基于地图的移动机器人定位技术新进展

综述了基于地图的移动机器人定位技术的研究现状，总结了定位过程中遇到的各种不确定性因素的成因，根据使用地图类型和推理手段对当前的定位方法进行归纳，并具体分析了几种典型方法的实现思想和各自的优缺点，阐述了移动机器人定位问题中存在的一般问题，指出了今后的发展方向。     

基于仿生行为的气味源定位方法综述

危化气体泄漏引发的事故频繁发生,严重危害公共安全,如何高效精准定位泄漏源位置是预防事故发生的前提,传统采用定点检测辅以人工巡检的泄漏检测模式已不能满足工业需求。移动机器人具有实用性强、应用灵活的特点,通过模仿生物搜寻气味源的行为,将其应用到气味源定位领域对于石化行业智能化发展与进步具有十分重要的意义。鉴于此,根据生物多感官气味源定位机制,将移动机器人气味源定位方法从单一和多源信息角度进行综述,首先分析了主动嗅觉定位的3个步骤;其次在多源信息融合技术的基础上,阐述了融合嗅-视信息的气味源定位方法,对目前融合嗅-视-听多感知信息的气味源定位方法进行了探讨;最后预测了未来发展趋势并进行展望。     

基于图像处理的移动机器人视觉定位方法

移动机器人视觉定位方法,主要是将目标物体的图像像素与移动机器人和目标物体之间的距离联系起来。应用视觉传感器搜寻目标物体,并借助于图像处理技术提取目标物体的特征对目标进行定位。通过计算目标物体图像的像素数,比例关系来确定目标物体与机器人之间的距离。这种方法成功地运用于RIRAII移动机器人上。     

一种基于全向摄像机的移动机器人定位方法

研究用压缩的全向图像在移动机器人上定位和环境建模．采用Parzen窗方法估计全景图像边缘的概率密度，用FFT方法简化计算获得密度估计的实时处理效果．研究了全景图像的旋转不变特性和全景图像矢量集合的主成分提取方法，以进一步降低图像数据矢量维数．压缩数据量后，便于建立大的环境模型供移动机器人实时定位用．定位通过投影图像矢量到特征子空间和在子空间中寻找最邻近点的方法实现．提出的定位方法用于移动机器人定位系统，在室内场景多次试验获得了较理想的结果．     

基于Cricket无线定位的移动机器人控制系统

移动机器人系统的定位问题是移动机器人导航控制的前提.将Cricket无线定位技术与移动机器人控制系统相结合,建立一套基于无线传感器网络定位的机器人控制系统,完成了Cricket无线传感器网络定位系统与移动机器人系统的信息传输与集成,实现对移动物体的定位、导航与控制.在静止情况下,Cricket系统的定位精度较好,定位采样数据误差在3cm内波动.当移动物体以较快速度变换位置时,系统的延时时间约为60ms左右.     

基于多信息融合的移动机器人定位算法

为了提高机器人的定位精度,提出了一种基于里程计、单目视觉与激光雷达信息相融合的自定位算法.首先,由里程计推算出机器人在各个时刻位置的估计值;其次,在不同时刻计算出机器人摄像头与任意两个环境特征点的夹角变化,通过激光雷达获得环境特征点的距离和角度并利用扩展卡尔曼滤波算法与里程计的定位信息进行融合;最后,由匹配的环境特征对机器人的位置进行修正,得到精确的位置估计.实验结果表明,该算法在多转角、长距离的情况下取得了满意的效果,有效地提高了定位精度.     

移动机器人漫游行为的研究

针对不确定环境下移动机器人的复杂运行情况,利用声纳传感器探测的环境信息,设计了漫游行为中的紧急行为、避障行为和自由行为,并制定了行为融合规则,依据融合结果计算出下一步的行为动作.在自由行为的设计中,利用随机动作概念解决传统算法中存在的死锁问题.对算法进行仿真表明,算法有效可行,能够实现机器人的漫游行为.     

基于活动单眼定位的移动机器人物体收集

探讨了移动机器人基于活动单眼的定位算法,并以该算法获得的视觉信息进行自主式移动机器人物体收集的实验。对目标的获取、在物理坐标系中的定位和延时补偿以及控制方法等问题进行了讨论,并给出结果。从定位结果的分析来看,定位精度可以满足移动机器人控制的需要,介绍了机器人进行物体收集的控制策略。实验表明,基于该定位算法的物体收集策略可以较好地完成任务,并具有良好的鲁棒性。     

一种基于室内环境无线传感器网络的移动机器人定位法

本文提出了一种新的基于无线传感器网络的室内自主移动机器人定位的实际应用方法.通过在博物馆等较大环境中的安装无线电发射装置,移动机器人可以实时检测各个电波发射装置的方向.在这些装置的位置已知的条件下,机器人可以根据三角定位法完成自身的定位.实验和仿真结果验证了该方法的有效性.     

基于障碍物地平角点的移动机器人定位*

提出了一种移动机器人快速定位方法。该方法在水平面假设的前提下,采用Harris Laplace算子并结合快速均值漂移和立体视觉方法,构建了一个障碍物地平角点提取算法取得特征角点,再以提取的障碍物地平角点为路标点,利用自适应粒子滤波方法融合路标点的深度和位置信息,实现了移动机器人高效快速和较为精确的定位。由于路标点（障碍物地平角点）数量大幅度减少,大大降低了定位算法计算的复杂度。实验的结果证明了上述方法是行之有效的。     

基于图像理解的移动机器人定位问题研究

为了能够提高在一般环境下移动机器人定位的精度,文章采用栅格地图来描述环境;提出基于图像理解的移动机器人定位的概念,将栅格地图当成图像来处理,从而可以将图像配准中的优秀算法引入移动机器人定位中;对于栅格化的图像提取其Harris角点,同时提出两步匹配法寻找相邻2个时刻的2幅图像中匹配的Harris角点。首先采用里程计的数据对角点进行粗匹配,而细匹配采用的是基于随机抽样算法,能够有效地剔除粗匹配过程中误匹配的角点对,提高了定位算法的鲁棒性;最后用非线性最小二乘法估计机器人的位姿。通过实验可以看出在一般的环境中,基于图像理解的定位算法要优于基于线段特征的定位算法。     

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.     

激光和全维视觉融合的移动机器人自定位(英文)

讨论了通过二维激光传感器和全维视觉传感器提取数据融合技术进行移动机器人定位的新方法 .SICKoptics公司制造的二维激光传感器能精确地测量出反射点的距离和方位 ,我们自己设计的全维视觉系统能从图像中提取场地标记物的色块信息 ,这两种传感器提取的数据有各自不同的特征 ,因此在本文所给出的融合方法中它们能优势互补 .RoboCup中型组的足球机器人 (守门员 )被选择来验证算法 ,最后给出了试验的结果 .     

GMCL： a robust global localization method for mobile robot

A large sample size is required for Monte Carlo localization （MCL） in multi-robot dynamic environ- ment, because of the ＂kidnapped robot＂ phenomenon, which will locate most of the samples in the regions with small value of desired posterior density. For this problem the crossover and mutation operators in evolutionary computation are introduced into MCL to make samples move towards the regions where the desired posterior density is large, so that the sample set can represent the density better. The proposed method is termed genetic Monte Carlo localization （GMCL）. Application in robot soccer system shows that GMCL can considerably reduce the required number of samples, and is more precise and robust in dynamic environment.     

基于GPS的移动机器人多传感器定位信息融合

构建了基于GPS的移动机器人定位系统,利用多传感器数据自适应加权融合估计算法对GPS、方位传感器、光码盘的信息进行数据融合.通过实验证明,该系统在短距离、路面平整的条件下,具有较高的准确性和稳定性,能够满足移动机器人定位的需要.     

Indoor monocular mobile robot navigation based on color landmarks

A robot landmark navigation system based on monocular camera was researched theoretically and experimentally. First the landmark setting and its data structure in programming was given; then the coordinates of them getting by robot and global localization of the robot was described; finally experiments based on Pioneer III mobile robot show that this system can work well at different topographic situation without lose of signposts.     

一种移动机器人SLAM中的多假设数据关联方法

针对移动机器人同时定位与建图(SLAM)中的局部数据关联问题,提出一种基于粒子滤波的多假设数据关联方法.该方法将数据关联问题转换成离散优化问题,利用多个粒子来维持多种数据关联假设,通过计算关联代价来获得粒子权重,用基本剪枝技术在粒子重采样过程中滤除错误的数据关联假设.研究结果表明:该方法弥补了经典的数据关联方法中关联假设一旦确定就不能修改的不足;与ICNN和JCBB数据关联方法相比,该方法能获得更正确的数据关联结果和更高的定位精度.     

Indoor monocular mobile robot navigation based on color landmarks

A robot landmark navigation system based on monocular camera was researched theoretically and experimentally.First the landmark setting and its data structure in programming was given;then the coordinates of them getting by robot and global localization of the robot was described;finally experiments based on Pioneer III mobile robot show that this system can work well at different topographic situation without lose of signposts.     

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.     

基于回朔式EKF的多传感器融合在移动机器人自定位中的应用

提出了一种基于扩展卡尔曼滤波器 (EKF)的多传感器融合系统 ,用于融合多个超声波传感器及光电编码器的测量值 ,并以该融合值来复位光电编码器 ,克服其累积误差的影响 .由于扩展卡尔曼滤波器是一项耗时的计算任务 ,为了满足实时性的要求 ,采用一种基于回朔式的算法 .仿真实验表明了该算法的有效性