基于图像处理的移动机器人视觉定位方法

移动机器人视觉定位方法,主要是将目标物体的图像像素与移动机器人和目标物体之间的距离联系起来。应用视觉传感器搜寻目标物体,并借助于图像处理技术提取目标物体的特征对目标进行定位。通过计算目标物体图像的像素数,比例关系来确定目标物体与机器人之间的距离。这种方法成功地运用于RIRAII移动机器人上。     

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．     

一种基于障碍物群的移动机器人数据融合方法

首先给出了一种通过融合多个超声波传感器和一台激光全局定位系统的数据建立机器人环境地因的方法，并在此基础上，首次提出了机器人在非结构环境下识别障碍物的一种新方法，即基于障碍物群的方法．该方法的最大特点在于它可以更加简洁、有效地提取和描述机器人的环境特征，这对于较好地实现机器人的导航、避障，提高系统的自主性和实时性是至关重要的．大量的实验结果表明了该方法的有效性．     

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。     

基于视觉反馈的自主式移动机器人路径规划方法

对自主式移动机器人，通过立体视觉方法得到环境的深度信息，并反馈控制机器人的运动。文中提出了一种基于自由门１－ｄｏｏｒ和ｔ－ｄｏｏｒ进行机器人路径规划的方法，讨论了该方法的可行性，并分析了通常情况下机器人运动可能遇到的几种情况。     

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。     

基于平滑A~*算法的移动机器人路径规划

栅格环境下A*算法规划出的移动机器人路径存在折线多、转折次数多、累计转折角度大等问题.为获得较优路径,提出平滑A*算法.在A*算法规划的路径基础上,遍历路径中的所有节点,当某一节点前后节点连线上无障碍物时,将延长线路的这一中间节点删除,建立平滑A*模型.仿真结果表明,平滑A*算法优于Ant(蚁群),Anyti me D*算法.平滑A*算法路径长度降低约5%,累计转折次数降低约50%,累计转折角度减少30%～60%.平滑A*算法能处理不同栅格规模下、障碍物随机分布的复杂环境下移动机器人路径规划问题.     

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.     

基于深度学习的障碍物检测与深度估计

提出了一种针对交通场景的基于深度学习的障碍物检测与深度估计方法。该方法对现有的YOLOv3模型进行改进,使用DenseNet网络代替原网络尺度较小的传输层,得到一种新的障碍物检测模型Dense-YOLO。然后采用立体匹配模型PSMNet得到双目图像的视差图,根据双目测距原理对被测目标深度进行估计。在KITTI数据集和实际交通场景中的实验结果表明,与YOLOv3模型相比,Dense-YOLO模型有效地提高了交通场景中障碍物检测的可靠性和正确率,对轿车、行人、骑行者和卡车这4类障碍物检测的平均精确率（average precision, AP）提高了3%～5%,平均精确率均值（mean average precision, mAP）提高了约4%。障碍物深度估计结果与真实值的平均相对误差约为3%。     

基于昆虫行为的小型气源定位移动机器人

具有气味追踪与气源定位能力的机器人有广泛的应用前景,如用于有毒气体、火灾征兆或者爆炸物的探测等.设计了一基于昆虫气味追踪行为的小型气源定位移动机器人.该小型机器人硬件系统简洁、紧凑,采用基于昆虫行为的anemotaxis气味追踪策略与沿墙避障策略相结合的方法,控制机器人定位室内可疑气源.实验结果表明,运用简洁的硬、软件系统设计的小型气源定位移动机器人具备在室内自主定位气源的能力.     

自主移动机器人定位方法的研究现状

介绍了当前自主移动机器人定位方法的研究现状，同时，对国外和国内具有典型性的研究方法进行了较详细的介绍，这对自主移动机器人定位方法的进一步研究具有一定的参考价值。     

一种鲁棒的室外移动机器人路标定位系统

针对移动机器人室外作业需要,提出了一种对光照度的大范围变化具有良好鲁棒性的路标识别与定位系统.通过近红外光主动照明来降低可见光照度变化和阴影等因素对视觉的影响;利用全景视觉系统获取大范围的路标信息,采用动态大津法实现二值化,突出了光照度不均情况下的路标特征,以提高路标的识别率.室外环境下移动机器人定位实验结果表明,该方法对于大范围变化的光照度具有良好的鲁棒性.     

基于多信息融合的移动机器人定位算法

为了提高机器人的定位精度,提出了一种基于里程计、单目视觉与激光雷达信息相融合的自定位算法.首先,由里程计推算出机器人在各个时刻位置的估计值;其次,在不同时刻计算出机器人摄像头与任意两个环境特征点的夹角变化,通过激光雷达获得环境特征点的距离和角度并利用扩展卡尔曼滤波算法与里程计的定位信息进行融合;最后,由匹配的环境特征对机器人的位置进行修正,得到精确的位置估计.实验结果表明,该算法在多转角、长距离的情况下取得了满意的效果,有效地提高了定位精度.     

双目视觉机器人精确定位研究

如何实时鲁棒地进行移动机器人精确定位是一个挑战性的问题,人工路标有助于解决视觉定位中的数据关联难题,双目视觉有助于提高定位的精度,本文提出一种结合双目视觉和人工路标的方法来实现移动机器人的精确定位,实验结果验证了本方法的有效性。     

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·     

基于激光同步定位与建图的移动机器人路径寻优方法

针对未知场景下移动机器人路径寻优问题,提出一种基于改进蚁群算法的激光SLAM移动机器人路径寻优方法。该方法由场景重构和路径寻优组成,利用激光雷达传感器观测特征物信息对广义卡尔曼滤波估计值更新,建立场景理解信息点云构造二维栅格地图,根据场景重构地图信息结合改进的蚁群算法进行路径优化。在复杂场景下,通过激光SLAM移动机器人实验表明,改进蚁群算法的激光SLAM移动机器人在多种复杂场景路径寻优和运行消耗时间等方面取得了较好的效果。