基于体感传感器的室内机器人定位研究

同时定位与地图构建是机器人能够实现智能化自主导航的关键技术。该文提出一种基于体感传感器的移动机器人SLAM实现方法。通过分析体感视觉获取原理和数据特点,设计了系统结构,并将体感传感器获取的数据进行处理,得到构建地图所需的特征路标;再使用扩展卡尔曼滤波实现SLAM,通过实验结果验证了基于体感传感器的SLAM方法的有效性和正确性。     

基于ROS的语音导航智能小车设计与研究

为提高移动智能小车SLAM自主导航避障性能和运动稳定性,提出一种基于ROS框架的语音导航智能小车设计方法.建立智能小车的运动学模型,完成硬件电路和软件平台的搭建,基于粒子滤波器的FastSLAM算法,结合A*和动态窗口法DWA,编写ROS框架下的Gmapping功能包,实现智能小车的运动实验仿真、路径规划和动态避障.采用语音识别控制策略,利用Gazebo仿真和Rviz可视化,开展智能小车的语音导航试验.对比分析A*结合TEB算法的小车避障耗时及运动平顺性,仿真与实车验证结果均表明,本文方法设计的智能小车避障时间短,移动路径具有连续性,语音导航对环境的适应性强.     

基于SLAM的校园配送AGV地图构建及路径规划研究

随着无人配送的推广与应用，自动导引运输车（AGV）的导航方法成为了研究的热点。主要针对校园配送AGV的地图构建和路径规划展开研究，地图构建由即时定位与地图构建（SLAM）来实现，路径规划则根据已构建好的地图，在点与点之间计算好最优路线。采用基于LOAM的算法，将SLAM问题分为高频的运动估计和低频的环境建图。在运动估计中通过曲率计算提取平面点和边缘点两种特征，采用scan-to-scan方式进行特征匹配，并建立误差模型。在环境建图中采用map-to-map方式匹配，运用PCA算法提取点云中的特征点，利用LM算法来求解。再结合A*算法和DWA算法获得最优路径，并提高了对环境的适应能力。实验结果表明，提供的地图构建及路径规划方法能够满足AGV在校园环境多种不同模拟场景中的定位导航需求，具有一定的可行性和可靠性。     

基于SLAM的爬壁机器人自主移动研究

目前在研的爬壁机器人基本采用遥控模式进行控制，尚不具备全自主移动功能。针对大型钢结构外表面巡检、涂装等作业，提出了一种基于SLAM(Simultaneous Localization And Mapping)的自主移动模式。通过建立机器人相关模型，在完成SLAM建立环境地图的基础上，实现基于路径规划算法的自主移动，并通过试验表明在室内环境下，Cartographer算法得到的地图边缘和障碍物细节更加完整，建图准确度更高，其相对误差绝对值的最大值为2.67%，算法可信度高。自主移动试验中，爬壁机器人基本能够到达目的地，符合机器人进行巡检等工作的需要，表明基于SLAM的爬壁机器人应用于大型钢结构自主移动具有可行性。     

四驱智能灭火小车的设计

设计研究了一款基于STC89C52的四驱智能小车,能够实现自动避障与自主感知火情并自主灭火的功能。小车以单片机为核心,利用超声波传感器探测障碍物,控制小车实现自动避障。该小车能够自主检测火源,并及时靠近火源实现灭火功能。经过测试表明:该小车运行稳定,操作简单,具有一定的应用前景。     

室内场景下实时地三维语义地图构建

移动机器人自主建图是完成智能行为的前提。为提高机器人智能水平和直观的用户交互,地图需要扩展超出几何和外观信息的语义信息。研究了将基于深度残差网络(DRN)的像素级图像语义分割和三维同时定位与建图(SLAM)相融合的三维语义地图构建方法。首先,采用一种联合中值滤波算法进行深度图像的修复,使用改进的迭代最近点(ICP)算法得到相机估计位姿以及基于随机蕨类的闭环检测构建出三维环境地图;其次,采用优化的深度残差网络对输入的图像实现较精准的像素语义级别的预测与分割;最后,采用贝叶斯更新方法,渐进式的将图像分割获取的语义分类标签迁移到重建的室内三维模型中,获得完整的三维语义地图。实验表明,所设计的方法可以在实际的、复杂环境下实时地构建语义地图。     

室内导盲机器人的设计与实现

设计并制作一款能够室内构建地图并即时定位导航的机器人.机器人基于ROS实现,通过获取激光雷达扫描的数据和机器人的里程计数据,投入到ROS提供的Gmapping功能包构建出机器人所处环境的空间二维地图.在二维地图中可以获取机器人和目标点的二维坐标,以实现即时定位.机器人底盘配备4个麦克纳姆轮以进行全方向运动,用STM32F103RCT6单片机对底盘进行运动控制,同时基于QT开发了一款上位机软件以方便用户进行交互使用,完成室内导盲任务.室内导盲机器人经过调试,已成功构建出室内的二维地图,实现自主导航,能满足引导盲人安全地走到用户指定地点的任务.     

基于激光雷达和SLAM定位的麦克纳姆轮小车研究

基于激光雷达和定位与地图构建(SLAM, Simultaneous Localization and Mapping)的麦克纳姆轮小车,集SLAM所携带的外部感知环境,并利用提取的信息进行自我定位的功能和激光雷达对目标回波和发射信号的比较处理,实现目标等参数确定的功能。文中基于激光雷达和麦克纳姆轮的定位方式进行展开,重点研究移动机器人里程计的获取解算和使用AMCL(自适应蒙特卡洛定位算法)输出定位坐标,同时进行多次的模拟试验测试,并对试验结果进行分析。试验结果表明,麦克纳姆轮小车实现了机器人的定位与导航和麦克纳姆轮全方位移动的强强联合。     

基于智能小车实现自主功能的视觉算法与控制

为了满足智能小车实现自主功能,对视觉算法与控制进行了研究,通过在视觉模块引入3种算法:基于神经网络的分割、基于阈值的道路分割方法和基于Hough变换的车道线追踪方法,并通过采用阈值算法对停止标志牌检测从而实现自动停车。结果表明,基于Hough变换的算法能够较好地实现对道路的检测;采用聚类算法实现对停止标志牌检测也能较好地实现自动停车。证明提出的算法设计能满足智能小车实现自主功能,对后续实现人机交互控制以及搭建自主执行任务的无人平台有着重要的意义。     

2D激光slam算法在室内建图对比研究

目前无人驾驶与机器人行业发展火热,需要对汽车与机器人所处环境进行准确的建模来得到一张高精度的地图。激光SLAM作为目前最稳定、最主流的定位导航方法而被人们广泛使用。本文使用Gmapping算法与Hector算法在搭载低频激光雷达的差速两轮小车上对室内环境进行建模,并将两种算法所建地图进行对比分析,结果表明在室内环境下Gmapping算法所建地图的精度更高,建图效果优于Hector算法。     

基于ORB关键帧匹配算法的机器人SLAM实现

针对复杂环境下机器人的同时定位与地图构建(SLAM)存在实时性与鲁棒性下降等问题,将一种基于ORB特征点的关键帧闭环检测匹配算法应用到定位与地图构建中。研究并分析了特征点提取与描述符建立、帧间配准、位姿变换估计以及闭环检测对SLAM系统的影响,建立了关键帧闭环匹配算法和SLAM实时性与鲁棒性之间的关系,提出了一种基于ORB关键帧匹配算法的SLAM方法。运用改进ORB算法加快了图像特征点提取与描述符建立速度;结合相机模型与深度信息,可将二维特征图像转换为三维彩色点云;通过随机采样一致性(RANSAC)与最近迭代点(ICP)相结合的改进RANSAC-ICP算法,实现了机器人在初始配准不确定条件下的位姿估计;使用Key Frame的词袋闭环检测算法,减少了地图的冗余结构,生成了具有一致性的地图;通过特征点匹配速度与绝对轨迹误差的均方根值对SLAM系统的实时性与鲁棒性进行了评价。基于标准测试集数据集的实验结果表明,ORB关键帧匹配算法能够有效提高SLAM系统建图速度与稳定性。     

基于RGB-D传感器的同步定位与建图方法研究

机器人同时定位与地图构建算法(SLAM,Simultaneous Localization and Mapping)可实现机器人的自主控制,文中将SLAM算法与视觉传感器结合,搭载红外摄像头的RGB-D摄像头可以快速进行运动估计及构建3D点云地图,最后将视觉里程计测量的相机位姿与回环检测的信息结合,经过优化可得到轨迹估计的地图。     

激光SLAM自主导航的线段特征提取混合算法研究

移动机器人在未知环境中自主导航时定位需要精确的地图,同时为了构建精确的地图必须确定机器人的位姿,同时定位与地图构建(SLAM)问题便产生.基于激光雷达SLAM自主导航算法是研究的方向之一,激光雷达具有测距精度高、测距远等优点,但是由于激光雷达的数据量少、传感器本身噪声的影响,容易导致机器人构建地图精度低、定位误差大等问题.针对激光雷达的数据测得的距离信息进行线段特征提取算法,通过将常用PDBS、IEPF算法优缺点进行综合,提出了一种混合特征提取算法.最后通过对SICK的LMS111-10100激光雷达获取环境中的一组数据进行处理,分别对PDBS、IEPF算法及混合算法提取效果与实际环境对比,验证了特征提取混合算法的有效性.     

井下巡检无人机系统设计及定位与避障技术

矿井环境无GPS、空间狭窄且光照条件差,无人机在该环境下的飞行面临很多挑战.针对无人机井下巡检作业这一特殊应用场景,设计了能够自主定位和避障的无人机系统.该无人机系统基于激光SLAM实现同步定位,由激光点云生成的八叉树地图构建了飞行安全通道,并优化无人机的飞行路径,再通过最小化加速度优化指标,将路径点生成为光滑平缓的飞行轨迹.无人机飞行过程中能实时进行碰撞检测,并根据安全通道和当前障碍物信息调整路径点,实现自主避障.     

基于单片机的自主移动智能小车系统的设计

基于51单片机的自主移动智能小车系统能够在接收到上位机发送的目的地位置信息后,通过融合多模块和多传感器的反馈信息,完成路径规划和自动避障等,最终实现小车自主移动和目标点温度采集及其数据发送功能。测试结果表明该智能小车系统运行稳定,实时性良好,可以作为对智能机器人进行研究的平台。     

基于AVR单片机的寻迹小车设计

论文以Atmega16L芯片为控制核心,设计并实现了能够自主识别路径的智能小车。介绍了智能小车的总体设计,各组成部分的功能原理及软硬件设计。该智能车可通过电磁传感器和光电传感器两种方式检测路径,采用PID算法对电机和舵机进行控制。实验证明该系统的路经检测性能、控制准确性较强。     

基于MSP430单片机的智能小车控制系统设计

在单片机技术和传感器技术的基础上,设计了基于单片机MSP430为控制核心的智能小车控制系统。采用红外探测法探测黑线,同时,采用增量式PID控制算法,以差速转向控制原理实现小车的弧线行驶,以PWM来控制电机的转速,实现小车的自主寻迹行驶;采用超声波测距原理,完成小车的距离检测功能。系统软件设计采用ADS1.2集成开发环境下编辑的C语言。     

应用激光雷达构建室内环境地图的研究

随着激光扫描技术的发展,基于激光扫描系统的室内环境地图构建技术广泛地被运用到机器人的视觉导航中。针对当前研究中所使用的激光扫描仪体积笨重、价格昂贵,不适合小型移动机器人装配的不足,提出一种由智能小车和低成本的360°激光雷达组成的二维环境地图构建系统。系统由硬件系统和软件系统两部分组成。通过硬件系统对环境进行感知,提取周围环境特征信息,通过软件系统完成二维环境地图的实时创建,实现基于激光雷达构建室内环境地图的任务。在得到环境地图的基础上,采用最小二乘法对初始数据进行滤噪处理,以获得更为精确的环境地图。实验结果表明,本系统成本低,性能高,能精确的构建二维环境地图,并成功应用于室内小型移动机器人的视觉导航中。     

一种基于SLAM的多功能探索机器人设计

针对机器人在未知环境下导航和捕获目标问题,设计了一种基于SLAM技术的探索机器人,并提出一种融合机器视觉与SLAM算法的导航方法。机器人由主控模块、底层驱动模块、摄像头、激光雷达和机械臂构成。通过在安装有开源机器人操作系统(ROS)的机器人上进行实验。实验结果表明,通过上述方法能够构建可靠有效的地图并规划出合理的移动路线,完成目标物体的定位和捕获。     

基于SPCE061A的智能小车机器人的设计

介绍了一种基于SPCE061A的智能音控小车机器人的设计过程,给出了智能小车的硬件构成.从软件设计的角度阐述了小车使用语音辨识和中断技术的智能控制算法,并详细说明了语音辨识技术在智能小车上的实现过程.实验表明智能小车运作良好.