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.     

基于路标的机器人自定位方法

介绍了一种基于路标的移动机器人自定位方法。为了解决仅仅利用视觉系统得到的路标信息使用蒙特卡洛自定位(MCL)算法进行机器人自定位时存在较大误差的问题,提出了一种将MCL算法与unscented卡尔曼滤波器相结合进行自定位的方法,将从机器人视觉系统获取的路标信息,从驱动轮码盘获取的位置信息,以及从电子罗盘获取的机器人方位信息进行有效融合,从而提高了机器人的自定位精度。实验结果表明,该方法不但可以提高机器人的自定位精度,而且具有较好的鲁棒性。     

基于相对观测量的机器人合作FastSLAM算法

提出了一种基于相对观测量的合作快速同时定位与建图(FastSLAM)算法,即合作FastSLAM算法.给出了机器人合作定位的系统模型,假设每个机器人装配上能够测量与附近机器人之间相对位置和识别附近机器人的外部传感器.仅用机器人自身当作路标来对多机器人系统中每一个成员进行相对定位,分析了多机器人合作定位中相对观测量的约束关系.将多机器人运动信息和相对观测量与FastSLAM相结合,估计出机器人路径轨迹的后验概率分布,从而生成预测粒子,并计算每个粒子的权重,最后进行重采样使其能够递归估计修正机器人组中每个机器人的位置.仿真结果证明了该算法的有效性.     

典型场景下EKF-SLAM估计一致性分析

分析了典型场景下基于扩展卡尔曼滤波的同步定位和地图创建(EKF-SLAM)算法的估计一致性.通过理论分析证明了在移动机器人保持静止并持续对一个路标进行观测的场景下,如果机器人的初始位姿协方差矩阵为对角阵,则机器人位置估计的均值和协方差保持不变,而朝向估计将逐步失去一致性.此外,通过蒙特卡罗仿真给出了机器人朝向和路标估计下界的分布情况.结果表明,两者均服从正态分布,因此EKF-SLAM算法在概率意义下给出SLAM系统状态向量的无偏估计.     

基于改进IMM-UKF算法的一种融合航迹推演的红外路标室内定位方法

在结构化环境中,针对室内机器人导航对精度和实时性的要求,在一种新型红外路标定位方法的基础上,为满足全局导航的需要并简化硬件结构,提出一种融合航迹推演的红外路标室内定位方法,将单个大功率红外发射管作为路标,移动机器人上的红外摄像头作为接收传感器,融合采用改进的交互多模型无迹卡尔曼滤波(interacting multiple models unscented Kalman filter,IMM-UKF)算法.将融合航迹推演的红外路标室内定位方法和一般的定位方法做了比较,并将融合所采用改进的IMM-UKF算法与一般的融合算法做了比较.实验结果表明,提出的基于改进IMM-UKF算法的融合航迹推演的红外路标室内定位方法获得了比一般的定位方法更快的定位速度和更高的定位精度,且改进IMM-UKF算法比一般融合算法获得的定位精度更高.     

一种基于IEKF的轮式移动机器人自定位算法

为使移动机器人在导航时能满足定位要求,提高其定位精度,提出一种将里程计、相机传感器和激光雷达信息进行融合的自定位算法。根据机器人的机械结构和运动方式对其建立运动学模型,由里程计推算出机器人在不同时刻的位置估计;利用相机传感器对环境中的路标特征进行识别并计算出两者之间的距离和夹角;将激光雷达所获得的机器人相对路标特征的距离和角度与相机传感器的信息进行匹配,并利用迭代扩展卡尔曼滤波(iterated extended Kalman filter, IEKF)算法融合里程计信息,最终得到较为精确的机器人的位置估计。仿真试验结果表明,该多传感器融合算法相对传统的定位方法具有更高的定位精度。     

极小化加权完工时间和的调度问题

讨论目标函数为极小化加权完工时间和的调度问题·对于这类问题,平行机问题是NP 难的·基于对问题的分析,对工件的加工时间相等的恒速平行机问题,给出了多项式最优算法·Openshop问题是强NP 难的·给出了工序的加工时间相等的无等待Openshop问题与工件的加工时间相等的同速平行机问题的联系·根据这种联系,对工序的加工时间相等的无等待Openshop问题,给出了多项式最优算法·算法的复杂性均为O(nlogn mn)·     

基于极大似然估计的全景立体视觉机器人自定位方法

针对室内环境下移动机器人的自主定位问题,研究了一种基于极大似然估计算法的全景立体视觉机器人自主定位方法。通过分析双曲面折反射式全景成像系统原理,利用全景视觉具有探测范围广、能够获取环境信息丰富的特点,提出了一种同向垂直基线的全景立体深度信息测量算法。在三边定位算法的基础上推广,提出了基于多路标的极大似然定位算法,采用最小二乘估计法,计算机器人定位的几何超定方程组,设计了完备的定位算法,实现机器人的绝对坐标解算。该方法能够应用于大范围环境的全局定位,实验结果验证了该算法的可靠性和准确性。     

一种多臂机器人关节间碰撞检测快速算法

多臂机器人各运动关节被简化为在圆柱体两端分别带有半球的实体(圆柱体半径与球半径相等).对2个处于任意位置的实体,通过图形变换使其中之一的圆柱体轴线和圆柱体下底面圆心分别与空间直角坐标系的z轴和原点重合,然后根据在坐标平面上2实体正投影的干涉性和空间解析几何理论得出在3-D空间的2实体不干涉的5种可能情形,并分别给出其不干涉判别条件,进而给出了机器人运动关节的碰撞检测算法.数值实验表明该方法比其他同类算法具有较快的检测速度.     

一种WSN环境下多机器人协作式声源定位方法

研究多机器人协作式任务执行具有现实意义。针对目前机器人声源定位算法不能满足多机器人协作式搜寻声源的场合,提出一种无线传感器网络(Wireless Sensor Networks, WSN)环境下的多机器人窄带声源定位方法。该方法根据接收信号强度对多个机器人的全局坐标进行测距定位,利用到达时间差(Time Difference of Arrival,TDoA)定位方法估计机器人与声源的相对距离,并结合全相位傅里叶变换(all-phase FFT,apFFT)算法提高相对距离的估计精度,最后通过测距定位算法得到声源的全局坐标值。在4个WSN节点和3个机器人组成的系统中进行方法测试,实验结果表明：该方法能实现三机器人协作式的声源定位任务,定位准确率较高,可满足搜救场合中声源定位的要求。     

一种鲁棒的室外移动机器人路标定位系统

针对移动机器人室外作业需要,提出了一种对光照度的大范围变化具有良好鲁棒性的路标识别与定位系统.通过近红外光主动照明来降低可见光照度变化和阴影等因素对视觉的影响;利用全景视觉系统获取大范围的路标信息,采用动态大津法实现二值化,突出了光照度不均情况下的路标特征,以提高路标的识别率.室外环境下移动机器人定位实验结果表明,该方法对于大范围变化的光照度具有良好的鲁棒性.     

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.     

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…     

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 .     

一种基于BoW物体识别模型的视觉导航方法

针对复杂的室内环境,提出一种新的动态环境下的移动机器人视觉导航方法.该方法以室内常见物体作为自然路标,通过单目视觉建立识别模型来认知环境中的各种物体.首先对室内常见物体建立图像库,并对库中的大量图像采集SIFT特征;然后通过BoW模型来描述各幅图像,针对每类物体利用线性支持向量机(SVM)训练出物体识别模型;最后借助交互的手绘地图描述室内环境,移动机器人从中获得辅助路径以及自然路标的大概位置,从而完成导航任务.通过大量实验,从自然路标变化、目的区域变化、手绘地图偏差等多角度验证该方法的鲁棒性.实验结果表明,该导航方法操作简单高效,并具有人机交互性强、动态环境下适应能力高的优点.     

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.     

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.     

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。