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。     

移动机器人的导航定位和地图构建技术综述

在非结构环境或动态环境下,移动机器人必须学会如何导航。目前相关的研究主要集中于机器人定位和地图构建两个方面。本文介绍了移动机器人的主要特征和发展概况,分析了移动机器人定位技术的研究动态,总结了移动机器人地图构建的主流技术和发展趋势,为进一步的研究工作建立了基础平台。     

未知环境中移动机器人的环境探索与地图构建

研究了未知环境中移动机器人同时进行环境探索和地图构建问题.基于实时获取的激光传感器数据,设计了具有避障功能的环境探索策略,并对候选观测点的产生和评估方法进行了改进,使选择出的候选点能同时兼顾信息增益的最大化与环境信息的完整性,保证了环境探索的连续性和遍历性.在环境探索基础上,提出了以增长神经气网络的网络节点作为拓扑网络节点的环境地图模型,该模型利用神经气网络的增长特性,通过不断增加新的拓扑网络节点来对机器人周围未知环境的整体性知识进行抽取与表达,构建出了易于机器人理解的环境地图.仿真试验验证了本文所提方法的有效性.     

移动机器人同时定位与建图室内导航地图研究

针对当前视觉同时定位与建图(simultaneous localization and mapping,SLAM)生成的点云地图不能满足路径规划和导航的需要,提出一种室内移动机器人的导航地图制备方法.首先,通过SLAM估计相机位姿,后端优化后生成室内场景的三维点云地图;其次,根据地面移动机器人的运动约束及结构特点分情况讨论,推导点云相对于地面的二维坐标,同时对点云进行地面与障碍的分离、截取与筛选;最后,根据栅格占据状况有序构建出导航地图.实验结果表明,基于点云坐标的障碍物截取准确度高于地面拟合截取方法,所建地图精度与完整度均高于传统方法.室内移动机器人能基于该地图进行路径规划与导航.     

未知环境下机器人定位与运动目标侦测

提出了一种基于扫描点匹配的未知环境下机器人定位与运动物体侦测方法.该方法利用同一性检验原则完成扫描点类型判断,有效减小由环境运动物体引起的机器人定位误差,提高了动态环境下机器人同时定位与地图构建的准确性.该方法的引入提高了基于扫描点匹配的 SLAM 方法在实际环境中的应用价值,同时拓展了传统SLAM 的研究和应用范围,使之可以与目标跟踪方法相结合.通过实体机器人实验证明了该方法的有效性.     

基于优化RBPF的同时定位与地图构建

以优化的Rao-Blackwellized粒子滤波器(RBPF)为基础,实现了室内移动机器人同时定位与地图构建(SLAM).结合移动机器人的运动模型和观测模型,设计一种基于退火参数优化混合提议分布的RBPF算法,以退火参数调控两者在混合提议分布中的比例,使改进的提议分布更加接近真实状态;针对重采样后粒子退化效应,提出一种基于等级的自适应局部重采样(APRR)算法.在机器人操作系统(ROS)平台上,使用配有URG激光器的Pioneer3-DX机器人对改进算法进行实验验证,结果表明:改进算法能减少所需粒子数,保持粒子多样性,降低计算复杂度,在不同环境下在线创建高精度的2-D栅格地图.     

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.     

基于卷积神经网络的语义同时定位以及地图构建方法

环境感知技术是智能车功能实现的前提,而在感知的基础上提高智能车对环境的认知能力是实现全自动驾驶的关键。本文针对室外交通场景,基于卷积神经网络提出了一种新的智能车同时定位以及语义地图构建方法,对智能车进行定位,并且构建稠密的3D语义地图,提高智能车的环境感知、认知能力。首先,基于双目ORB-SLAM提出了一种四线程的双目SLAM（Simultaneous Localization and Mapping）方法构建稠密的3D点云地图,四线程分别为追踪线程,局部地图构建线程,回环检测线程以及稠密地图构建线程;其次,为提高智能车的环境认知能力,使用端对端的方法对图像进行语义分割,并且为提高语义分割精确率,将环境的几何信息也作为卷积神经网络输入;最后,将感知的能力与认知的能力相结合构建语义地图,为智能车实现全自动驾驶奠定基础。本文将算法在KITTI数据集上进行测试,整体算法速度为10帧/秒,语义分割的全局精确率为73.1%,构建的语义地图显示本文提出算法能够在大规模室外场景下重构全局一致性地图,并且帮助智能车实现对环境的解析。     

基于点线特征的视觉同时定位与地图构建综述

同时定位与地图构建(simultaneous localization and mapping, SLAM)作为计算机视觉中的热门方向,在无人驾驶、移动机器人等领域中发挥着重要的作用。由于线特征在低纹理环境下的优势,越来越多的研究人员利用点线特征融合的方法提高SLAM系统的精度和鲁棒性。文中首先简要阐述了传统的点特征SLAM系统在低纹理环境下的局限性,并对现有的视觉SLAM综述文献进行了总结;随后,对经典的点线SLAM方案进行了介绍,并总结了点线特征融合在前端、后端、闭环检测中的研究进展;最后,对点线SLAM未来的发展方向进行了展望。     

移动机器人即时环境探索与地图库构建

研究了室内准结构化环境中移动机器人自主环境探索与复合环境地图库构建问题.基于实时获取的激光测距数据,并面向机器人自主导航、探索与认知等多种任务需求,提出了基于探索导向点的自主环境探索方法,以及可与准结构化环境相适应的复合地图库构建算法.为了适应环境中存在的随机运动人体目标及用几何特征无法表述的非规则障碍区,提出了临时栅格统计算法和非规则障碍区建模算法,从而实现环境动态信息的实时处理和对不规则障碍区的聚类与划分.通过对仿真和应用于Pioneer3-DX移动机器人平台所获得的实验结果和数据的分析讨论,论证了所提算法的有效性和实用性.     

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…     

未知环境下的移动机器人SLAM方法

基于改进粒子滤波器,提出了一种应用于未知环境下的移动机器人的同步定位与地图创建方法.针对传统粒子滤波器经过多次迭代后粒子退化从而需要大量粒子才能提高定位精度的问题,设计了一种基于人工鱼群算法的粒子滤波算法,该方法主要利用人工鱼群算法对预估粒子进行二次更新,从而调整了粒子的分布使其更加接近真实位姿,提高机器人的SLAM性能.经过Matlab仿真实验,证明了该方法能够准确快速地对机器人定位,并且构建的地图精度也很高.     

基于视觉里程计的移动机器人三维场景重构

研究移动机器人在不依赖GPS环境下的三维场景重构方法.在基于双目视觉的实时位姿估计中,使用基于最大团的内点选取方法对RANSAC算法进行优化,通过鲁棒的运动估计算法求解机器人的三维位姿.基于自主研发的全景三维激光系统来实现室内场景的三维点云数据采集,同时利用视觉里程计提供的移动机器人可靠位姿来完成多视点下的三维点云数据融合,从而保证了大范围三维场景重构的有效实现.利用SmartROB移动机器人平台在办公大厦的室内、走廊及大厅等多种环境进行了实验验证,实验结果表明本文所提方法的有效性和实用性.     

未知环境下移动机器人运动目标跟踪技术研究进展

运动目标跟踪技术是未知环境下移动机器人研究领域的一个重要研究方向 .针对该技术的高度复杂性 ,在介绍了未知环境下目标跟踪技术的几个特点的基础上 ,对其中两个关键环节即目标建模与图像跟踪算法的主要思想和方法进行了较详细的分析与比较 ,指出了该领域的研究难点和待解决的问题 ,并对未来的发展做出了展望 .     

高应力岩石局部化变形与隧道围岩灾变破坏过程

为了研究深埋隧道围岩变形局部化与渐进破坏现象,运用FLAC3D三维显式有限差分法分析软件,基于摩尔-库仑剪破坏与拉破坏复合的应变软化模型,采用大变形的计算方法,研究了岩石试件在单轴压缩状态下局部化现象启动、发展直至试件最终破坏的全过程,进一步结合隧道物理模型试验,探讨了高应力条件下隧道围岩变形局部化与渐进破坏的关系,发现岩石材料表现出的软化性状与剪切带形成的结构软化有着密切的联系,从围岩屈服区和软化带的分布规律找到高地应力隧道围岩渐进破坏的突破口,并指出岩体单元的弹性变形和单元屈服后岩体的塑性挤出是隧道开挖后收敛变形的主要原因.     

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.     

机器人定位中稳健的自适应粒子滤波算法

为了提高粒子滤波算法在机器人定位中的性能,在基本粒子滤波算法的基础上,引入概率回退的方法对机器人的初始状态进行估计,采用窗口滤波更新粒子集合,根据对机器人位置估计的情况动态更新粒子集合的大小,得到一种改进的粒子滤波算法——稳健的自适应粒子滤波算法。仿真结果表明:该算法充分利用了对机器人位置估计的有效信息,在显著提高算法稳健性的同时,降低了运算复杂度,较好地解决了机器人定位这一非线性非Gauss状态在线估计问题。