基于视觉传感器的移动机器人定位算法

针对移动机器人准确实时定位问题,采用视觉传感器Kinect作为信息采集源,提出将光流直接法和特征点匹配进行卡尔曼融合的视觉里程计方法。利用光流直接法快速进行帧间小规模运动估计,同时利用特征点匹配法对关键帧之间进行运动估计,纠正光流法带来的定位误差。结果表明:融合算法能够克服光流法精度差、误差累积等因素和特征点法实时处理速度慢等缺点,突出了特征点匹配精度高和局部地图消除误差累积等优点。提出的方法能提供较准确的实时定位信息,具有一定的鲁棒性。     

动态环境下结合语义的鲁棒视觉SLAM

针对传统同时定位与地图构建(SLAM)在动态环境中受动态物体干扰而导致精度低、鲁棒性差的缺点,提出了一种结合语义的鲁棒视觉SLAM算法。采用深度学习技术构建基于卷积神经网络的物体检测器,结合先验知识,在语义层面实现对动态物体的检测;提出基于速度不变性的相邻帧漏检补偿模型,进一步提高物体检测网络的检出率;构建基于特征点的视觉SLAM系统,在跟踪线程中对动态物体特征点进行剔除,以减小错误匹配造成的位姿估计的误差。经实验验证:系统在极端动态环境测试中保持定位不丢失,在TUM动态环境数据集测试中,定位精度比ORB-SLAM2提高22. 6%,性能提高10%。     

Android手机安全登录系统

针对Android手机应用软件登录中存在的设计缺陷和漏洞,梳理并分析了目前手机登录系统技术和不足之处,采用多因子（账号、密码、验证码、登录位置、登录次数、人脸数据）方案,构建手机安全登录系统. 该登录系统由登录、注册、日志审计、微信提醒、找回密码等功能构成. 详细介绍了设计思想、技术路线、安全验证逻辑和日志审计功能,实现了用户身份识别和登录行为审计,为用户提供了一个安全性高、易用性强、成本低的解决方案.     

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.     

一种多传感器融合的室内三维导航系统

提出了一种多传感器融合的室内三维导航系统,利用了建筑物内的地磁信号,结合转向角传感器记录转过的角度、气压传感器检测用户所处环境中楼层高度,采用众包思想收集数据进行地磁地图的构建,使用地磁指纹匹配技术实现室内任意位置的定位及导航.相比基于WiFi和蓝牙的室内导航系统,基于地磁的室内导航系统不需要任何基础网络设施,应用广泛、灵活,实现成本低.通过在智能手机上部署系统进行实验性能评估,结果显示最高精度达到1 m以内,有95%的导航误差在3m之内,平均误差不超过2m,证明其有良好的定位功能并适用于一般大型建筑物.     

基于Kinect的改进移动机器人视觉SLAM

针对传统ICP（iterative closest points,迭代最近点算法）存在易陷入局部最优、匹配误差大等问题,提出了一种新的欧氏距离和角度阈值双重限制方法,并在此基础上构建了基于Kinect的室内移动机器人RGB-D SLAM（simultaneous localization and mapping）系统。首先,使用Kinect获取室内环境的彩色信息和深度信息,通过图像特征提取与匹配,结合相机内参与像素点深度值,建立三维点云对应关系;然后,利用RANSAC（random sample consensus）算法剔除外点,完成点云的初匹配;采用改进的点云配准算法完成点云的精匹配;最后,在关键帧选取中引入权重,结合g2o（general graph optimization）算法对机器人位姿进行优化。实验证明该方法的有效性与可行性,提高了三维点云地图的精度,并估计出了机器人运行轨迹。     

基于WIFI指纹定位的仿生SLAM研究

针对复杂室内环境下移动机器人的定位问题,基于RatSLAM模型的定位方法,由于室内环境的复杂性及易变性,定位精度及准确性很难得到保证。本文基于此提出RatSLAM和WIFI相结合的策略,利用基于WIFI信号强度的指纹识别方法,离线阶段建立位置指纹数据库,在线定位阶段采用位置指纹定位算法完成认知点的匹配,从局部场景中获取更加精确的经历制图。实验分析表明:两种算法的结合使得移动机器人的定位精确度更高,提高了系统的鲁棒性,使系统具备了良好的定位性能。     

多机器人地质勘探地图构建系统

主要研究多机器人协同工作在地质勘探领域的作用。通过实现及时定位与地图构建算法,对运动目标跟踪算法进行优化,分析基本粒子滤波算法的原理和特征,以及当前存在的主要问题,对其关键技术进行归纳分析与改进。对SLAM的采样方法进行优化,在扩展卡尔曼粒子滤波算法中使用多样式重采样,与传统的重要性重采样相比,保证了跟踪的稳定性以及粒子的多样性。同时,通过在树莓派嵌入式系统上移植ROS机器人操作系统,并加载激光雷达等多种传感器设备,制作了一套通过自组网技术实现环境地图实时构建与定位等功能的系统。改进后的算法提高了运算效率,节约了运算时间。     

面向软件定义地图模式的水利数据共享方法

水利数据共享方法缺少概念化表达和标准化支持,传统水利应用耦合数据和处理逻辑,无法自适应外部变化数据驱动的业务更新需求,也无法及时准确传递数据更新,为此,提出一种软件定义地图模式的数据共享方法。首先,用地图对异构多源数据对象集合进行抽象,约束地图作为水利应用交换和处理的基本单元,软件定义地图应用显式与控制器表达数据需求和预期数据状态;接着,通过向数据层设施传递应用需求,数据层设施是功能单一"匹配-行动"单元,通过匹配数据标识,进行简单处理之后,向其它数据层单元进行传递。经过黄河水利委员会综合管理信息资源共享整合项目应用验证,此模式可解决水利应用对一致性数据的共享需求。     

一种基于海马认知机理的仿生机器人认知地图构建方法

海马结构空间细胞的放电活动被认为能够形成对环境内在地图的表达,即所谓的认知地图.先前的仿生环境认知地图构建方法（例如RatSLAM）以及传统的SLAM方法均缺乏足够的生理学依据,不能准确地体现出生物在导航中的生理学现象和认知功能实现过程.本文模仿海马结构空间细胞的认知机理提出了一种构建精确的环境认知地图的方法,其特点在于通过构建统一的空间细胞吸引子计算模型对自运动线索进行路径积分;网格细胞和位置细胞对环境的表达来源于条纹细胞的前向驱动作用;通过环境的颜色深度图像进行闭环检测,对空间细胞路径积分进行误差修正,最终生成精确的环境认知地图.该认知地图是一种拓扑度量地图,包含了环境特征点坐标、视觉线索以及特定位点的拓扑关系.本文通过仿真实验和机器人平台物理实验验证了方法的有效性,研究成果为仿海马认知机理的机器人导航方法研究奠定了基础.