融合WiFi、激光雷达与地图的机器人室内定位

由于室内环境受多径效应影响,单一WiFi定位效果不佳;激光雷达(LiDAR)虽然测距定位精度高,但在室内存在大量单一、重复的场景结构(如走廊)时,往往会由于无法提取有效特征进行匹配而造成大量错误定位.因此,该文提出基于卡尔曼滤波框架的WiFi、激光雷达与地图的融合定位新方法.其中,滤波器的状态定义为机器人当前与历史时刻的位置序列.滤波器的观测值由两部分组成,一部分为该文所提基于多环路分割地图下信号强度加权匹配的WiFi指纹定位结果;另一部分来自激光雷达在单一重复场景中计算出来的高精度相对定位结果(如横向定位).利用场景地图中的先验参考位置,可将该横向定位结果转变为机器人位置的线性约束.最后,利用卡尔曼滤波器实现机器人高精度的融合定位结果.实验中,针对两种典型的单一、重复的室内场景,分别采用2维与3维激光雷达对该文算法进行验证.实验结果表明,由于激光横向定位精度可达厘米级,结合厘米级地图可以极大提高机器人定位精度.与单一WiFi定位算法相比,利用激光雷达计算出来的相对定位结果结合场景地图,平均定位误差可降低70％～80％,在满足机器人实时定位需求情况下,实现定位精度与稳定性的显著提升.     

基于RSSI的Wi-Fi室内定位常用算法对比

WiFi定位是室内定位的方法之一,其观测值主要为WiFi的信号强度(received signal strength indication,RSSI),利用信号强度进行室内定位的方法基本上可以分为两种,一种根据模型计算接收节点与发射节点的距离,估计接收节点的位置;另一种是根据事先采集的信号强度指纹进行空间匹配。通过在不同场景下对两种定位算法的比较,基于信号强度指纹匹配的定位精度明显高于基于估计接收节点的定位精度,但与指纹匹配法相比,位置估计法更加灵活。     

基于单目相机与里程计的室内机器人定位研究

昂贵的定位传感器限制了室内服务机器人相关技术在实际生活中的发展。室内服务机器人定位技术的发展趋势之一是使用价格低廉的传感器。因此,基于单目相机与轮式里程计两种价格低廉的传感器,提出一种适用于室内动态环境的机器人定位解决方案。该方案将相机朝向天花板,以减少室内动态环境下信息多变带来的误差,改变特征匹配策略以提升重复纹理场景下的匹配精度,并结合轮式里程计固定场景尺度。在典型室内场景进行验证的结果表明,在仅使用天花板信息进行定位时,该方案具有较高的定位精度。     

基于自组织可增长映射的移动机器人仿生定位算法研究

为提高移动机器人在同步定位和地图构建(SLAM)中的定位精度,该文提出一种基于自组织可增长映射 (GSOM)的仿生定位算法。该方法将位置细胞的激活特性和神经网络输出层神经元建立响应连接,通过GSOM神经网络构建空间的拓扑地图,利用感知距离信息实现位置细胞的激活响应从而估计机器人位置,以此还原机器人的运行路径。实验结果表明细胞间隔R对定位精度有较大影响,选取合适的细胞间隔能有效地减少神经网络的学习时间,提高定位精度,该文算法平均误差在0.153 m以内,定位精度达到90.243%,均优于原有算法。经验证该文算法建立的模型能够实现机器人的空间位置表征,提高了机器人在实验场景下的定位精度,表现出良好的位置估计性能。     

基于自组织可增长映射的移动机器人仿生定位算法研究

为提高移动机器人在同步定位和地图构建(SLAM)中的定位精度,该文提出一种基于自组织可增长映射 (GSOM)的仿生定位算法。该方法将位置细胞的激活特性和神经网络输出层神经元建立响应连接,通过GSOM神经网络构建空间的拓扑地图,利用感知距离信息实现位置细胞的激活响应从而估计机器人位置,以此还原机器人的运行路径。实验结果表明细胞间隔R对定位精度有较大影响,选取合适的细胞间隔能有效地减少神经网络的学习时间,提高定位精度,该文算法平均误差在0.153 m以内,定位精度达到90.243%,均优于原有算法。经验证该文算法建立的模型能够实现机器人的空间位置表征,提高了机器人在实验场景下的定位精度,表现出良好的位置估计性能。     

基于激光雷达的有界区域快速全局定位算法

室内全局定位技术是自动驾驶车辆和机器人的核心组成部分,也是当今的研究热点。基于该时代背景,本文提出了一种基于激光雷达的有界区域快速全局定位算法,将全局地图与局部地图的特征向量进行对比匹配,实现了雷达在有界区域内的精确定位。利用仿真实验对算法的有效性和定位精度进行了分析,发现其平均位置误差比为0.791%,平均朝向误差为0.3883°。结果表明,该算法可以较稳定且精确地获取静态雷达的位姿信息,是一种研究室内全局定位的有效方法。     

基于CSI相位矫正的室内指纹定位技术研究

针对室内定位服务的迫切需求,提出了基于信道状态信息相位作为指纹信息的室内定位方法,搭建了室内WiFi定位平台,实现了室内环境下的高精度位置估计。在离线阶段获取WiFi的信道状态信息,包括振幅、相位等参数,利用线性变换的方法对采集到的CSI相位信息进行预处理,建立鲁棒的信号指纹数据库。在线阶段提出了改进的加权KNN算法,对初次估计坐标进行二次匹配,从而完成设备及人员的定位。实验结果显示,平均定位精度达到了0.63 m,相较于传统的室内定位技术,定位精度有了明显的提升。     

基于机器人激光定位的一种改进AMCL算法

高效的定位算法是实现机器人自主运动的前提,由于激光模型受复杂环境的限制,传统自适应蒙特卡罗定位(AMCL)算法提供的位姿精度有限.提出一种增加扫描匹配(SM)和离散傅里叶变换(DFT)的优化AMCL算法,将传统AMCL的加权均值输出作为SM的初始值,通过构建激光雷达观测点与先验地图的匹配函数模型,利用高斯牛顿的方法优化求解,最终通过DFT滤波滤除位置处的小抖动,提升了系统的稳定性和鲁棒性.通过运动中的绝对定位实验和重复定位,实验验证了优化算法优于传统AMCL算法,优化算法有效提高了系统定位精度,同时保证了鲁棒性.     

基于信号幅值分布的室内指纹定位算法

室内定位算法是基于位置服务领域研究的难点之一。针对室内定位应用场合和精度问题,提出了利用K-means和KNN融合算法对覆盖率广的WiFi信号进行指纹定位。WiFi指纹定位主要问题是前期指纹库数据的精确以及后期数据的匹配效果。首先,对WiFi信号的概率分布进行研究,弥补了一直以来由于K-means是无监督学习带来的k值的难以选取的缺陷,提高了指纹库的精确性,同时确保数据实时性。后期在线数据处理利用KNN分类算法进行后期在线定位过程的准确性。经多个实验场景测试结果表明,该算法在室内定位精度上3 m定位精度概率保持在78.4%,4 m精度保持在93.6%,基本上保证了室内定位精度的要求。     

一种融合深度相机与激光雷达的室内移动机器人建图与导航方法

为解决室内移动机器人导航过程中容易碰撞障碍物的问题,本文提出一种融合深度相机和激光雷达的室内移动机器人建图与导航方法,在机器人底盘上安装激光雷达、深度相机和里程计,利用Gmapping算法进行室内二维地图构建,同时用ROS中depthimage_to_laserscan功能包对深度图像进行二维投影,生成的二维栅格地图与激光雷达所建的地图进行融合.实验证明该方法使建立的地图更加完善,提高了室内移动机器人检测周围障碍物的能力和自主导航的能力.     

基于点云极化表征与孪生网络的智能车定位

基于3维激光雷达(LiDAR)的智能车定位在地图存储空间与匹配效率、准确率等方面仍存在诸多问题。该文提出一种轻量级点云极化地图构建方法：采用多通道图像模型对3维点云进行编码生成点云极化图,利用孪生网络结构提取并训练点云极化指纹,结合轨迹位姿信息构建点云极化地图。还提出一种基于点云极化地图匹配的智能车定位方法：采用孪生网络对查询指纹与地图指纹进行相似度建模实现快速的地图粗匹配,采用基于2阶隐马尔可夫模型(HMM2)的地图序列精确匹配方法获取最近的地图节点,通过点云配准计算车辆位姿。使用实地数据集和公开的KITTI数据集进行测试。实验结果表明,地图匹配准确率高于96%,定位平均误差约为30 cm,并对不同类型的LiDAR传感器与不同的场景具有较好的鲁棒性。     

基于卡尔曼融合的激光雷达特征匹配方法

针对现有激光雷达特征匹配算法线段特征匹配定位不够准确的问题,提出了一种基于卡尔曼融合的激光雷达特征匹配算法。首先扫描一帧雷达数据,利用改进的激光雷达线段特征提取方法,提取出特征线段,得到局部地图。接着确定局部地图旋转、平移参数,再将局部与全局地图进行匹配,根据相对偏差得到匹配结果。然后基于卡尔曼,利用IMU数据作下一时刻的预测估计,利用激光雷达匹配结果作观测,两者融合得到最优估计。实验结果表明该方法相对现有特征匹配算法在特征线段的匹配准确性上更高,因此定位导航的精度和鲁棒性也更好。     

PSD – probabilistic algorithm for mobile robot 6D localization without natural and artificial landmarks based on 2.5D map and a new type of laser scanner in GPS-denied scenarios

This paper presents an approach to mobile robot 6D localization based on a 3D laser scanner in GPS-denied scenarios. Commonly, 6D localization using laser scanners is performed with the use of extraction and association of the features or by comparison of the whole scans (very often off-line) using the ICP algorithm or its modifications. However, in some unstructured non-urbanized rough terrain environments, feature extraction does not seem to be reliable enough. For such kind of environment, we present a new method to mobile robot localization in GPS-denied applications, called PSD (Point-to-Surfel Distance). Unlike state of the art localization methods using laser scanners, we consider every single laser scanner measurement as an observation and use Point-to-Surfel Distance for correction of position and orientation of the robot. Mobile robot localization is based on a specific representation of the terrain in the 2.5D surfel map (terrain height and inclination). The simulation tests compared our method using extended Kalman filter (EKF) and single laser scanner measurements with an up-to-date method using particle filter (PF) and comparing the scan lines with the reference map and with another method using Gaussian mixture maps. The tests confirmed that the proposed method provides satisfying results for GPS-denied scenarios in rough terrain without extractable landmarks and our method is thirty times faster than the PF method (serial implementation). KITTI benchmark tests and real terrain experiments confirmed its usefulness and advantages as well.     

UWB positioning enhancement using Markov chain in indoor NLOS environment

The accuracy of the positioning system in indoor environment is often affected by none-line-of-sight ( NLOS) propagation. In order to improve the positioning accuracy in indoor NLOS environment, a method used ultra-wide-band ( UWB ) technology, which based on time of arrival ( TOA) principle, combining Markov chain and fingerprint matching was proposed. First, the TOA algorithm is used to locate the target tag. Then the Markov chain is used to identify if blocking happened and revise the position result. And the fingerprint matching is used to further improve the position accuracy. Finally, an experiment system was built to test the accuracy of the proposed method and the traditional Kalman filter method. The experimental results show that, compared with the traditional Kalman filter method, the proposed method can improve the positioning accuracy in indoor NLOS environment.     

基于即时稠密三维重构的无人机视觉定位

传统景象匹配定位方法在用于低空无人机定位时,易因低空航拍图像视场小,且与卫星图像（带有地理信息）的拍摄角度差异大而失败.本文提出了一种基于即时稠密三维重构的无人机视觉定位方法,通过将稠密三维点云与卫星图像匹配以实现无人机定位.首先根据图像序列快速估计摄像机位姿,而后使用多深度图协同去噪与优化算法生成稠密三维点云,随后通过变换观察视角由稠密三维点云生成与卫星图像拍摄视角相近的虚拟视图,最后将虚拟视图与卫星图像匹配并得到无人机的地理坐标.由于稠密三维点云包含多张图像的信息,覆盖面积大,且可变化观察视角,因此能够有效克服上述两个问题.实验证明了本文方法的有效性.     

一种新型的INS与UWB融合的室内行人跟踪方法

针对单一室内定位系统定位精度低、鲁棒性差的问题,提出了一种新型的基于动态鲁棒容积卡尔曼滤波的超宽带(Ultra-wideband,UWB)与惯性导航系统(Inertial Navigation System,INS)融合的定位方法.首先建立了一种易于实现的UWB-INS融合定位框架,然后提出了一种动态鲁棒容积卡尔曼滤波算法以处理多源数据的融合.提出的滤波算法可将M估计理论、强跟踪算法、动态增强策略与传统的容积卡尔曼滤波算法结合,以此缓解外界噪声和系统模型误差对状态估计的不利影响.在UWB-INS组合定位框架内采用动态鲁棒容积卡尔曼滤波,可实现对室内行人运动轨迹的精确稳定跟踪.实际数据测试和Matlab仿真验证了所提方法在复杂环境下其定位精度和鲁棒性均优于单一依赖UWB或INS技术的定位系统.     

Particle filters for positioning, navigation, and tracking

A framework for positioning, navigation, and tracking problems using particle filters (sequential Monte Carlo methods) is developed. It consists of a class of motion models and a general nonlinear measurement equation in position. A general algorithm is presented, which is parsimonious with the particle dimension. It is based on marginalization, enabling a Kalman filter to estimate all position derivatives, and the particle filter becomes low dimensional. This is of utmost importance for high-performance real-time applications. Automotive and airborne applications illustrate numerically the advantage over classical Kalman filter-based algorithms. Here, the use of nonlinear models and non-Gaussian noise is the main explanation for the improvement in accuracy. More specifically, we describe how the technique of map matching is used to match an aircraft's elevation profile to a digital elevation map and a car's horizontal driven path to a street map. In both cases, real-time implementations are available, and tests have shown that the accuracy in both cases is comparable with satellite navigation (as GPS) but with higher integrity. Based on simulations, we also argue how the particle filter can be used for positioning based on cellular phone measurements, for integrated navigation in aircraft, and for target tracking in aircraft and cars. Finally, the particle filter enables a promising solution to the combined task of navigation and tracking, with possible application to airborne hunting and collision avoidance systems in cars     

受限视觉下RoboCup3D中机器人的定位

针对RoboCup3D中机器人视觉模型的重大改变,即由原来的完美视觉模型变为受限视觉模型,在综合完美视觉下机器人的定位方法,即陀螺仪定位、1个标志杆定位,3个标志杆定位,提出一种受限视觉下机器人自身定位策略,并应用卡尔曼滤波器来提高定位的精度,在Rcssserver3D仿真环境中进行了定位数据的采样和对比,实验表明此定位方法具有很好的竞赛适应性与健壮性。