基于混合模型的移动机器人同时定位与环境建模

提出一种基于混合地图模型的融合声纳传感器观测信息与里程计信息的同时定位与环境建模(SLAM)方法.该方法用混合模型即栅格地图模型和直线特征地图模型表示环境地图.首先,采用三区域声纳模型以及贝叶斯法则构建栅格地图,并通过在空间和时间上融合不同时刻多个声纳传感器的信息提高地图精度.然后,引入霍夫变换提取直线特征,创建直线特征地图,并通过比较地图中直线段的方向相似性、共线性与交叠性,确定全局与局部地图是否匹配.最后,利用直线特征以及扩展卡尔曼滤波器(EKF),通过状态预测、观测预测、位姿更新3个阶段估计出机器人更新的位姿信息,校正构建的地图模型,从而实现机器人的同时定位与环境地图构建.仿真实验和真实环境实验验证了该算法的可行性与有效性.     

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.     

面向室内环境的主动视觉即时定位与地图构建系统

提出了一个主动视觉即时定位与地图构建(SLAM)系统,能够避开障碍物,预测行人运动方向并且躲避行人,同时能够在未知环境中获得有效路径和进行稀疏三维点云地图构建.该系统由机器人平台、RGB-D摄像机和双目摄像机构成.RGB-D摄像机基于RGB-D上半身探测器进行行人检测与跟踪,同时使用RGB-D摄像机进行三维地图构建.双目摄像机通过获取深度信息寻找可通行路径.该系统实现了主动地图构建并且避免了由传统方法构建的静态地图包含行人的情况.实验验证了该系统的有效性.     

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。     

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.     

基于多源融合式SLAM的机器人三维环境建模

为有效处理移动机器人三维环境地图创建过程的不确定误差,提高所建地图的准确性、完整性和一致性,本文提出了一种基于传感器信息融合和Rao-Blackwellised粒子滤波(RBPF)的移动机器人三维同时定位与地图创建 (SLAM)方法. 在建立传感器不确定性概率模型的基础上,通过贝叶斯滤波实现传感器数据的去噪,将激光与视觉传感器获取的环境信息在一定的规则下融合,在SLAM框架下实现具有纹理映射的三维环境地图创建. 实验结果表明所用方法的有效性. 多源融合式自主SLAM提供了更为丰富、完备、准确的环境模型.      

未知环境中移动机器人的环境探索与地图构建

研究了未知环境中移动机器人同时进行环境探索和地图构建问题.基于实时获取的激光传感器数据,设计了具有避障功能的环境探索策略,并对候选观测点的产生和评估方法进行了改进,使选择出的候选点能同时兼顾信息增益的最大化与环境信息的完整性,保证了环境探索的连续性和遍历性.在环境探索基础上,提出了以增长神经气网络的网络节点作为拓扑网络节点的环境地图模型,该模型利用神经气网络的增长特性,通过不断增加新的拓扑网络节点来对机器人周围未知环境的整体性知识进行抽取与表达,构建出了易于机器人理解的环境地图.仿真试验验证了本文所提方法的有效性.     

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.     

基于仿生的机器人室内地图构建方法的研究

针对现有机器人室内地图构建算法复杂、数据量大、所需设备昂贵等问题,提出一种仿生的室内地图构建方法.该方法通过仿生人眼对颜色信息和深度信息的获取与处理,进行路径识别与路径测距.通过仿生人类对距离模糊处理的特点,运用模糊集方法进行距离判定与表示.采用二维码对环境中的标志物进行标注,形成地图定位点,通过数据库实现了地图拓扑构建与存储.实验结果表明,在复杂的室内环境中,机器人能够通过查询数据库中的地图实现在室内自主行走.     

基于视觉SLAM的物体实例识别与语义地图构建

针对目前面向语义同步定位与地图构建(SLAM)研究大多需要已知三维对象模型作为先验知识,或者只对有限的几种物体的类别进行语义分割,而没有区分对象的个体的问题,结合目前先进的基于深度学习的实例分割算法和视觉SLAM算法提出了一种面向实例个体的物体识别和语义地图构建方法,使得机器人不仅获得了面向导航的环境几何信息,而且掌握了面向物体个体的属性和位置信息.该方法利用由视觉SLAM算法获得的图像帧间几何一致性约束来促进连续图像帧中物体匹配与识别结果,提高物体实例识别的精度,同时结合实例识别结果完成语义建图的任务.最后实现了基于视觉SLAM算法的物体实例识别与语义地图构建系统,并在ICL-NUIM数据集上进行实验,实验结果表明该系统能够基本完整地识别场景中的各种物体并生成环境的语义地图,验证了本方法的有效性.