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.     

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。     

基于中心差分卡尔曼滤波的航天器视觉相对导航算法研究

在航天器视觉相对导航过程中,量测方程的非线性特性会影响航天器相对位姿的估计精度.分析了扩展卡尔曼滤波方法(EKF)将非线性模型线性化时存在的缺点,研究了中心差分卡尔曼滤波方法(CDKF),提出用中心差分卡尔曼滤波方法来解决视觉导航中两航天器的相对位姿估计问题,并给出了EKF与CDKF的仿真结果.仿真结果表明在相同条件下,CD-KF算法比EKF具有更高的精度和稳定性,该方法能够在航天器视觉相对导航中应用.     

考虑融合多传感器误差项优化方法的定位技术研究

为了实现移动机器人的精确自主定位,根据不同传感器的测量原理定义了视觉误差和惯性测量单元误差项,采用基于图优化的思想构建一个最小二乘问题的位姿估计器数学模型,并把多种传感器的误差项添加到估计器中,使用优化工具求解出最优的位姿,实现多传感器的融合定位。通过在仿真实验平台上运行公共数据集,实验结果表明单传感器的定位方案因为尺度模糊和累计漂移的问题在绝对位姿误差平均值达到7.942 m,而融合多传感器的定位方案的绝对位姿误差平均值为0.234 m,说明融合多传感器的定位方案比单传感器定位方案在定位上更加准确和鲁棒。     

油浸式变压器微型机器鱼姿态定位

为有效检测大型变压器内部的故障位置和故障类型,利用微型机器鱼对变压器内部进行视觉观测,可较直观地检查变压器内部器件有无异常等。在微型机器鱼检测过程中,如何实现微型机器鱼位姿的准确定位是机器鱼任务完成的关键。针对金属封闭空间内变压器油中微型机器鱼位姿检测的问题,提出了基于声-电位姿定位和惯性导航相结合的联合位姿检测方法。通过分析超声信号在变压器内部及外壳上的传播特性提出了声-电联合定位装置安装方式;基于内嵌式的安装方式设计了声-电联合定位传感器,构建了变压器机器鱼姿态计算数学模型,并对变压器机器鱼姿态定位进行了仿真测试,测试结果表明:基于声-电位姿定位方法并结合构建的变压器机器鱼姿态计算模型,可以实现机器鱼在变压器内的同步定位。     

计算机辅助外科中手术与计划空间标定以及视觉空间的误差校正

计算机辅助外科(CAS)系统中,多空间集成在一起,为了提高系统的操作精度,需要有效的标定方法校正空间之间的误差.利用机器人上特征在导航系统中视觉空间的运动误差,建立视觉空间与机器人空间的映射关系,递归校正两空间之间的局部转换矩阵.利用局部转换矩阵建立优化方程,求取全局最优转换矩阵.该方法对所有动态、静态误差进行校正.针对手术与计划空间中存在的耦合误差,利用设计的特殊结构力传感器和标定块解耦标定其误差,并根据求取的转换矩阵,调整计划空间中对象的位姿,保证计划空间与手术空间中的对象位姿一致.实验结果表明,动态标定方法可以使视觉空间中的全局误差减少到5个像素,力控标定方法可以使位置误差减小到0.25mm,姿态误差减小到0.1°.     

用于位姿测量的LED标识点坐标优选方法

单目视觉位姿测量过程中,被测物体与摄像机光轴之间的夹角随着姿态的变化而变化,并受到环境噪声、提取算法和摄像机等因素的影响,像平面的像点坐标存在不可忽略的误差,单目多角度标识点三维坐标测量方法实现了位姿测量过程和坐标测量过程的统一,能够减小图像中心提取误差的影响.本文研究了单目视觉位姿测量的误差传播模型,从摄像机图像误差出发,预测和估计输出姿态误差,选取最适合的单目多角度定位标识点坐标,实验结果证明本文提出的基于误差传播的定位标识点坐标优选方法能够有效地提高单目视觉位姿测量的精度.     

基于双目视觉的掘进机器人定位定向方法研究

随着煤矿采掘装备智能化需求日益迫切,煤矿掘进装备机器人化关键技术成为重要研究内容,确保掘进机器人的高精度定位定向是实现掘进机器人高效自主运行的重要基础,然而,受到掘进作业空间地质条件复杂、作业环境恶劣等因素影响,使得掘进机器人精确定位定向较为困难。基于双目视觉感知技术的掘进机器人定位定向方法,通过双目视觉传感器获取巷道空间环境特征,基于最大类间方差法建立巷道空间环境图像特征分割处理模型;分析巷道空间图像特征,构建掘进机器人及巷道空间环境特征识别模型;基于巷道空间环境图像识别信息,建立掘进机器人与巷道空间之间的坐标关系模型,推导并解算出掘进机器人在巷道空间中的位姿信息。经过仿真及实验验证表明,在实验室模拟巷道空间环境中,解算出的掘进机器人定位定向参数精度较好,算法误差较小,空间定位定向模型合理,仿真计算可靠,提高了掘进机器人对巷道空间环境信息的获取与特征识别能力,为掘进机器人的定位定向技术提供理论基础。     

基于UKF的室内移动机器人定位问题

定位是移动机器人必须具备的基本要求,在室内环境中,物体大多是多边形,因此可由线段进行描述,由激光传感器获取环境信息,采用哈夫变换对激光数据进行分簇,最小二乘法拟合线段特征,并建立里程计模型和观测模型;在传统的EKF定位算法中,线性化处理会导致计算精度下降,甚至造成滤波器的不稳定,且推导Jacobian矩阵比较困难;为了克服EKF的缺点,文章采用UKF算法将里程计数据和激光传感器数据进行融合,无需进行线性化处理,可获得高精度的移动机器人的位姿;通过实验,验证了基于UKF的定位算法在定位的精确性上优于传统的EKF定位算法。     

计算机视觉技术测量飞机模型位姿试验

运用计算机视觉技术对测量飞机模型位姿进行研究.通过CCD获取飞机模型姿态变化前后的多幅二维投影图像,运用计算机视觉理论进行特征点的提取、匹配,最后实现特征点的三维重建并通过重建出的空间点计算出飞机模型的位姿.     

基于严格残差选择的非视距定位算法

无线传感器网络的移动定位近年来受到越来越多的关注.影响精确定位的一个很重要因素是非视距传播信号的存在,非视距误差使得定位精度严重下降.通过分析非视距测量值残差的特性,提出了一种严格残差选择方法来鉴别距离测量值的状态.首先利用扩展卡尔曼滤波(EKF)算法的线性回归模型获得距离测量值的残差,然后利用严格残差选择来对残差进行筛选,最后利用并行变节点EKF算法完成定位.仿真结果表明提出的算法在非视距情况下的定位效果要优于其他算法,在不同环境下该算法具有更好的鲁棒性和更高的定位精度.     

移动机器人同时定位和地图创建的一种新方法

为了实现室内环境中移动机器人的同时定位和地图创建，提出了一种新方法，该方法应用顺序蒙特卡罗方法，把定位和地图生成分成状态估计和参数估计，应用多粒子滤波器实现同时估计机器人位置和障碍物位置。环境感知采用机器人自身配置的声纳传感器，应用哈夫变换提取环境障碍物边界特征，用直线近似表示，并提出了一种可靠的特征匹配方法。Pioneer 2移动机器人在实际室内环境中完成的实验证明了该方法的可行性。     

基于立体视觉的机器人位姿标定技术研究

针对机器人位姿的测量,建立双目立体视觉传感器三坐标的数学模型。匹配相关的特征点,采用最小二乘法得到空间特征点的三维坐标。利用外部位姿线性方程的建立与求解确立机器人基坐标与工件坐标的矩阵关系。通过靶标法来确定机器人在某一位姿时工件坐标系和视觉传感器坐标系之间的齐次坐标变换矩阵的关系。实验结果显示,在没有噪声因素情况下,利用线性方法求解机器人外部位姿是可行的,能够满足系统精度要求。     

基于非线性滤波的移动机器人位姿估计

研究了基于扩展卡尔曼滤波和粒子滤波的移动机器人位姿估计。由于扩展卡尔曼滤波必须假定噪声服从高斯分布,若用于复杂非线性系统,其估计精度不甚理想。粒子滤波对噪声类型没有限制,正在成为非线性系统状态估计的有效近似方法。在不同噪声条件下,对基于粒子滤波和扩展卡尔曼滤波的移动机器人位姿估计问题进行了比较研究。仿真结果表明:粒子滤波能明显地改善移动机器人位姿估计的鲁棒性和精度。     

基于TDOA和DOA测量的单站无源定位方法

空中运动目标无源定位和跟踪技术在航空、制导等领域应用广泛.探讨了一种基于辐射源的信号到达时间差（TDOA）和信号到达方向（DOA）信息,利用固定单站对机动目标进行无源定位与跟踪的新方法.在建立目标机动模型与测量方程的基础上,运用修正增益扩展卡尔曼滤波（MGEKF）算法,实现对机动目标进行定位与跟踪,讨论了其定位原理与算法,计算机仿真验证了该方法的正确性与有效性.     

应用于地面无人车辆的窗口约束马尔可夫定位

为解决地面无人车辆在GPS易受干扰区域的定位问题,提出一种窗口约束马尔可夫定位方法,通过在窗口范围内进行马尔可夫定位减少更新的状态空间范围. 窗口的位置在初始时刻参考地图中建立的路标估计,并随车辆运动信息在地图中移动. 该方法能够减少定位过程中的计算量,除初始时刻外不依赖于GPS进行短期外推定位,且实验证明具有较好的实时性和准确性.      

天基无源方式空间目标定位跟踪算法的实现

针对空间目标定位跟踪会因受到天气、地域和时间等因素的影响而导致跟踪精度下降、滤波不稳定的问题,采用天基无源方式对空间目标进行观测、定位和跟踪;依靠光电传感器的被动测角和针对无线电信号的侦察截获;通过天基观测站获取角度量测信息,建立仅测角无源跟踪状态方程和量测方程,再分别通过EKF、UKF和SCKF三种卡尔曼滤波算法对角度量测信息进行滤波估计从而实现对空间目标的实时跟踪。仿真结果表明,天基无源方式空间目标定位跟踪算法具有精度高、滤波稳定的优点,EKF、UKF、SCKF三种滤波算法均能实现对空间目标的实时跟踪,其中以SCKF效果最佳,验证了天基无源方式空间目标定位跟踪算法的有效可行性,对军事应用具有极大意义。     

基于传感器网络的分布式生化气体源参数测定算法

针对生化气体源参数测定问题,提出了一种基于传感网络的分布式贝叶斯迭代估计算法,该算法在给定气体物理分布扩散模型条件下,通过传感器节点获取气体浓度,并基于分布式扩展卡尔曼滤波（EKF）和无迹卡尔曼滤波（UKF）实现气体源的坐标定位和释放率估计.通过仿真实验对两种分布式算法进行性能分析,结果表明,UKF算法在参数估计成功率和参数估计误差两个方面均要好于EKF算法,分别可以提高约50%和70%,其收敛速度快,使用节点少,更有助于节省网络能量消耗,并延长其生存周期.