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。     

工业机器人绝对定位误差的建模与补偿

为了提高机器人的绝对定位精度,建立了机器人绝对定位误差模型并进行了补偿方法研究.将定位误差分为几何参数误差与柔度误差,分别建立相应的误差模型.几何参数误差研究以MD-H(修正型D-H)运动模型为基础,对柔度误差的影响进行了解耦,并考虑了机器人基坐标系与测量坐标系的转换误差,提出了基于相对位置的几何参数误差模型.柔度误差研究针对机器人的构造特点,建立了针对关节2和3的误差模型,简化了计算模型.最后基于所建立的两种误差模型,提出了误差补偿方法,并采用该方法对机器人进行了实际补偿实验.结果表明,平均绝对定位精度由补偿前的1.173 mm降至补偿后的0.158 mm,说明文中方法可有效提高机器人的绝对定位精度,扩展机器人的应用范围.     

RFID技术在一种餐厅服务机器人定位中的应用

为了提高服务机器人的定位精度,提出了一种基于射频识别(RFID)的服务机器人定位方法.设计了一套特殊的RFID系统,该系统采用读写范围较小的RFID读写器及被动式电子标签,减少了读写器读取标签的距离误差,从而提高了基于RFID定位方法的定位精度.使用读写器读取电子标签中存储的坐标数据,根据读写器安装位置与机器人中心之间的几何关系,得到机器人准确的位置,并能完成机器人航向角的判定.试验证明:该方法受环境影响小,具备较高的鲁棒性,能够获得低于±20mm的定位精度,完全满足服务机器人精定位要求.     

室外区域充满运行机器人导航定位的一种策略

该文根据在室外非结构化环境中实现区域充满运行的一类移动机器人的工作特点，提出了利用组合定位系统和数字地图匹配算法对机器人进行导航定位的一种策略。利用基于环境特征位置探测和数字地图信息匹配相结合对定位误差进行修正的方法来提高机器人导航定位精度。该方法克服了传统导航定位方法存在累积误差和系统复杂、成本高等缺点。经实验验证：该文提出的定位系统和误差修正的方法能满足移动机器人区域充满运行的定位精度要求。     

一种基于航迹推算与RSSI相结合的移动传感器网络节点定位方法

航迹推算不需要外部传感器信息,并具有定位精度高的优点,因此广泛应用在移动机器人的定位领域,但在移动无线传感器网络节点定位中,航迹推算难以避免误差的累积,且需要设定初始坐标。本文提出了一种基于航迹推算与RSSI相结合的移动传感器网络节点定位方法,该方法将二者的优缺点互补,具有不需要信标节点、计算量小、对硬件要求低等特点,且可以解决误差累积的问题。本文利用Matlab进行了仿真,仿真结果表明该方法明显地提高了定位精度,可以有效地应用在移动无线传感器网络中。     

巡检机器人全球定位系统/里程计组合定位方法

摘要：针对巡检机器人在校园环境中工作时,GPS信号易受树荫及较高建筑物遮挡而出现定位不准确的问题,提出GPS和ODO组合定位方法。该方法以GPS坐标信息为初始位置,里程计信息为主导航,GPS接收机的脉冲信号作为实时修正数据,利用卡尔曼滤波算法对系统状态进行最优估计,得到较为准确的状态估计值,最后利用状态估计值去修正系统的导航误差。同时在实验平台上进行验证仿真,实验结果表明,机器人以150cm/s的速度行驶80s后其轨迹误差能控制在5cm以内,得出利用多传感器融合技术可以提高机器人的定位精度和可靠性的结论,即通过对GPS和ODO组合定位方法能够有效提高机器人实时定位精度。     

混联机器人关节间隙误差建模及其定位精度可靠性分析

机器人末端定位精度可靠性是衡量其精度性能的重要指标,关节间隙是影响机器人定位精度的主要因素之一,建立准确的机器人定位精度误差模型是进行可靠性分析的前提。为探究空间关节间隙的随机不确定性对含有闭链机构混联机器人定位误差的影响规律,本文运用旋量理论和D-H参数法,提出一种考虑关节间隙的混联机器人定位精度误差模型;根据关节间隙模型参数的约束条件,量化间隙模型参数的不确定性,建立混联机器人定位精度的可靠性模型;采用双变量降维方法和鞍点近似方法,拟合机器人单坐标定位误差的概率密度函数,实现混联机器人定位精度高效可靠性分析。以含有平行四边形闭链机构的建筑机器人为例,验证所提模型的准确性和工程适用性,结果表明所提方法对比于传统的蒙特卡洛方法极大地提高了效率。     

基于深度学习的激光同步定位与地图构建移动机器人可定位性研究

高精度定位是移动机器人执行上层任务的基础,也是直接影响其他任务执行效果的首要问题。可定位性是对定位精度好坏的度量,对可定位性的预估可以使机器人提早避开难以准确定位的区域提高其他任务的成功率。以常用的地图匹配和航迹推算融合实现定位的方法为研究对象,分析了其工作机理,针对定位算法中航迹推算与地图匹配分别设计不同的神经网络模块,形成一种由卷积神经网络（CNN）、长短期记忆神经网络（LSTM）和多层全连接神经网络（MLFC）组成的多模块深度神经网络模型（MMN）。该方法以定位熵表征可定位性,以CNN网络预估地图匹配定位熵,以LSTM网络估计航迹推算定位熵,以MLFC估计前两者融合后的定位熵,从而实现对移动机器人可定位性的估计。仿真和实验结果表明,该模型能够准确估计给定地图上机器人的可定位性,预测熵与实测熵相比误差小于5%。     

一种基于航迹推算与接收信号强度指示相结合的移动传感器网络节点定位方法

航迹推算不需要外部传感器信息,并具有定位精度高的优点,因此广泛应用在移动机器人的定位领域,但在移动无线传感器网络节点定位中,航迹推算难以避免误差的累积,且需要设定初始坐标。现提出一种基于航迹推算与接收信号的强度指示法(RSSI)相结合的移动传感器网络节点定位方法,该方法将二者的优缺点互补,具有不需要信标节点、计算量小、对硬件要求低等特点,且可以解决误差累积的问题。利用Matlab进行了仿真,仿真结果表明该方法明显地提高了定位精度,可以有效地应用在移动无线传感器网络中。     

水轮机叶片坑内修焊轮式移动机器人定位算法

针对三峡等大型电站水轮机叶片坑内修焊机器人测控过程中的定位问题,设计了一种移动机器人沿复杂空间曲面运行时的定位算法.该算法以二维平面中的测程法为基础,利用机器人车体驱动轮编码器的测量信息和三维叶片曲面的离散点空间坐标信息,通过等时采样、瞬时平面近似及空间坐标变换等,计算任意采样时刻机器人在叶片表面的位置及姿态,实现机器人的空间定位.以水轮机叶片典型形貌的圆柱面为例,进行了机器人不同运行方式的仿真实验,结果表明该算法的定位误差小于1.5%.