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。     

基于多传感器融合的机器人导航系统设计

随着传感器技术的进步,多传感器信息融合技术在移动机器人中的应用已经成为一个热门的研究领域,为移动机器人探索不确定和未知环境提供了一种技术途径,是机器人实现更高级智能行为的基础。目前,用于移动机器人避障和导航控制的多传感器信息融合方法主要有模糊逻辑和神经网络。在机器人避障和导航控制中,本文采用了基于模糊逻辑的多传感器信息融合算法。通过对多传感器的信息进行融合能较好地实现机器人在未知环境中的自主避障与导航,并对这种控制方法进行了MATLAB仿真。通过对MATLAB仿真结果的比较,证明了在机器人的避障和导航控制中,该信息融合算法是优于传统信息融合算法的。     

车载雷达点云的结构化道路边界提取方法

为了提高结构化道路边界检测的准确性与鲁棒性,结合非参数变点统计方法,提出了一种基于32线激光雷达三维点云的道路边界提取算法。基于结构化道路区域和非道路区域存在一定高程跳变特征,该算法利用非参数变点统计,对激光雷达扫描的道路环境三维点云数据中突变的z坐标值进行标记,并提取对应的候选道路边界点(x,y)。利用道路边界方向的最大期望(EM)聚类算法,对候选道路边界点进行聚类去噪。利用最小二乘法拟合道路边界,在不同光照条件下的校园结构化直、弯道路环境进行实车实验,统计直道1 030帧数据和弯道650帧数据。仿真结果表明:算法识别准确性较高且检测距离达18 m,耗时约28 ms,可满足智能车实时性要求。     

基于产生式规则的机器人动态避障

以中型自主足球机器人为对象,研究其动态避障情况.依据传感器输入信息进行特征识别,选择距离机器人最近的为首要躲避障碍,利用产生式规则进行机器人避障控制,对远距离和近距离障碍采用不同的避障策略,并引入虚拟点以躲避碰撞.在仿真和实时环境下进行了实验,分析了障碍位置不同和输入参数不同情况下的避障情况,并与传统人工势场法进行对比,避免了传统人工势场法进行机器人避障时会出现陷入局部极小、抖动等问题.实验结果表明该方法能使机器人快速有效的躲避障碍.     

基于单线激光的果园机器人自主导航方法

以四轮差速机器人作为试验平台,提出一种基于单线激光雷达获取环境信息的方法,研究机器人在树行中心线的导航性能以及机器人到达行尾进行自主换行的能力.首先,由单线激光雷达获取环境信息,利用距离阈值法、自适应密度聚类算法、改进的最小二乘法等算法处理激光数据,得到树行中心线作为机器人理论导航路径,以机器人与导航路径的横向偏移量、航向偏角和线速度作为输入量来设计控制模型实时跟踪导航路径,到达行尾时能够自主感知并执行掉头转弯至下一行动作;行间自主导航试验中,机器人线速度分别为0.2、0.4和0.6 m/s,且机器人初始位置横向偏移量不大于0.8 m、航向偏角不大于15°时,导航轨迹与树行中心线的平均横向偏差为3.69 cm,最大横向偏差为11 cm;在自主换行测试中,机器人能够准确进行掉头转弯到下一行,然后继续进行行间导航.果园自主导航系统具有良好的运行稳定性和较高的导航精度,能够满足果园作业机器人的自主行驶精度要求.     

自动扫查爬壁机器人系统及调整运动

高压容器的焊缝常存在边界未熔合、未焊透、裂纹等问题,一般利用超声波串列扫查方法对焊缝进行无损检测．介绍一种用于化工容器在役检测的新型超声串列自动扫查爬壁机器人,并着重阐述了其机械结构及位置调整运动控制算法．该爬壁机器人采用磁轮吸附小车的行走方式、利用磁带进行导航和光纤传感器检测机器人状态,具有结构紧凑、导航性能好、位置调整方法可行和定位精度高等特点．实验证明该机器人方案可行,效果良好．     

基于模糊控制的移动机器人超声波避障算法

本文给出了利用移动机器人的超声波传感器得到距离信息,采用模糊控制的原理对机器人感知到的信息进行模糊化处理,并设计出模糊控制规则对机器人的执行部件进行控制实现了机器人的避障算法。     

多智能机器人系统中的自适应导航算法

根据机器人的运动方程,考虑移动障碍和机器人的速度信息及在它们与机器人之间3个方程的距离,提出了动态环境中控制机器人导航的算法,得出机器人避障最小距离,并针对环境中典型的情况进行理论分析。该算法减少了机器人实时计算路径的花费,特别适用于机器人在复杂、动态环境中实时路径控制,所提算法的有效性由实验验证。     

基于汽车导航电子地图的汽车AFS分析

针对现有的自适应前照灯系统(AFS)算法对弯道前、S型路面或过渡曲线上存在的滞后且不精确的问题,提出一种新的P-AFS算法,该算法可以有效利用汽车导航电子地图信息,通过车速和道路曲率来控制前大灯的偏转角度,再结合灯泡的5 lx等照度包络线确定AFS启动时刻.采用改进的遗传算法对PID参数进行整定,通过Carsim与Simulink建立整个系统的联合仿真模型,对简单道路模型和实际道路模型进行了仿真验证,并与传统的算法结果进行对比.结果表明:该P-AFS算法可以有效解决传统AFS算法的滞后性,并提高控制的精确度.     

基于3D激光雷达点云的道路边界识别算法

针对结构化道路环境中道路边界存在不连续、被遮挡及易受路内障碍物干扰情况下的识别问题,利用车载激光雷达获取的结构化道路环境三维点云数据的高程信息,结合局部均值变点统计方法,提出了一种用于激光雷达帧数据的道路边界识别算法。该算法首先利用局部均值变点统计对结构化道路环境三维点数据中突变的z坐标值进行标记并提取其对应的(x,y)数据点,即道路边界点数据粗提取;然后基于分段双阈值对粗提取的道路边界点数据滤波处理;最后利用最小二乘法拟合道路边界点数据。基于实车实验分别采集的不同道路环境条件下结构化直道1 450帧、弯道935帧数据,算法识别准确率均高于80%,且识别道路宽度误差小于0.14 m。实验结果表明,该算法不仅能够自动识别结构化道路边界,而且有效抑制了路面障碍物的干扰,验证了算法的有效性。