视觉传感系统的自主移动机器人路径规划方法

在未知环境下,机器人很难快速获取周边环境信息并建立实时环境地图,实现自主运行.为此提出基于视觉导航的方法,利用全景摄像机作为机器人的视觉传感器系统采集环境信息,将彩色地图进行HSI空间下模糊聚类图像分割,得到环境二值图像;将图像进行栅格化处理来构建环境地图,运用8方向连接的Dijkstra进行全局路径规划,计算出最优路径,从而实现移动机器人的快速、自主运动.经过仿真实验证明,该方法有效且可行.     

ROS的服务类移动机器人SLAM导航的研究

近年来,随着人工智能的迸发,计算机的各项技术的突破,硬件技术的发展。机器人行业也取得了新的进展。服务类移动机器人的研发也不限于实验室,慢慢走出实验室而开始商用。对于服务类移动机器人来说,SLAM(同时定位于地图构建)是关键技术,也是目前研究的主要方向和热门。本文主要针对室内移动机器人的探究,使用ROS平台和Gazebo试验和仿真SLAM。一开始介绍本文的研究背景和近年来国内外的服务类移动机器人的现状。其次介绍了本文所用到的移动平台,和介绍ROS机器人操作系统。之后介绍SLAM的概率学模型,在概率学模型上添加地图。最后开始试验对SLAM的测试,在未知环境下实现了地图构建和导航。     

基于动态分区方法的多机器人协作地图构建

本文针对多机器人对复杂的未知环境的地图构建问题，提出了一种通过动态分区实现多机器 人协作地图构建的方法．在本文中，采用基于栅格的地图表示法，利用多个距离传感器收集 信息，应用Dempster Shafer证据推理法对信息进行了融合．通过仿真试验，验证了该方法 的可行性．     

动态环境中移动机器人地图构建的研究进展

大部分现有的移动机器人地图构建方法都是基于静态环境的假设,而实际应用中移动机器人的工作环境是随时间变化的.综述了动态环境中移动机器人地图构建的最新研究进展,介绍了基于地图、基于运动和基于跟踪的检测动态障碍物的各种方法,分析比较了动态环境中移动机器人过滤运动障碍物传感器观测信息和结合运动障碍物传感器观测信息构建环境地图的主要方法,并总结了各种方法的优缺点.探讨了动态环境中移动机器人地图构建存在的难点问题,并展望了该领域的研究方向.     

一种基于RGB-D的移动机器人未知室内环境自主探索与地图构建方法

提出了一种基于RGB-D信息的移动机器人自主探索与地图构建方法.首先,基于RGB-D传感器提供的信息,通过定位点生成、地图构建与闭环检测,实时构建3D点云地图.然后,将探索过程描述成部分可观测马尔可夫决策过程,结合局部地图推演策略与全局边界搜索策略,建立了移动机器人的自主探索方法.在此基础上,确定移动机器人当前动作约束,采用动态窗运动控制方法,既能避免移动机器人陷入局部最优,又能保证采用RGB-D数据进行建图时的稳定性.最后,开展了实验室场景下的探索任务实验,验证了本文提出的移动机器人未知环境自主探索与地图构建方法的有效性.     

基于动态精简式混合地图的移动机器人自主探索

针对未知环境下移动机器人自主探索和地图创建问题,在机器人操作系统的框架下,提出一种基于动态精简式混合地图的移动机器人自主探索方法.首先,提出一种基于几何规则的候选目标点生成方法,用于快速提取当前的前沿目标点;然后,从信息收益和路径成本的角度,引入一种改进的效用函数来评价候选目标点;最后,利用缓存增量式的原理优化拓扑节点,进而构建精简式混合地图.实验结果表明,通过拓扑图构建策略的改进,所提出方法具有良好的导航性能.     

受限移动机器人构建地图的最优探测法

对复杂未知环境构建地图是移动机器人面临的一大问题.通常忽略未知环境的几何特征,将其抽象成未知无向连通图,机器人只沿着图的边进行搜索,并将走过每条边的成本看成是1.机器人构建地图的成本用走过的总边数来表示.对于一个完全未知的环境,从一点S出发,限制移动机器人最远能走r(如燃料问题及安全线或通信线等)步(边数)的范围内,基于深度受限剪枝生成子树的方法,结合广度优先搜索和受限的深度优先搜索染色策略,给出了对未知环境构建完整地图的有效算法,该算法的成本为|E|+O|V|,这是目前最优结果.     

基于改进Rao-Blackwellized粒子滤波器的 同时定位与地图构建

解决同时定位与地图构建(SLAM)问题是实现机器人自主导航的核心.目前,Rao-Blackwellized粒子滤波器(RBPF)是解决机器人同时定位与地图构建的有效方法.该方法在计算提议分布时,通常只考虑移动机器人的里程计信息,因此存在需要大量的采样粒子造成的计算量和复杂度增大的问题.本文提出一种改进算法,在计算提议分布时将机器人里程计信息和激光传感器采集的距离信息进行融合,有效地减少了所需粒子的数量并降低了滤波器预测阶段机器人位姿的不确定性.本文在机器人操作系统(robot operating system,ROS)平台上,使用配有URG激光器的Pioneer3-DX机器人进行了实验.结果表明,采用本文方法能够实时在线地创建高精度的栅格地图,为机器人在未知环境中的SLAM和导航提供了新途径.     

基于免疫自适应遗传算法的机器人栅格地图融合

融合各机器人独自创建的环境地图,实现信息共享,是提高分布式多移动机器人系统环境探索效率的关键.研究了在没有公共参考坐标系及机器人相对位置信息未知情况下的栅格地图融合问题,提出了一种基十免疫自适应遗传算法的栅格地图融合方法,该算法把反映两个栅格地图重叠区域相异程度的优化函数作为抗原,每个可能的平移、旋转平面转换对应一个抗体.仿真结果表明了该算法可以较快的收敛速度和较强的全局搜索能力,搜索到两个栅格地图的最佳重叠区域,实现地图融合.     

机器人同时定位与地图构建技术研究*

移动机器人同时定位与地图创建是实现未知环境下机器人自主导航的关键性技术,具有广泛的应用前景,也是目前机器人研究的热门课题之一。针对国内外近年来关于移动机器人同时定位与地图创建的研究工作进行了总结和分析,重点介绍了机器人的地图创建方法类别、基于概率理论的自主定位方法、同时定位与地图创建的问题描述及研究方法等方面的发展现状及存在的不足。     

基于细化算法的移动机器人拓扑地图创建

在大规模未知环境中,移动机器人要自主完成导航和路径规划等智能任务,关键问题是创建周围环境地图.拓扑地图.以图(Graph)的结构形式表现-个环境的连通性,是一种紧凑的环境表示方法.文中借鉴图像处理中的细化算法来创建室内环境的拓扑地图,首先以栅格地图建模机器人环境,然后将环境的栅格地图进行细化,提取出环境的有效拓扑信息.而且,此方法创建的拓扑地图,未直接使用传感器原始数据,对环境的变化具有较强的鲁棒性.仿真实验结果表明,基于细化算法创建的环境拓扑地图,清晰、简洁,不会产生多余的节点和路径信息.相比于栅格地图,信息存储量明显减少,从而提高了移动机器人自主运行、导航和路径规划的能力,大大提高了系统的工作效率.     

基于模糊控制的移动机器人避障研究

针对移动机器人在未知环境中的不确定性,利用Matlab构建了多传感器仿真试验移动平台,在Simulink中搭建移动机器人运动学模型,利用多传感器采集环境中的障碍物信息与目标物的方位角,设计了具有避障功能的模糊控制算法.通过模糊控制器控制移动机器人的左右轮速度实现机器人的转弯以及直走,根据机器人实时的角度反馈信息不断修正机器人的位姿以精确避障.仿真实验验证了该方法的可行性及有效性.     

基于行为优先与模糊控制的移动机器人导航

由于动态未知环境下自主移动机器人的导航具有较大困难,为实现自主机器人在动态未知环境下的无碰撞运行,文中将行为优先级控制与模糊逻辑控制相结合,提出4种基本行为控制策略:目标寻找、避障、跟踪和解锁.针对'U'型和'V'型障碍物运行解锁问题,提出了行走路径记忆方法,并通过构建虚拟墙来避免机器人再次走入此类区域.仿真实验表明,所提出的控制策略可有效地运用于复杂和未知环境下自主移动机器人的导航,且具有较好的鲁棒性和适应性.     

无路标环境下遥操作机器人SLAM系统

为了提高遥操作机器人的实用性和高效性,设计与开发了一种基于无线网络的无路标未知环境下探索移动机器人系统,其包括移动机器人子系统和机器人远程状态监视子系统.根据机器人功能需求,提出一种多控制器协作及多传感器信息融合的移动机器人硬件结构.利用机器人实时定位和激光测距扫描的能力,提出了一种改进的VFH算法,进行机器人自主局部路径规划.机器人远程状态监视子系统通过无线网络设定机器人的目标点,实时监视机器人状态,并绘制机器人所探索的环境地图.实验表明,开发的探索移动机器人系统具备了在未知环境探索的能力.     

一种室内移动机器人自主探索方法

研究室内未知环境下的移动机器人自主探索问题,并提出改进策略.首先,提出一种基于可通行区域的探索目标点快速提取方法,以补充原有方法在特殊环境结构下出现的提取探索目标点失败的缺陷;然后,提出一种基于激光数据和栅格地图信息的实时拓扑地图构建与优化方法,使得探索地图更加精简,探索过程更加高效;最后,通过改进的避障模块实现机器人的运动控制,以到达机器人安全探索的目标.同时,该系统采取机器人操作系统(Robot operating system, ROS)下的分布式结构,将整体算法合理分配到客户端和服务器,降低系统实现的硬件要求.现场实验表明,所提出方法具有良好的自主导航性能,在较复杂的室内未知环境下,仍能保持良好的地图构建能力和避障能力.     

基于ROS与Kinect的移动机器人同时定位与地图构建

同时定位与地图构建(SLAM)技术一直以来都是移动机器人实现自主导航和避障的核心问题,移动机器人需要借助传感器来探测周围的物体同时构建出相应区域的地图。由于传统的1D和2D传感器,如超声波传感器、声呐和激光测距仪等在建图过程中无法检测出Z轴(垂直方向)上的信息,易增加机器人发生碰撞的概率,同时影响建图结果的精确度。本文利用Kinect作为机器人SLAM的传感器,将其采集到的三维信息转化成二维的激光数据进行地图构建,同时借助机器人操作系统(robot operating system,ROS)进行仿真分析和实际测试。结果表明Kinect可以弥补1D和2D传感器采集信息的不足,同时能够较好的保持建图的完整性和可靠性,适用于室内的移动机器人SLAM实现。     

基于改进RBPF算法的移动机器人SLAM方法研究

移动机器人领域研究的一个重要问题是在不确定的环境中,能够实现自身定位,同时对环境进行建图,获取环境信息。因此,同时定位和地图构建(SLAM)研究成为当前移动机器人研究的一个热点。Rao-Backwellized粒子滤波(RBPF)算法是一种比较成功的同时定位和地图构建方法,其非参数特性避免了局部最小值,在映射应用程序中表现优异。然而,该算法在地图构建精度方面存在一些不足。针对RBPF算法粒子权重退化和粒子匮乏等问题,提出了利用修正梯度细化算法(CGR)对传统RBPF SLAM进行改进的新方法。仿真试验和室内场景试验结果表明,新方法能够有效地提高定位精度,在提升系统鲁棒性的同时也提升了地图构建的准确性。     

基于模糊神经网络的双目视觉定位系统研究

针对移动机器人对未知不确定环境缺乏自适应性的缺点,在活动关节自由度的基础上构建了基于模糊神经网络的双目视觉定位系统.采用自组织学习和监督学习相结合的混合算法,从而避免了移动机器人在移动过程中的振动所带来的误差.此外,通过控制伺服电机实现摄像机的移动,降低了双目视觉定位系统的成本.仿真实验结果表明,该系统具有较高的精确度及响应速度.     

基于不确定信息的移动机器人地图创建研究进展

移动机器人自主的地图创建是机器人研究中一个基础且重要的问题．本文对该领域的最新进 展进行了综述,特别侧重于在完全未知环境中基于不确定信息的地图创建问题．首 先介绍了单机器人的地图创建方法,详细分析了地图表示方法、导航问题、不确定信息的描 述和处理等关键技术;对多机器人协作的地图创建问题也根据最新文献进行了论述．文中指 出了机器人地图创建研究中所面临的主要问题,并探讨了将来的发展方向．     

实时更新的全局一致三维栅格建图

在未知的三维环境中,移动机器人自主导航通常需要实时构建与环境全局一致的栅格地图,而现有大部分系统缺少地图更新策略,构建的栅格地图与实际环境不一致.文中将同步定位与建图模块获得的环境信息以点云形式提供给栅格建图模块处理,同时提出基于关键帧的高效数据结构和地图实时更新策略,实时构建可用于移动机器人自主导航的全局一致的地图.室内动态的实验数据测试表明,文中方法可以有效实时更新地图,生成与环境一致的三维栅格地图,支持其后续的自主导航操作.