基于智能空间的家庭服务机器人SLAM

提出了基于智能空间的家庭服务机器人同步定位与地图构建(SLAM)方法.利用双目立体视觉传感器提取环境特征,获取环境中物体的Harris角点,通过立体匹配算法获取角点的三维几何信息,同时获取环境中这些几何特征对应的图像特征信息,并将混合信息进行绑定,作为实时更新信息存入智能空间信息库中,构建出三维立体混合特征地图.在SLAM实现过程中,首先建立系统模型并对该模型进行重构以实现线性化;其次移动机器人与智能空间实时地进行交互,实现快速数据关联;最后利用卡尔曼滤波算法处理信息的不确定性,估计出机器人的位姿,同时保存环境特征,逐步构建出环境地图.实验表明,该方法实时性好、精确度高.     

动态家庭环境智能空间服务机器人全息建图方法

 针对家庭服务机器人工作的复杂动态环境,结合智能空间和机器人二者优势,提出了一种融合环境及其中目标资源分布的家庭智能空间全息地图构建方法。基于Rao-Blackwellized粒子滤波思想,根据建图初期机器人及其感知的全局空间特征点位置完成智能空间传感器网络节点的位姿参数标定,利用已标定传感器网络的观测值和机器人控制量进行机器人位姿估计,同时根据机器人位姿及其观测值进行全息建图。针对建图过程中及建图后的环境和目标变动,设计了基于智能空间监测的全息地图动态更新策略。实验表明,智能空间传感器网络有效地解决了建图中的动态数据关联问题,由其辅助的机器人定位和建图精度明显提高。     

融合多传感器信息的移动机器人自定位方法

提出一种给定环境模型下移动机器人全局自定位算法,通过融合声纳传感器和视觉传感器的异质传感信息把具有多模态、鲁棒性强的Markov方法和单模态、高效准确的EKF方法组合应用并加以改进,来实现准确和快速的全局定位,同时提高位姿跟踪的准确性.Markov方法中位姿空间的低分辨率离散减小了存储需求,声纳感知模型对位姿空间分布进行初始化并提供了全局的位姿假设,视觉感知模型实现了位姿分布更新,而基于视觉特征的EKF方法则提高了定位的精度.实验结果验证了本方法的有效性.     

混合DSm模型的移动机器人地图构建

针对移动机器人探测静态未知环境时,利用不精确传感器(声纳)获取的数据信息不精确、不确定及高冲突性等问题,引入了一种信息融合方法Dezert-Smarandache证据理论(DSmT),并根据声纳的物理特性建立了混合DSm模型,构造了基本信度赋值函数.使用Pioneer 2-DXe机器人进行了地图构建实验,将由混合DSm模型构建出的静态环境地图与实际环境布局进行比较,实验结果充分验证了算法的有效性,为处理不精确信息提供了有力的理论依据.     

基于粒子滤波器的室内移动机器人自定位

针对里程计和超声波传感器构建地图时由于累积误差易造成的地图扭曲失真,引入红外定位传感器作为绝对路标信息,生成全局拓扑地图,并在此基础上利用贝叶斯理论进行局部栅格地图的构建,混合地图减小了里程计的累积误差,提高了地图的稳定性.在此栅格地图中,采用改进的粒子滤波器进行定位.基于大权值粒子及周围空间描述机器人位姿置的概率更大的思想,提出了大权值自适应算法,较好地解决了传统粒子滤波器迭代过程中的退化问题.实验结果表明,在250 cm×500 cm的区域内,绝对路标栅格定位方法能够准确生成地图,改进的粒子滤波器的定位误差小于2 cm.     

多假设跟踪的移动机器人SLAM算法

针对基于视觉定位的移动机器人自主定位过程中容易产生多种候选位姿.提出一种基于多假设跟踪的同时定位和地图创建方法.该方法通过提取图像SIFT特征进行视觉量测,修正里程计累计误差,再利用多假设跟踪方法获得当前时刻的最优位姿,实时产生环境的栅格地图,并且随着机器人的位姿变化实时更新.研究结果表明:此算法不仅能够较好地创建环境地图,而且能够有效解决机器人"绑架"问题,提高自主定位精度.     

基于粒子滤波的移动机器人SLAM算法

针对FastSLAM算法对传感器精度要求较高,不适用于方向性差的超声传感器问题,提出了一种基于超声概率栅格地图环境特征点提取匹配的移动机器人粒子滤波同时定位与地图创建(SLAM)算法.该算法可分解为机器人位姿估计和环境路标估计2个部分.基于蒙特卡罗定位原理利用粒子滤波算法对机器人运动轨迹进行估计;在建立全局超声概率栅格地图的基础上,利用概率栅格地图环境特征提取算法对环境路标坐标进行估计.实验证明,该算法较好地解决了超声测距传感器由于散射角大带来的特征点估计不准的问题,对环境路标和机器人轨迹的估计都比较准确.并对移动机器人累计误差进行了有效的补偿,减少了由于累积误差造成的移动机器人轨迹扭曲失真.     

基于RGB-D相机的移动机器人三维SLAM

针对室内复杂环境三维建模问题,提出一种移动机器人快速三维同时定位与地图创建(SLAM)方法.利用RGB-D相机分别获取环境纹理和三维信息,通过图像特征提取与匹配,结合相机标定模型,建立三维点云对应关系,运用随机抽样一致性(RANSAC)算法作为位姿估计的策略求解基于对应点迭代最临近点的模型,有效解决机器人精确定位问题;引入keyframe-to-frame关键帧选取机制,结合立体栅格法及空间点云法向唯一特征,实现三维地图的更新与维护.室内环境下的实验结果验证了所提方法的可行性与有效性.     

未知环境下移动机器人的同时定位和地图构建

针对未知室内环境下的自主移动机器人的同时定位和地图构建(SLAM)问题,通过激光测距仪来获取环境信息,采用室内环境直线特征的提取和匹配方法,使移动机器人能够自主定位,解决了里程计传感器在移动中所带来的不确定性误差,同时采用移动栅格法对全局地图更新,提高了系统运行速度.利用Pioneer-3移动机器人平台进行实验,得到了较完整的环境地图.实验结果表明了基于环境特征的移动机器人同时定位和地图构建方法的有效性和实用性.     

一种智能空间辅助的家庭服务机器人SLAM方法

在单机器人SLAM过程中,定位误差和建图误差随机器人运动距离增大而增大。为了有效降低SLAM误差,本文提出了一种智能空间辅助的家庭服务机器人SLAM方法。基于Rao-Blackwellized粒子滤波思想,机器人定位和建图问题被分解为两个独立环节,首先,联合机器人控制量和智能空间摄像机网络的观测值估计机器人位姿,给出了位姿粒子的采样提议分布和权值更新公式;然后,机器人利用自身位姿及对目标的观测来构建环境地图。仿真实验表明本方法有效提高了机器人的定位精度,进而得到了更加精确的环境地图。     

基于声纳的移动机器人环境建模仿真平台的设计

利用Visual Basic建立了一个移动机器人环境建模的仿真平台，通过仿真声纳的数学模型，采用以概率论和Dempster-Shafer证据理论为基础的基于占有率的栅格地图创建方法，解释和融合仿真的声纳数据，建立环境的栅格地图。该仿真平台提供了环境和移动机器人运动状态在线实时设定功能，其参数可调的声纳模型及根据声纳数据进行环境建模的算法设计相对独立等特点极大地方便移动机器人环境建模的研究工作。     

基于地图建立的无人地面车路径规划

 提出一种同时完成地图建立与路径规划的算法。该算法为两层控制结构,其上层实现子目标点的生成,下层完成局部路径规划及运动控制。根据系统实时性的要求,以N个系统周期为触发条件执行子目标点生成程序。其中无人地面车通过传感器不断获取环境信息并进行处理,完成网格占据方式的地图建立与实时更新;将地图建立的结果作为数据输入,利用A*路径规划算法生成子目标点。根据子目标点生成结果,在每个系统周期内,通过基于模糊控制的底层快速算法完成无人地面车到子目标点的运动控制。以Pioneer 3-AT型无人地面车为试验平台在未知的复杂环境中对该算法进行验证,取得了良好的地图建立和路径规划效果,证明了该算法具有良好的实时性和准确性。     

基于多通道融合和极线约束的道路检测与定位

计算机双目视觉道路检测及定位在实现无人运动平台自主导航中具有重要意义.根据双目摄像机系统模型,提出基于多通道阈值融合的车道线检测方法,融合车道线边缘和色彩信息进行图像阈值分割,采用透视变换和自适应动态滑窗法提取车道线像素,采用最小二乘法拟合道路模型并依据极线约束关系进行定位,投影至SLAM地图中.实验结果表明,算法在光照变化、阴影遮挡等场景中均能精确检测车道线,将车道线信息投影至三维地图可以有效地将车道信息与地图信息进行融合,提高了道路感知能力.      

客货分离式高速公路主线与匝道协同控制算法研究

为保障高速公路的高效运行,提出适用于客货分离式高速公路主线与匝道协同控制算法.选取被广泛应用的ALINEA模型作为匝道控制的基本模型,再依据高速公路主线上下游交通流的变化进行入口匝道调节,确保入口匝道下游主线的占有率接近期望占有率,使高速公路主线在接近最大交通容量时充分考虑主线上游交通量对匝道调节率的影响,从而实现主线与匝道协同控制.利用Vissim软件进行仿真,结果表明,在运行效率方面,采用协同控制策略的客货分离形式高速公路优于传统ALINEA控制策略的客货分离式高速公路,远优于客货混行、无控制策略的高速公路.     

Mobile robot simultaneous localization and map building based on improved particle filter

0IntroductionA key prerequisite for a truly autonomous mobilerobot is that it can localize itself and accurately map itssurroundings[1],which is known as Simultaneous Local-ization and Mapping(SLAM),and has received consider-able attentionrecently.The first successful attempt at the SLAMproblemwas introduced by Smith who proposed usingthe extendedKalmanfilter(EKF)forincrementally estimatingthe pos-terior distribution over robot poses[2].One of the limita-tions of the EKFis that it requ…     

空间曲线在数字高程模型上的垂直投影算法

在三维数字地图成为当前进行规划和设计的热点和难点前提下,如何将平面上规划设计的结果转换到空间地表模型上,成为从二维信息平台转化到三维信息平台一个难点。文中提出了影响域求交法和线段加密投影法,两种求空间曲线在数字高程模型上的垂直投影线的算法,并对这两种算法的特点和性能进行了比较。     

基于视觉的多机器人协作SLAM 问题

 视觉SLAM 仅采用图像作为外部信息,用于估计机器人位置的同时构建环境地图。SLAM 是机器人自主性的基本前提,如今在小动态环境采用激光或者声呐传感器构建2D 地图得到较好地解决。然而动态、复杂和大范围下的SLAM 仍存在问题,使用视觉作为基本的外部传感器是解决问题的一个新颖热门的研究方法。在视觉SLAM 中使用计算机视觉技术,如特征检测、特征描述和特征匹配,图像识别和恢复,还存在很多改善的空间。本文在视觉SLAM 领域的最新技术的基础上,对基于视觉的多机器人协作SLAM 领域的前沿技术进行综述。     

多波束声纳水柱影像探测中底层水域目标的研究进展

介绍了利用多波束声纳水柱影像探测中底层水域目标的研究现状,以实例说明了多波束声纳水柱影像的典型应用,展望了其应用前景.多波束水柱影像携带了波束从换能器到海底的完整信息,可用于探测从海面至海底的声照射目标,包括探测航道障碍物、水雷和海底突起物等海底民用军事目标,检视水下工程,也可探测鱼群、海洋内波、羽状气流等中底层水域固体或非固体目标.通过改变波束照射方式,多波束声纳可兼作扇扫声纳,还可进行动态目标的探测与跟踪.多波束声纳水柱影像在水下目标探测中应用广泛,多波束声纳技术也发展迅速,典型特征是波束数增多、波束角减小、覆盖角度扩大、信号带宽增加、硬件体积缩小.高精度、高分辨率、三维立体测深成像将是未来多波束声纳的发展方向.未来多波束声纳技术将集成侧扫声纳、合成孔径声纳、扇扫声纳等多种水下声学成像工具于一体,其应用领域也将进一步拓展.     

地图符号蕴涵的几种拓扑变换类型

在引入qgf=h后ai的地图符号由拓扑变换被表示为h（ai）.地图投影是从球面S到二维平面Z的拓扑变换,地图符号的位置信息通过地图投影获得.地图符号在地图平面上有一个基本的表示空间mind,它在制图区域A上的原象h-1（mind）限制了地物的尺度.为达地图可视化的目的,点线符号必须实行制图夸大.点线符号属于闭集,而面状符号属于开集,它们具有互补关系,因此,点线符号的夸大必然使面状符号缩小.地图符号蕴含着投影变换,夸大和缩小变换.