一种基于双目视觉的无人机自主导航系统

针对无人机实时自主导航问题,本文设计并实现了一种能自主感知未知室外环境,实时自动规划路径的旋翼无人机系统.首先利用双目视觉,使用经光束法平差(BA)优化的经典SLAM系统,ORB SLAM2算法获取无人机位姿信息;再以"推扫式"感知方法和改进的绝对误差和(SAD)算法获取环境信息和障碍物点.其次,结合无人机位姿信息与环境障碍物点生成局部障碍物地图,同时使用并行计算框架,提高系统性能.针对无人机系统实时性问题,设计的SAD算法只关注固定视差大小的像素块的稀疏匹配.最后,根据生成的当前局部环境障碍物地图与本地轨迹库,自主选择运动轨迹,有效自主规避障碍物,达到实时局部路径规划的效果.以上功能全部在无人机搭载的嵌入式处理器Nvidia Jetson TX2中完成处理.仿真与实际飞行实验表明:设计的系统基本实现无人机在未知室外场景下的实时自主感知与路径规划,在采集视频分辨率为1 280×720时,处理速度能达到60帧/s,为完善低成本无人机的避障与导航功能提供一种参考.     

动态环境下利用Kinect的移动机器人增强路径规划

将最新的体感器Kinect用于实时感知动态环境中的障碍物和地形,辅助机器人在复杂动态环境中实现有效的路径规划任务。通过Kinect体感器产生的RGB图像和3D图像,来实时探测获取移动机器人的周边动态环境;同时利用基于遗传信赖域算法优化的改进人工势场的路径规划算法,解决了传统人工势场法中局部极小点以及目标不可达问题,并能有效提高算法的实时性,实现机器人在动态环境下优化的实时路径规划任务。最后建立实验系统,验证了所研究方法的有效性。     

基于情景经验与稀疏点云的移动机器人导航

针对稀疏点云地图用于自主导航任务的信息不充分问题,融合情景经验实现环境认知,提出一种基于情景经验与稀疏点云的移动机器人导航系统,获取全局最优路径,提高机器人导航精度.构建点云地图来保存环境显著路标.受人类基于情景经验方式导航启发,模拟经验积累过程,构建封装了场景感知、位姿信息和事件转移集的情景经验地图,实现机器人对环境在拓扑关系上的理解.结合环境稀疏点云地图定位机器人,根据情景经验地图规划路径与控制机器人行为.实验结果表明:该导航系统能够根据不同的导航任务规划出全局最优路径,并且具有较高的导航精度.     

基于ROS的移动机器人导航系统研究与仿真

针对移动机器人的自主环境感知与自主导航问题,本文提出了一种基于机器人操作系统(ROS),并结合同步定位与地图构建技术(SLAM)与路径规划的多目标点导航方式。首先利用GAZEBO仿真平台建立基于阿克曼结构的四轮机器人和仿真环境。然后利用SLAM技术,构建仿真环境的二维栅格地图。最后利用多目标点导航算法,开展机器人针对多个目标区域的自主导航测试。并通过调整TEB参数,优化机器人的运动轨迹。实验结果表明:机器人有效完成了多个目标区域的自主导航任务,并且规划路径较为合理,运行过程较为平稳。     

室内机器人导航系统的设计及仿真验证

针对室内机器人在未知环境下的自主导航问题,以机器人操作系统ROS为开发平台,基于Gmapping、Amcl、Move_base等开源功能包设计自主导航系统,使搭载此系统的机器人能够学习未知环境下的地图信息,并基于地图实现定位、路径规划、避障等功能。通过三维物理仿真软件Gazebo模拟环境并加载设计的URDF机器人模型,对自主导航系统进行仿真验证。结果表明,该自主导航系统能够使机器人在未知环境下,实现准确建图、定位、实时避障和路径规划等功能。     

北斗导航辅助移动机器人同时定位和地图构建研究

针对未知环境下移动机器人实时构图和导航问题,将基于激光的环境特征提取和地图构建技术与北斗卫星导航相结合,设计了一种基于特征地图的移动机器人自主导航系统。利用激光提取环境信息,采用点和直线段进行环境表示,结合里程计进行定位,同时进行地图构建。然后在地图上关联北斗坐标,丰富地图信息,根据路径规划方法实现移动机器人自主导航。在Poineer3-AT机器人上实验表明:该方法能够快速提取直观的表示环境信息,并实现自主导航功能,有效提高了移动机器人导航能力。     

移动机器人的障碍物群检测方法

利用激光和超声波传感器在用栅格表示法形成地图的基础上，提出了进行数据融合以提取环境特征的新方法：识别障碍物群。该方法能够在密集障碍物环境中为机器人的路径规划和避障提供准确的环境特征信息，提高机器人系统的自主性和实时性。实验结果表明了该方法的有效性。     

基于改进A~*算法的室内移动机器人路径规划

针对移动机器人在室内定位的特点,在结构化环境下,开发了机器人路径规划系统。在阐述了全局地图构建方法基础上,根据移动机器人的实际运行环境采用栅格法构建了环境地图。利用A*算法进行初步路径规划,其不足之处是路径规划数据中包含了所有规划点的坐标,冗余点较多,且移动机器人无法在拐点处调整自身姿态。针对这些不足,提出了能够计算出拐点、旋转方向及旋转最小角度的A*路径规划改进算法并进行了实验。移动机器人定位实验结果表明:利用改进后的A*路径规划算法不仅简化了路径,而且在拐点处移动机器人能够调整自身姿态,可以较好地满足室内移动机器人全自主运动的要求。     

基于机器人操作系统的移动机器人激光导航系统

为了验证激光导航的先进性及机器人操作系统(robot operating system,ROS)的便捷性,进一步对机器人导航机理进行研究,提出了改进粒子滤波算法及改进A*路径规划,分别应用于地图构建和路径规划,并搭建了基于ROS平台的移动机器人导航试验平台,该平台具有低成本、高性能的特点。试验平台由上位机和移动机器人组成,上位机实现对机器人的控制,移动机器人配置有工控机和激光传感器,机器人通过激光传感器采集环境信息,为实现即时定位及地图构建功能提供数据支撑。研究并构建基于ROS的地图构建和自主导航功能包并通过实际环境进行试验验证。试验结果表明:构建功能包可用于机器人的激光导航中,该激光导航系统的可行且具有一定的稳定性与可靠性。     

基于ORB-SLAM2的三维占据网格地图的实时构建

针对ORB-SLAM2系统只能输出相机的运动轨迹图,而不能生成用于路径规划和导航地图的问题,提出了一种基于ORB-SLAM2的跳表地图(Skip List Map)构建算法,可用于三维占据网格地图实时构建。首先搭建了一个用于三维占据网格地图实时构建的Skip List Map模型,其时间复杂度仅为O(lgn);其次对Skip List Map三维占据网格地图的生成与更新做了详细推导;最后设计了ORB-SLAM2与Skip List Map算法相结合的方案。通过效率对比实验,表明本文算法具有较高的时间效率与灵活性;搭建实验所需平台并进行了真实场景实时实验,实验表明本文算法能实现三维网格地图的实时构建;且能清晰标识出环境中障碍物的位置,验证了本文算法的有效性。     

基于A*算法的驾驶地图路径规划实现

采用高精度地图构建技术还原路况信息,结合A*算法使智能车能够在导航不起作用的情况下按照规划路径进行无障碍行驶.将高精度地图用栅格数据模型表示,在标记为有障碍的栅格模型中,为机器人寻找一条恰当的从起始点到目标点的运动路径,且可以使机器人在运动过程中安全、无碰撞地绕过障碍物.通过在无人驾驶智能车平台上仿真实验表明,这种方法具有形式简单规范、一致性好并容易在计算机中实现的优点.     

基于视觉目标跟踪的侦察机器人导航方法

针对未知环境下侦察机器人的自主导航问题,提出了一种基于视觉目标跟踪的侦察机器人导航方法.首先利用二进制鲁棒独立元素特征(BRIEF)提取方法来检测和描述待跟踪视觉目标的局部不变特征点,在快速的特征匹配计算基础上提出由粗到精的目标定位两步法实现机器人导航过程中视觉目标的实时准确跟踪.其次对基于视觉目标跟踪的自主导航任务进行行为分解和实现,在行为中集成视觉目标跟踪算法.最后利用基于宏行为的机器人事务执行机制实现移向视觉目标的自主导航控制.实验结果表明,提出的方法能够使侦察机器人实时准确地跟踪视觉引导目标,在复杂障碍物环境下可靠地完成移向目标的自主导航任务.     

一种基于机器人操作系统的代价地图自适应膨胀半径设置方法

针对复杂环境下移动机器人自主导航易被困、路径规划不理想等问题.首先,通过改进机器人操作系统(robot oper-ating system,ROS)中代价地图代价值衰减函数和七宫格检测法,研究了代价地图自适应膨胀半径算法.其次,通过动态衡量启发函数与优化子节点选择方法,研究了结合环境信息的改进A*路径规划算法.实验结果表明:使用自适应膨胀半径算法和改进A*算法后的路径拥有更好的平滑度,减少33.6％转角次数和37％转向角度.能避开复杂障碍物群,降低移动机器人被困几率,提高了复杂环境下ROS移动机器人自主导航的安全性和鲁棒性.     

基于改进蚁群算法与Morphin算法的机器人路径规划方法

 针对动态复杂环境下的机器人路径规划问题,建立栅格地图模型,研究一种改进蚁群算法与Morphin 算法相结合的动态路径规划方法。改进蚁群算法引入拐点参数评价路径优劣,并对路径进行拐角处理以及变更拐角处信息素更新机制,使规划的全局路径更加平滑;Morphin 算法则在机器人行走时,根据全局路径的局部环境实时规划局部路径,使机器人有效地躲避障碍物。仿真试验结果表明,该方法结合全局规划与局部规划的特点,能够使机器人沿着一条短而平滑的最优路径快速、安全地到达目标点。     

基于混合密度的改进逆向D*算法在机器人未知环境导航中的应用

智能机器人在现代社会中应用越来越广泛。未知环境中移动机器人只具有较少的先验知识,其导航涉及对环境的认知,对导航决策的优化,还有知识的表示与获取等方面。在未知环境下运行,需要合理的解决环境建模和全局规划所必需的大计算量与智能机器人实时控制之间的矛盾。为了提高路径规划效率,本文进行了逆向D*路径规划算法[1]的分析和改进。利用激光测距仪LMS511感知复杂环境信息,建立实时局部栅格地图。采用改进的逆向D*算法,以滚动方式规划出中间目标节点到达当前位置的局部路径。机器人沿着局部路径行驶到这个中间目标节点后,再搜索下一个中间目标节点,滚动进行规划。直至机器人达到最终目标节点。在未到达中间目标节点的移动过程中遇到未知动态障碍机器人会实时重新规划,实现未知环境的自主安全运动。用C++在VS2010上测试算法并实际应用到机器人的实地测试。结果统计分析表明该方法具有可行性、有效性和实时性,规划效率明显提升。     

基于CM-Q学习的自主移动机器人局部路径规划

针对多障碍物未知环境下,自主移动机器人局部路径规划过程中出现的路径冗余和避障问题,提出了基于坐标匹配的Q学习算法(Coordinate Matching-Q learning算法,CM-Q算法)。首先建立自主移动机器人栅格地图运行环境;其次以Q学习算法探索和学习最佳状态-动作对,并利用坐标匹配的CM算法进行避障;最后在未知障碍物环境中进行路径规划,对所提出的算法进行验证。实验结果表明,运用该方法,自主移动机器人能在未知的简单和复杂障碍物环境下规划出一条最优或次优路径,完成避障和路径规划任务。     

机器人视觉导航路径节点的编码与识别

为了解决视觉导航机器人利用九宫格进行自主定位时,存在的识别算法的鲁棒性较差和实际操作繁杂等问题,实现视觉导航机器人的自主定位,设计一种路径节点的二进制圆环编码方案并进行解码识别研究。实验表明,机器人能够准确识别各个路径节点,有效地解决了机器人视觉导航中路径节点的编码和识别问题。     

基于时间弹性带的移动机器人路径优化方法

传统的路径规划并未明确地纳入运动的时间和动力学方面,因此忽略了运动或动态运动模型在有限的速度和加速度下施加的约束。针对这种情况,将时间弹性带算法引入局部路径优化,有效地优化了机器人轨迹的动力学约束,同时明确纳入时间信息以确保在最短时间内到达目标点,确保了移动机器人导航的快速性。将基于噪声的密度聚类算法(DBSCAN)引入地图转换,将局部代价地图层的点障碍物聚类为凸多边形,使得障碍物约束部分计算量大大减少,总体上减少了机器人导航所需时间,提升了导航的快速性。在仿真环境和真实场景下的实验都验证了上述改进的有效性。     

基于目标检测的室内动态场景SLAM

室内动态场景下的同步定位与地图构建(simultaneous localization and mapping, SLAM)系统容易受到运动障碍物的影响，从而导致其位姿估计精度和视觉里程计的稳定性降低。本文提出一种基于YOLOv4目标检测网络的视觉SLAM算法，获取语义信息，并利用LK光流法判断动态特征，在传统的ORB-SLAM2系统上将动态特征点剔除，只使用静态特征点来估计相机的位姿；建立稠密点云地图，并转化成节约内存空间的八叉树地图。在TUM公开数据集上对该方法进行测试和评估，实验结果表明：在动态环境下，该系统与ORB-SLAM2相比，相机位姿估计精度提高83%，且减少了生成的环境地图的存储空间，为后续实现机器人导航具有重要意义。     

基于强化学习的机器人路径规划算法

提出了一种基于强化学习的机器人路径规划算法,该算法将激光雷达所获取的移动机器人周围障碍物信息与目标点所在方位信息离散成有限个状态,进而合理地设计环境模型与状态空间数目;设计了一种连续的报酬函数,使得机器人采取的每一个动作都能获得相应的报酬,提高了算法训练效率.最后在Gazebo中建立仿真环境,对该智能体进行学习训练,训练结果验证了算法的有效性;同时在实际机器人上进行导航实验,实验结果表明该算法在实际环境中也能够完成导航任务.