiently, a blackboard model is used to coordinate the computation on board the vehicle. Simulation and experimental results are presented to verify the proposed design and demonstrate smooth navigation behavior of the intelligent mobile robot in dynamic environments. ©1999 John Wiley & Sons, Inc.     

智能机器人系统中局部环境特征的提取

本文基于栅格地图和滚动视窗的控制方法，提出了一种提取机器人局部障碍物群环境特征的 数据融合新方法．该方法在多个级别对原始数据进行不同程度的抽象和压缩，减少机器人内 部模块之间或机器人之间、机器人与控制中心进行通讯的数据量，提高系统的动态性能．同 时，该方法对复杂环境具有良好的自适应性和实时性．本文分别列举了仿真实验和物理实验 结果，表明了机器人采用障碍物群的环境特征提取方法可以成功地完成躲避障碍物和路径规 划的任务．