室内未知环境下移动机器人特征地图创建研究

介绍了在室内未知环境下移动机器人利用激光雷达、电子罗盘和里程计等传感器信息创建特征地图的方法;从激光雷达数据中提取直线特征作为地图的主要环境描述特征,采用构建直线模板的方法对雷达数据进行分簇,通过最小二乘法拟合出相应的直线并对冗余地图线段进行合并,从而得到较精确的特征地图;实验表明该机器人建立的环境特征地图是精确有效的,且与栅格地图相比数据量小,可进一步用于机器人的避障、路径规划等复杂任务.     

移动机器人即时定位与地图创建问题研究

基于环境特征的移动机器人即时定位与地图创建是机器人领域的开放性课题.本文从环境特征提取、定位与地图创建、数据相关三个方面对移动机器人即时定位与地图创建问题进行了综述.对移动机器人定位问题作了概述.探讨了室内环境下特征提取方法.详细地论述了定位与地图创建中面临的主要问题及其解决方法;阐述了数据相关问题的基本思想.最后,根据近期文献指出了该领域今后的研究方向.􀁱 􀁽     

基于声纳的移动机器人环境建图的设计与实现*

针对未知环境中声纳传感器定位与地图创建时传感数据不确定性高、可靠性低的问题,提出了一种新的室内环境建图方法。该方法建立容忍函数以判断噪声和镜面反射,同时借鉴了ArcTransversal Median Algorithm的思想和栅格概率估计并采用贝叶斯法则进行两次数据融合以减小声纳传感器信息的不确定性。在MORCS2机器人平台上实时创建地图实验表明,这种方法能快速实现从局部地图到全局地图的更新且有较好的精确性与鲁棒性。     

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.     

基于激光雷达的移动机器人定位和地图创建

针对未知环境下移动机器人定位和地图创建问题,提出了创建局部地图-机器人定位-更新全局地图的方法和步骤.利用激光雷达数据,采用"聚合-分割-聚合"的方法并运用动态阈值获得精确的局部地图.通过匹配局部地图和全局地图的线段关系,实现了机器人的定位,更新了机器人的位姿,减少了机器人的系统误差和环境误差,进而完成了全局地图的创建与更新.实验证明,此算法可以在实现机器人定位的同时获得精确的环境地图,并且有效的缩短了地图生成时间,可靠性高、实时性好.     

一种改进的粒子滤波SLAM算法*

提出一种改进的粒子滤波SLAM（simultaneous localization and map building）同时定位和地图创建实现方法。改进方法让机器人大约行进10步完成基于局部已创建地图下的粒子滤波定位后,再利用激光传感器探测环境并更新创建的地图;同时在利用粒子滤波定位时,使粒子只分布在由航位推算法得出的机器人位姿附近,从而可有效地减少粒子的数量。实验结果表明,与标准的粒子滤波SLAM 算法比较,改进算法提高了机器人SLAM过程中定位和地图创建的精度和实时性,并为移动机器人在室外未知环境同时定位和地图创建提供了新方法。     

大规模环境下拓扑地图在线创建与导航.doc

本文提出了一种新型的拓扑地图，该地图用激光的扇区特征和视觉的比例不变特征（SIFT）来联合表示节点。与传统地图相比，该地图在创建过程中不依赖任何人工路标和机器人的全局定位。机器人通过综合考虑单个节点的相似度和不同节点间的空间关系，利用隐马尔可夫模型来提高节点识别的准确率。实验表明，本文的拓扑地图不仅易于创建和维护，而且适用于机器人在大规模室内环境下的自主导航。     

基于聚类匹配的移动机器人地图实时创建算法

提出了一种基于模式识别聚类思想的数据点集匹配算法.该匹配算法具有传统迭代匹配算法和非迭代匹配算法的优点,匹配速度快,精度高.结合上述匹配算法,给出了一种基于激光测距仪的移动机器人环境地图实时创建方法.该方法使用从环境数据中提取出的特征点来完成两组激光数据点集的匹配,进而完成环境地图的创建.利用本实验室自主研发的救援机器人平台对该算法进行了验证,实验结果表明,该算法能够完成室内环境下移动机器人实时准确有效的环境地图创建.     

无嗅卡尔曼滤波在移动机器人定位中的应用

为了更有效、可靠地从传感器原始数据中获取信息,介绍了一种移动机器人同步定位与地图创建的方法。该方法使用二维激光测距传感器实现室内环境中的移动机器人自主定位,依靠无嗅卡尔曼滤波器减少定位过程中所产生的误差;通过激光测距仪采集机器人所在环境数据的曲率函数,将环境特征分解为直线、拐角和曲线三类基本定位特征,并结合环境地图得到机器人位置和姿态的最优解。试验结果表明,该定位方法对于室内环境是有效的。     

基于粒子滤波的移动机器人SLAM改进算法

针对未知环境中移动机器人同时定位和地图创建（Simultaneous Localization and Map Building,SLAM）由于机器人位姿和环境地图都不确定导致定位和地图创建变得更加复杂,提出一种局部最优（全局次优）参数法,即通过局部最优的位姿创建局部最优的环境地图,再通过局部最优的环境地图寻求局部最优的位姿,如此交替进行,直到得到全局确定性的位姿和确定性的环境地图。实验结果表明,同标准的基于粒子滤波的SLAM 算法（Particle Filtering-SLAM,PF-SLAM）比较,改进的算法提高了机器人SLAM过程中定位的准确度和地图创建的精确度,为机器人在未知的室外大环境同时定位和地图创建提供新的方法。     

一种基于特征地图的移动机器人SLAM方案

设计了一种结构化环境中基于特征地图的地图创建方案;采用激光测距仪进行特征地图创建,利用"聚合-分害虫-聚合"的方法来提取线段表示环境信息实现局部地图创建;为了实现移动机器人的同时定位与地图创建,采用扩展卡尔曼滤波方法对机器人的位姿与地图信息进行预测及更新,结合状态估计和数据关联理论,实验显示x的校正量保持在±0.9cm之内;y的校正量保持在±2.5cm之内;θ的校正量在±1.2之内,实现了基于扩展卡尔曼滤波器的SLAM.     

基于超声波的移动机器人的同时定位和地图构建

为了在移动机器人SLAM过程中得到更精确的定位和二维地图构建,对一种利用超声波传感器信息进行栅格地图创建的方法提出了改进;该方法利用Bayes法则对信息进行融合,利用粒子滤波和航位推算相结合的方法对机器人进行精确定位和创建地图,然后利用移动的栅格法进行地图的全局更新,提出了一种地图的校验方法;通过实验,在粒子数为200的情况下分别得到了算法改进前和改进后的地图构建结果,通过比较,证明了使用该算法进行移动机器人定位和地图构建更加精确。     

Segment-Based Map Building Using Enhanced Adaptive Fuzzy Clustering Algorithm for Mobile Robot Applications

In this paper, we present a technique for on-line segment-based map building in an unknown indoor environment from sonar sensor observations. The world model is represented with two-dimensional line segments. The information obtained by the ultrasonic sensors is updated instantaneously while the mobile robot is moving through the workspace. An Enhanced Adaptive Fuzzy Clustering Algorithm (EAFC) along with Noise Clustering (NC) is proposed to extract and classify the line segments in order to construct a complete map for an unknown environment. Furthermore, to alleviate the problem of extensive computation associated with the process of map building, the workplace of the mobile robot is divided into square cells. A compatible line segment merging technique is then suggested to combine the similar segments after the extraction of the line segment by EAFC along with NC algorithm. The performance of the algorithm is demonstrated by experimental results on a Pioneer II mobile robot.     

移动机器人地图创建中的不确定传感信息处理

该文研究移动机器人自主创建地图中的不确定传感信息处理问题,基于灰色系统理论 提出了一种新的对传感信息进行解释和融合的方法用于声纳信息的处理,并以此建立环境的栅 格地图.声纳的传感信息存在较大的不确定性,这里引入灰数的概念来表示和处理这种不确定 性,对于机器人在不同位置的测量结果,根据灰色系统理论对信息的理解方式设计融合方法,得 到一个对环境的整体表示.通过仿真环境和真实机器人平台上进行的创建地图实验,表明这种 方法具有良好的鲁棒性和准确度.     

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．     

室内自主移动机器人定位方法研究综述

定位是确定机器人在其作业环境中所处位置的过程．应用传感器感知信息实现可靠的定位是自主移动机器人最基本、也是最重要的一项功能之一．本文对室内自主移动机器人的定位技术进行了综述，提出了一种通用的控制结构，对其中与定位相关的地图结构、位姿估计方法进行了详细介绍，指出了地图构造、全局定位、数据关联、同步定位与地图构造、信息融合及协同定位所应用的方法及存在的问题．     

基于机器人服务任务导向的室内未知环境地图构建

针对室内移动机器人的服务任务,提出一种包括全局语义层、区域规划层、局部空间层的3 级室内环 境地图,使机器人不仅掌握面向导航的环境平面结构,而且还了解局部复杂空间的3 维栅格地图及描述房间和物品 功能及关联、归属关系的语义信息．首先,机器人依据视觉获得的深度信息及QR 码标签提供的物品操作功能信息 进行3 维栅格地图和物品功能图的构建,形成局域层空间描述．其次,基于贝叶斯估计算法构建区域层的2 维栅格 地图,同时形成无向加权图,构成区域规划层．最后,基于谱聚类算法构建具有房间分割功能的拓扑地图,结合物 品功能图,获得房间功能及房间之间关联关系、物品与房间归属关系等的语义信息,形成全局语义拓扑地图．仿真 试验表明,环境地图的3 级结构适用于室内机器人的服务任务,可以理解人的语义命令,生成合理的服务路径,并 确保机器人在复杂环境中安全运行．     

基于IFC的室内地图模型构建研究

室内地图构建属于一项基础性研究,可为导航、疏散等建筑室内智能化应用提供 数据与技术支持。室内环境的复杂性,存在信息提取耗时且成本高,提取的室内信息不完整等 问题,而已有的室内地图模型通常体量庞大,数据复杂且冗余严重,实用性较低。为此,将 BIM 技术与室内地图研究相结合,以 BIM 通用交互格式工业基础类(IFC)文件为数据源,提取几何 与语义信息,提出一种室内地图模型的构建方法。内分类定义地图节点,完成对建筑室内信息 的抽象表达;通过设置阈值来简化地图中节点数量以达到模型的优化。该模型中可导入经典寻 路算法生成最短路径,并且设计路径优化方法。     

基于场景图谱的室内移动机器人目标搜索

在移动机器人执行日常家庭任务时,首先需要其能够在环境中避开障碍物,自主地寻找到房间中的物体。针对移动机器人如何有效在室内环境下对目标物体进行搜索的问题,提出了一种基于场景图谱的室内移动机器人目标搜索,其框架结合了导航地图、语义地图和语义关系图谱。在导航地图的基础上建立了包含地标物体位置信息的语义地图,机器人可以轻松对地标物体进行寻找。对于动态的物体,机器人根据语义关系图中物体之间的并发关系,优先到关系强度比较高的地标物体旁寻找。通过物理实验展示了机器人在语义地图和语义关系图的帮助下可以实现在室内环境下有效地寻找到目标,并显著地减少了搜索的路径长度,证明了该方法的有效性。     

一种多传感器融合的室内三维导航系统

提出了一种多传感器融合的室内三维导航系统,利用了建筑物内的地磁信号,结合转向角传感器记录转过的角度、气压传感器检测用户所处环境中楼层高度,采用众包思想收集数据进行地磁地图的构建,使用地磁指纹匹配技术实现室内任意位置的定位及导航.相比基于WiFi和蓝牙的室内导航系统,基于地磁的室内导航系统不需要任何基础网络设施,应用广泛、灵活,实现成本低.通过在智能手机上部署系统进行实验性能评估,结果显示最高精度达到1 m以内,有95%的导航误差在3m之内,平均误差不超过2m,证明其有良好的定位功能并适用于一般大型建筑物.