基于多传感器信息融合的移动机器人定位技术研究

移动机器人自身的定位问题是移动机器人在实际应用中首先会遇到的问题,是移动机器人完成各项任务的首要前提。为提高自制移动机器人的定位能力．设计了扩展卡尔曼滤波器对移动机器人装载的里程计、陀螺仪以及电子罗盘信息进行了信息融合。仿真研究结果缸明移动机器人的定位能力能得到一定的提高。     

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。     

基于的贝叶斯理论的多系统定位融合算法

针对传统多系统融合定位中协作性较差,自适应性不足的问题。为了多系统定位达到更好的效果,提高多系统协同定位算法中信息融合的高效性、场景间切换的适应性,本文对传统的多系统定位融合算法进行了改进。该算法采用贝叶斯理论,多系统观测数据融合输入,建立贝叶斯概率观测模型,对多系统间定位信息直接交互,通过扩展卡尔曼滤波理论估计定位信息。在此基础上,利用各系统滤波新息和方差对场景间切换时系统概率进行实时更新,将估计结果以系统概率加权方式融合输出;仿真结果表明,在相同观测条件下,本算法与传统定位算法相比,具有更好的稳定性及自适应性。     

融合多传感器信息的移动机器人自定位方法

提出一种给定环境模型下移动机器人全局自定位算法,通过融合声纳传感器和视觉传感器的异质传感信息把具有多模态、鲁棒性强的Markov方法和单模态、高效准确的EKF方法组合应用并加以改进,来实现准确和快速的全局定位,同时提高位姿跟踪的准确性.Markov方法中位姿空间的低分辨率离散减小了存储需求,声纳感知模型对位姿空间分布进行初始化并提供了全局的位姿假设,视觉感知模型实现了位姿分布更新,而基于视觉特征的EKF方法则提高了定位的精度.实验结果验证了本方法的有效性.     

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.     

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。     

一种基于多信息融合的环境探测方法

阐述了一种用于移动机器人导航的采用多信息融合技术进行环境探测的方法,讨论了这种方法的容错能力,并给出了计算机仿真结果．     

基于区间卡尔曼滤波的多传感器信息融合

目标运行建模过程中,存在系统参数不确定的情形．将基于标准卡尔曼滤波的多传感器信息融合算法由系统参数确定的情形推广至参数不确定的情形,给出了基于区间卡尔曼滤波的多传感器信息融合算法,解决了系统参数不确定情形下系统状态估计的融合问题．给出的状态估计不再是目标的状态点估计,而是目标状态的区间估计．     

基于多行为融合的移动机器人路径规划方法

针对现有的移动机器人路径规划方法中存在的局部极小问题,提出了一种基于多行为融合的路径规划方法. 该方法定义3种机器人的基本行为并通过各行为间的切换完成路径规划任务. 其中,逃离局部极小行为利用尝试原则判断机器人是否落入局部极小陷阱,之后使用角度补偿原则逃离使机器人陷入局部极小陷阱的障碍物. 仿真结果和基于真实机器人平台的实验结果均证明本文方法较已有方法更具有可靠性以及适应性.      

基于模糊行为融合的移动机器人避障算法

为了减少移动机器人自主导航过程中过多寻求当前时刻最优路径或最优解而产生的死锁或震荡现象,根据多目标优化理论,提出了基于模糊行为融合的移动机器人避障算法.该算法把指定目标的导航过程分解为具有三个子行为的系统,根据传感器信息动态改变各子行为函数的区间权重和优先级,实时获得当前时刻最满意路径或最有效路径.实验结果证明:该算法可以有效减少导航过程中的死锁和震荡现象,提高避障过程的鲁棒性和实时性.     

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。     

基于最优信息融合卡尔曼滤波的预测控制算法

针对噪声环境下的线性时不变系统,给出了基于最优信息融合卡尔曼滤波的预测控制算法.运用线性最小方差意义下的最优信息融合卡尔曼滤波方法获得状态估计,进而得到输出的N步超前预测值,最后通过最小化二次性能指标获得基于信息融合状态估计的控制输入.仿真实例验证了算法的有效性.     

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.      

基于测角的自主移动机器人定位算法

给出了自主移动机器人定位的两种算法:解析算法和数值算法·解析法公式较以往的简洁·数值算法结合解析法和高斯牛顿算法,不仅能避免因初值选取不合理而导致求解过程发散的问题,而且能提高运算精度和速度·通过对两种算法的计算机仿真,表明了解析算法具有运算速度快,而数值算法具有精度高的特点·其结果已用于自主移动机器人的研制中·     

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.     

基于异质传感器信息融合的移动机器人SLAM研究

针对采用单一传感器在移动机器人同步定位与构图(SLAM)中存在定位精度低、构图不完整等问题,提出一种基于Kinect视觉传感器和激光传感器信息融合的SLAM算法。首先将Kinect传感器获取的深度图像经过坐标系转换得到三维点云、通过限制垂直方向滤波器过滤三维点云的高度信息、再将剩余三维点云投影到水平面并提取边界点云信息转化为激光扫描数据;然后与激光传感器的扫描数据进行数据级的信息融合;最后输出统一数据实现移动机器人的构图及自主导航。实验结果表明,该方法能够准确的检测小的及特征复杂的障碍物,能够构建更精确、更完整的环境地图,且更好地完成移动机器人自主导航任务。     

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．