基于粒子滤波器的室内移动机器人自定位

针对里程计和超声波传感器构建地图时由于累积误差易造成的地图扭曲失真,引入红外定位传感器作为绝对路标信息,生成全局拓扑地图,并在此基础上利用贝叶斯理论进行局部栅格地图的构建,混合地图减小了里程计的累积误差,提高了地图的稳定性.在此栅格地图中,采用改进的粒子滤波器进行定位.基于大权值粒子及周围空间描述机器人位姿置的概率更大的思想,提出了大权值自适应算法,较好地解决了传统粒子滤波器迭代过程中的退化问题.实验结果表明,在250 cm×500 cm的区域内,绝对路标栅格定位方法能够准确生成地图,改进的粒子滤波器的定位误差小于2 cm.     

栅格地图中基于改进粒子滤波的SLAM

针对移动机器人在未知环境中导航时由于机器人本身位置不确定、所处环境不可预知等问题,提出了一种在栅格地图中基于改进粒子滤波的SLAM定位算法.首先利用贝叶斯规则更新环境信息;然后利用改进粒子滤波对机器人进行定位,地图更新和机器人定位交替进行,直到将整个环境探测完毕.仿真结果表明:该算法在SLAM中增强了实时性,比较精确地...     

基于粒子滤波的微小型移动机器人红外定位研究

对微小型移动机器人之间的协作定位问题进行了研究.根据微小型机器人的结构特点,建立了它们之间的红外定位模型.在红外定位的基础上,将粒子滤波算法应用于微小型移动机器人的状态估计中.结合红外传感器信息更新各时刻机器人位姿信息的粒子集,并利用粒子集逼近机器人当前时刻的位姿状态.通过实验和误差分析,对所建立的基于粒子滤波的红外定位方法的可行性进行了验证.     

未知环境下移动机器人的同时定位和地图构建

针对未知室内环境下的自主移动机器人的同时定位和地图构建(SLAM)问题,通过激光测距仪来获取环境信息,采用室内环境直线特征的提取和匹配方法,使移动机器人能够自主定位,解决了里程计传感器在移动中所带来的不确定性误差,同时采用移动栅格法对全局地图更新,提高了系统运行速度.利用Pioneer-3移动机器人平台进行实验,得到了较完整的环境地图.实验结果表明了基于环境特征的移动机器人同时定位和地图构建方法的有效性和实用性.     

大环境下拓扑化栅格地图的多峰定位研究

通过对室内移动机器人定位研究发现,粒子滤波定位算法在较大的环境下效率低而且定位不准确。为了解决这个问题,提出一种基于拓扑化栅格地图的多峰粒子滤波定位方法。根据室内环境的特征不同,将栅格地图中的不同区域划分为若干拓扑节点。拓扑化栅格地图可以将地图的信息表现得更加简洁。通过对地图中不同的节点进行一次预匹配,来加快机器人定位的效率和准确性,同时为了消弭相似节点带来的影响,最后通过多峰粒子滤波的方法完成机器人的定位。实验结果证明该方法可以有效解决大环境中机器人定位不准确和效率低下等问题,可以帮助机器人实现大环境中的准确而快速定位。     

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.     

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.     

多假设跟踪的移动机器人SLAM算法

针对基于视觉定位的移动机器人自主定位过程中容易产生多种候选位姿.提出一种基于多假设跟踪的同时定位和地图创建方法.该方法通过提取图像SIFT特征进行视觉量测,修正里程计累计误差,再利用多假设跟踪方法获得当前时刻的最优位姿,实时产生环境的栅格地图,并且随着机器人的位姿变化实时更新.研究结果表明:此算法不仅能够较好地创建环境地图,而且能够有效解决机器人"绑架"问题,提高自主定位精度.     

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.      

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。     

基于贝叶斯估计的超声红外复合测距系统

针对单一传感器在复杂环境中测量数据可靠性差以及同一类型多传感器测距盲区无法补偿的问题,提出了一种基于贝叶斯估计的不同类型多传感器复合测距方法。该方法综合了超声与红外2种传感器的优点,利用红外传感器对超声传感器的测距盲区进行补偿,解决了单一类型传感器存在的测距盲区问题。对同一类型多个传感器同时获取的数据动态建立置信距离矩阵,应用椭圆曲线表示的支持程度关系矩阵确定各传感器测量结果中的有效值,并对其应用贝叶斯估计的方法进行数据融合,使测距准确度进一步提高。基于超声红外复合测距移动机器人的仿真实验表明,采用贝叶斯估计方法在保证实时性的前提下提高了测距的准确度,误差为±1 mm,达到了设计要求,为移动机器人的研究提供了参考。     

煤矿救援蛇形机器人环境建模方法研究

煤矿救援机器人的研究对煤矿救灾工作的顺利开展有着重要的现实意义,简要分析了煤矿救援机器人在环境建模方面的研究现状,针对煤矿事故发生后,救援蛇形机器人如何在恶劣的井下进行环境识别和建模,提出了一种变结构模糊神经网络的多传感器数据融合算法。重点讨论了该算法的原理,结合煤矿井下的特殊环境和蛇形机器人自身结构特点,采用超声波传感器、红外测距传感器、激光雷达传感器组来获得障碍物的距离、位置信息及环境类型信息,然后,利用模糊神经网络对这些信息进行融合,采用改进的BP算法对网络进行学习,通过对结论网络权值的调整,择优选取模糊规则,从而自动的调节模糊神经网络的结构。以机器人在靠近障碍物时的八类典型环境标志为依据,通过模糊神经网络识别出障碍物的形状,完成环境的建模。利用实验获得的一组数据进行了仿真,结果表明该算法实现了在不同环境中模糊隶属函数的自动生成和模糊规则的择优提取,适用于复杂的非线性系统,对于煤矿救援蛇形机器人的环境识别和建模是一种行之有效的方法。     

基于主动信标和航位推测法的多机器人位置最优估计

针对一种新的多机器人交替定位方式,研究基于主动信标和航位推测法的多机器人位置估计算法. 指定多机器人中的3个保持静止作为信标机器人(不一定始终是同样3个机器人),其它机器人作为移动机器人. 通过超声波测距得到移动机器人与3个信标机器人的距离,并通过IEKF(iterated EKF)算法将距离信息和移动机器人的航位推测信息相融合,实现移动机器人位置的最佳估计. 轮流交换机器人作为主动信标的角色,即可实现多机器人的位置估计. 实验验证结果表明,移动机器人的位置估计误差在±10 mm之内;该方法有效,且不需要在环境中设置固定信标,可应用于未知环境.     

基于LPC2106的自主式移动机器人设计

以PHILPS公司的ARM单片机LPC2106为控制核心,提出了一种自主式移动机器人的设计方案,应用98C1051构成多超声传感器子系统控制电路,由此子系统实现对障碍物的测距及机器人的自主避障行走控制;通过光敏传感器实现机器人对光源的感知和寻找.通过无线通信芯片PTR2000实现移动机器人与计算机之间的无线通信.     

家用智能看护机器人高精度里程计估计算法

为了解决家用智能看护机器人车轮轮胎和地面作用力与电机输出力矩不平衡,易导致看护机器人产生滑动、里程计估计精度低的问题,引入牵引系数描述机器人滑动情况,推导含牵引系数的看护机器人运动学模型,以增量式光电编码器和惯性测量单元2种传感器为输入,将含牵引系数的运动学模型应用于基于扩展卡尔曼滤波算法的看护机器人里程计估计算法,搭建看护机器人实验系统完成算法验证。结果表明：在家用瓷砖地面,看护机器人分别以0.1,0.2,0.4 m/s的速度移动时,与传统里程计估计算法相比,所提出的机器人里程计估计算法的误差降低了40%左右。将含牵引系数的运动学模型应用于机器人里程计估计算法,可有效降低看护机器人的里程计估计误差,为提高看护机器人在室内地面的自主导航精度提供了一定的参考。     

基于超声波传感器与红外传感器的移动机器人感测系统研制

文章利用超声波传感器与红外传感器各自的优点,设计了基于超声波传感器和红外传感器的移动机器人感测系统,该系统采用红外传感器补偿了超声波传感器的检测盲区,使移动机器人具有更大的感测范围,文章完成了感测系统软硬件设计,并进行了详细的理论和实验研究,实验结果表明本文设计的感测系统结构简单、精度高、重复性好、成本低,具有普遍的应用意义和广泛的应用价值。     

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。     

基于多传感信息的挖掘机器人导航及避障技术

为实现挖掘机器人在挖掘作业前,无碰撞安全行走到作业场所,采用视觉、红外及超声波传感器,采集挖掘机器人外界环境信息,通过红外及超声波传感器实现墙壁跟踪导航;依靠视觉传感器,实现巡线、道路识别、导引车辆跟踪导航;依靠光流法提取障碍物特征信息,实现路面障碍物的识别、避障。研究结果表明:综合使用多传感器信息,可以实现挖掘机器人的导航及避障目标。     

汉-Ⅰ型智能机器人自律行走控制

本文讨论小车式机器人利用超声波传感器实现自律行走的问题.文中建立机器人行走运动的数学模型.讨论了两种利用超声波传感器和其它传感器确定器人空间位置、速度及姿势的方法.提出了一种分段最优控制方案.     

基于EMA_UKF的移动机器人传感器故障诊断

针对移动机器人多传感器单个或组合故障的情况,提出一种基于EMA_UKF(expected mode augmentation-unscented Kalman filter)方法,用于解决传统固定结构交互多模型算法(FSMM)因模型数量多而造成实时性较差,以及扩展卡尔曼滤波(EKF)计算复杂且精度不高的问题。EMA_UKF方法将期望模型扩张算法(EMA)与无味卡尔曼滤波方法(UKF)相结合,首先利用模型集合自适应来确定期望模型;然后用期望模型扩张初始模型集,通过UKF滤波得到接近真实模型状态的估计结果,判断传感器故障类型。最后,通过与传统的FSMM方法的实验对比,表明该方法能够有效地判断出移动机器人单个或组合传感器故障类型,并且明显地提高了诊断精度。