改进路径跟踪算法在机器人SLAM中的应用研究

绘制地图是自动化物流领域的重要环节,目前普遍采用即时定位与建图(SLAM)方法,但在大规模场景下,机器人常在区域边缘地带反复测扫从而积累误差,无法快速构建高精度完整地图。提出一种基于辅助路径跟踪的机器人自主建图方法,对给定的初始草图进行栅格化去噪,通过多段三次多项式对辅助路径进行拟合改进,采用改进的纯跟踪算法引导机器人建图,改善SLAM建图过程的总距离和时间。实验表明：该算法在地图完整性、准确度和建图效率方面,较现有V-SLAM、QRCode-SLAM方法均有改善,为快速高效地构建地图提供了一种可视化的双向交互途径。     

基于启发式的多机器人SLAM地图融合方法研究

同步定位和地图构建（simultaneous localization and mapping,SLAM）是移动机器人在未知环境中完成地图构建和定位任务的关键技术。针对多机器人SLAM中的地图融合问题,提出一种启发式的搜索方法引导局部地图的重复区域进行地图融合。每个机器人可以在不了解其相对位置的情况下建立局部地图,并将局部地图信息发送至同一工作站中,以局部地图的相似性为判断指标融合得到最优的全局地图。在机器人实物平台上进行验证,结果证明了多机器人SLAM的地图融合算法的有效性和准确性。     

通讯范围受限条件下的多机器人主动SLAM

针对机器人通讯范围受限的问题,提出一种新的多机器人协作同时定位与建图(simultaneous localization and mapping, SLAM)方法。多个机器人采用基于最优控制的主动探索策略,创建自身周围区域的子地图,在每个建图周期内使用扩展的卡尔曼滤波器(extended Kalman filter, EKF)估计和维护子地图状态,并在一个周期结束后联络其通讯范围内的其他机器人,进行子地图的传递与融合。同时,为避免由通讯范围受限带来的地图过度融合问题,每个机器人保存每个建图周期内的局部子地图,待与其他机器人相遇时只传递并融合子地图的增量部分。仿真实验验证了该方法的有效性。     

多机器人协调系统研究综述

本文回顾了多机器人协调系统研究的发展历史，评述了目前各主要方向的进展，并就多机器人协调研究的前景提出了一些看法。     

特征点法SLAM视觉里程计自适应优化算法

为减少动态环境对移动机器人同时定位与地图构建(simultaneous localization and mapping,SLAM)的影响,提出了一种特征点法视觉里程计自适应优化算法.该算法有助于改善光照条件变化情况下图像特征的不变性,有效提取纹理信息不充分区域的特征用于图像匹配.采用降采样法建立图像金字塔,将每个缩放...     

多机器人的改进型边界探索算法

针对多机器人探索未知环境问题,提出了改进型边界探索算法。该算法综合考虑边界角度和距离两种因素,引入分散机制,使机器人团队协同工作,避免出现拥挤,减少探索过程中的重复覆盖和路径交叉现象。基于与其他方法的实验比较结果表明,该探索方法使多机器人具有更好的团队协作能力,提高了探索效率。     

基于深度学习的视觉SLAM综述

随着计算机视觉和机器人技术的发展,视觉同时定位与地图创建已成为无人系统领域的研究焦点,深度学习在图像处理方面展现出的强大优势,为二者的广泛结合创造了机会。总结了深度学习与视觉里程计、闭环检测和语义同时定位与地图创建结合的突出研究成果,对传统算法与基于深度学习的方法做了对比,展望了基于深度学习的视觉同时定位与地图创建发展方向。     

基于随机有限集的SLAM算法

提出一种基于随机有限集的同步定位与地图创建算法,该算法利用随机有限集对环境地图和传感器观测信息建模,建立联合目标状态变量的随机有限集。依据Bayesian估计框架,利用概率假设密度滤波的粒子滤波实现对机器人位姿和环境地图进行同时估计。新算法避免了数据关联过程,并能更加自然有效地表达同步定位与地图创建(simultaneous localization and mapping, SLAM)问题中多特征-多观测特性及多种传感器信息。在仿真实验中,利用FastSLAM2.0算法和新算法进行对比,实验结果验证了新算法的优越性。     

基于压缩型EKF的SLAM改进算法

针对基于压缩型扩展卡尔曼滤波(CEKF)的SLAM算法在状态增广和地图管理两方面的不足,提出了一种改进算法(ICEKF算法).读算法通过增广辅助系数矩阵即可快速完成状态增广,计算复杂度由O(N2)降低为O(NA),其中N和NA分别为全局和局部地图中的路标数.在地图管理上,ICEKF算法采用一种基于欧氏距离的局部地图动态选择方法,避免了CEKF算法对全局地图进行预先划分带来的路标分配等问题.仿真表明ICEKF算法在估计结果上与EKF算法具有一致的最优性,与CEKF算法相比计算量大大降低.     

一种新的自主移动机器人主动式SLAM算法

针对未知环境中运动的自主移动机器人的控制律与运动路径需要在同时定位与地图创建过程中同步产生的问题,提出了运用行为动力学与滚动窗口路径规划的同时定位与地图创建方法。应用行为动力学模型计算机器人运动速度和导航角,确定控制律,同时根据滚动窗口中信息进行定位与地图创建,并自主规划出可行路径,再将滚动窗口地图融合到全局地图中,实现机器人主动式同时定位与地图创建。仿真实验表明,在根据机器人任务而灵活设置单个或多个目标点的情况下,该方法能够实现机器人在自主运动的过程中有效地完成同时定位与地图创建任务,并通过相关性能指标验证了算法的有效性。     

离散粒子群优化算法研究现状综述

粒子群优化算法(PSO)是一类基于群体智能的新型全局优化方法,近年来其离散化形式和方法受到广泛关注.介绍了PSO的基本原理和更新机制,论述了离散PSO算法的研究进展和应用情况,详细介绍了两种离散化策略的机理、更新方法、计算模式和特点,讨论了离散PSO的发展趋势和进一步研究方向.     

基于随机信标的水下SLAM导航方法

研究了基于随机信标的水下同时制图定位(simultaneous localization and mapping,SLAM)导航定位方法。信标导航是目前导航领域的研究热点,但往往需要提前对信标位置进行标定。对此文中提出一种无需位置标定的随机信标导航方法,即在信标随机散布的情况下,通过量测信标和航行器间的距离和方位,用SLAM方法对随机信标位置进行估计,从而实现对航行器的导航,并在不同的信标密度和观测误差下分析了其导航精度。仿真结果表明,该导航方法具有良好的收敛性和定位精度。     

基于贝叶斯算法的天线端到端优化

在确定天线的拓扑结构以后, 通常需要对天线的结构参数开展反复的优化才能达到设计目标, 快速有效的优化算法有利于缩短天线的设计周期。在建立综合目标函数的基础上, 同时考虑天线的多个优化目标和限制条件, 使用贝叶斯优化算法对天线进行端到端优化。基于在线更新的数据集, 高斯过程估计出目标函数的后验分布, 进而使用获得函数进行迭代。通过两种天线模型对提出的优化算法进行仿真验证, 结果表明, 由于建立了天线参数到综合目标函数的映射关系, 整个优化过程以端到端的方式实现, 与传统的优化方法相比, 所提算法的优化结果和优化速度都具有明显的优势。     

一种基于复形调优遗传算法的多学科优化方法

建立良好的优化方法,是多学科设计优化（multidisciplinary design optimization, MDO）求解的关键和难点。结合具有全局搜索能力的遗传算法和局部收敛特性的复形调优算法的优势,建立了全局优化算法,并将全局优化算法应用于多学科可行（multidisciplinary feasible, MDF）方法的多学科分析模型求解,建立了两级优化MDF（double optimization MDF, DO-MDF）方法和单级优化MDF（single optimization MDF, SO-MDF）方法两种计算构架。以CASCADE系统产生的多学科问题求解为例,对比5种计算构架对MDO求解的优化结果,结果表明,DO-MDF、SO-MDF两种计算构架通过有效关联学科分析的前馈信息流表现出更好的计算能力。     

基于改进边际优化的离散变量优化设计算法

针对传统离散变量优化方法存在的目标函数测算次数多、收敛性不佳等问题,借鉴边际优化理论和模式搜索算法,设计了一种基于改进边际优化的离散变量优化设计算法.借鉴边际效用优化原理,通过引入周围单位步长空间的概念,在初始点选择、边际增量设计、禁忌搜索策略等方面进行了改进,并设计了变异操作以跳出局部最优.实例分析表明,所提算法能够...