一种基于视觉补偿的移动机器人地图匹配室外定位算法

在室外环境中,由于车轮打滑、里程计存在严重的累积误差,同时由于二维激光测距仪扫描到环境信息量少,在进行地图匹配时,机器人常常陷入相似或对称环境,导致定位失败.针对以上问题,在二维激光地图匹配的基础上,提出了利用单目视觉信息补偿激光信息与里程计信息的定位方法.该方法利用单目摄像机获取环境中的色块信息补偿二维激光信息;摄像机同时作为视觉里程计实时辨识车轮打滑,校正里程计的误差;最后利用粒子滤波算法融合多传感器信息.该实验利用Pioneer3-AT机器人平台在大学校园进行,实验证明该方法具有较高的定位精度.     

一种基于视觉补偿的移动机器人地图匹配室外定位算法（英文）

在室外环境中,由于车轮打滑、里程计存在严重的累积误差,同时由于二维激光测距仪扫描到环境信息量少,在进行地图匹配时,机器人常常陷入相似或对称环境,导致定位失败。针对以上问题,在二维激光地图匹配的基础上,提出了利用单目视觉信息补偿激光信息与里程计信息的定位方法。该方法利用单目摄像机获取环境中的色块信息补偿二维激光信息;摄像机同时作为视觉里程计实时辨识车轮打滑,校正里程计的误差;最后利用粒子滤波算法融合多传感器信息。该实验利用Pioneer3-AT机器人平台在大学校园进行,实验证明该方法具有较高的定位精度。     

基于视觉的移动机器人避障控制系统设计

针对三轮全向移动机器人自主避障行进问题,提出一种以STM32F1处理器为核心的视觉避障控制系统。分析三轮全向移动机器人运动模型,设计避障机器人的硬件控制系统。利用OpenMV OV7725图像模块识别障碍物并获取障碍物位置信息。根据位置信息,采用模糊控制算法控制机器人移动方向,实现自主避障功能。结果表明:利用该系统,三轮全向移动机器人能自主识别并成功避开行进路线中的障碍物。     

基于ROS的全向移动机器人定位导航系统研究

针对传统移动机器人自主运行能力不足及系统设计困难的问题,以自行设计的四麦克纳姆轮全向移动机器人为研究对象,根据层次化和模块化的思想建立了基于混合硬件架构的全向移动机器人定位导航系统的总体设计框架,建立了基于机器人操作系统ROS(Robot Operating System)的实验平台,分析了基于激光雷达的移动机器人Fast-SLAM算法,通过搭建软硬件系统,对机器人的即时定位与地图构建功能进行了测试,对路径规划能力进行了实验。结果表明,该系统能够实现全向移动机器人在未知环境下地图的实时构建,且拥有良好的全局导航及局部避障能力。研究成果对全向移动机器人定位导航系统的研究具有一定参考价值。     

通用机器人离线编程仿真平台设计

针对国内机器人离线编程仿真平台支持语言范围小，机器人控制功能不完善等问题设计出一套可以支持多种机器人编程语言与机器人结构的通用机器人离线编程仿真平台架构。基于模块化的思想，将该系统划分为两大主要模块，分别是用于解析机器人语言代码的语言解析模块与用于控制与模拟机器人运动的机器人仿真模块。基于语言解析模块识别机器人编程语言代码，并将机器人的程序语言代码解析为用于控制机器人运动的指令数据。基于机器人仿真模块实现机器人正向控制、逆向控制、轨迹规划与三维图形绘制。最后利用Qt为平台开发基础框架，实现代码的编辑，嵌入Bullet物理引擎构造机器人的相关参数，嵌入OpenScenceGraph三维图形引擎将物理场景中的信息以图形的方式绘制在Qt提供的显示界面上，并以一段Rapid语言代码与一种通用的六轴机器人为实验对象验证了平台的基本功能。实验结果表明，该平台能够准确的将语言代码转换为指令数据，并能控制机器人进行相应的轨迹运动，满足机器人离线编程需求。     

基于视觉激光惯性相结合的机器人SLAM算法

针对弱纹理环境下SLAM系统只依靠单一传感器鲁棒性较差的问题,提出一种视觉、单线激光雷达与惯性相结合的机器人SLAM算法。在视觉与雷达预处理阶段,视觉提取点线特征,同时雷达帧间匹配过程采用激光点到其最近两个点连线的距离构建误差方程,实现更高精度匹配效果。采用惯性传感器与轮速里程计进行雷达运动畸变校正,同时雷达估计信息为单目点线特征三角化提供良好深度值,再利用点线视觉信息、雷达点云信息与惯性测量单元紧耦合优化机制提高机器人SLAM的精确度。最后,将该方法在仿真环境和真实弱纹理环境进行实验。结果表明：该方法定位准确率达到98.6%,在弱纹理环境中定位效果具有较强的鲁棒性和准确性,满足实际需求。     

基于ROS的惯性和视觉里程计的机器人室内定位

高精度定位是室内移动机器人的基础,针对视觉里程计在室内定位中存在的精度与累计误差的问题,提出基于ORB-SLAM2与IMU的VIORB-SLAM2视觉惯性组合定位方法,首先建立视觉里程计与机器人的坐标系联系。然后利用惯性传感器构建机器人运动预测模型,基于Kinect使用ORB-SLAM2输出视觉里程计作为机器人位姿更新,通过扩展卡尔曼滤波器对视觉里程计与IMU输出的位姿进行最优估计。设计了硬件和软件平台对提出的方法进行实验。实验表明该方法优于单独使用传统的轮式里程计与视觉里程计,有效提高了机器人移动过程中的定位精度,减少误差累积。     

全向四驱变电站巡检机器人运动控制系统设计

为了实现变电站室内外一体化巡检,开发全向四驱结构的变电站巡检机器人。着重阐述该机器人运动控制系统的开发过程:介绍全向四驱移动平台的机械结构及运动控制系统结构,建立移动平台的运动学模型,探讨全向四驱机器人不同的运动模式并提出了控制方法。对研制的全向四驱变电站巡检机器人进行测试,验证了运动控制系统的可靠性以及控制方法的有效性。     

基于OpenGL的多机器人仿真实验平台研究及实现

多机器人协同工作广泛应用于现代化工业生产现场,协同控制是实现多机器人协同工作的技术保障。针对多机器人协同控制研究中的轨迹规划、轨迹优化和碰撞检测等算法研究需要,以及多机器人工作站离线编程、虚拟示教等研究实现需要,提出基于OpenGL和MFC建立具有完全开放性、自主性的多机器人协同工作算法研究仿真实验平台,嵌入机器人正、逆运动学、轨迹规划、碰撞检测等算法,实现多机器人三维虚拟仿真、离线编程和虚拟示教,并进行单个实体机器人实验验证。实验结果表明:基于OpenGL和MFC建立的多机器人协同控制仿真平台,可以进行多机器人协同控制相关算法研究,另外离线编程与虚拟示教转换生成程序指令可以按照要求控制机器人运动。用户无需进行三维图形仿真编程、界面编程和辅助算法研究及实现,只需侧重其算法研究,即可基于该软件实验平台快速进行机器人、多机器人算法仿真验证及效率分析,减少工作量。     

基于EKF和Lyapunov函数的移动机器人轨迹跟踪控制(英文)

针对轮式移动机器人在实际运行中受环境因数影响的情况,采用扩展卡尔曼滤波(EKF)算法融合里程计与超声波的观测数据,对机器人的参考轨迹信息进行校正。在机器人动力学模型的基础上,运用Lyapunov直接法,构造具有全局渐近稳定的跟踪控制器,对机器人进行轨迹跟踪。根据Lyapunov稳定性定理证明了系统的全局稳定性。仿真结果表明,数据滤波与Lyapunov方法结合的跟踪控制器效果良好。     

基于非线性多传感器复合定位融合算法应用研究

针对移动机器人单传感器数据短时丢失、定位精度低、传感器频率异步等问题,采用激光雷达、IMU、轮式里程计获取定位信息,提出基于扩展卡尔曼滤波和互补融合的组合数据融合方法。先通过S-G滤波算法对初始定位数据进行预处理,利用扩展卡尔曼滤波融合算法实现IMU和轮式里程计传感器的定位数据融合,得到融合数据1;再利用互补融合算法将融合数据1和激光雷达进行融合得到融合定位数据2。其中融合数据1对激光雷达进行实时补正,解决频率异步的位移偏差,从而明显提高定位精度。最后采用Gazebo仿真平台,搭建移动机器人模型以及设置传感器的基本参数,验证算法的有效性和稳定性。实验结果表明：数据融合算法提高了非线性传感器的定位精度和稳定性,并且平均定位误差在8 cm内。     

基于多传感器信息融合移动机器人导航定位研究

移动机器人的导航及定位是机器人自主导航的关键技术之一。为提高移动机器人的导航及定位能力,提出以多种导航定位传感器组合为融合单元,设计扩展卡尔曼滤波算法,将陀螺仪、里程计和电子罗盘采集的数据进行融合。设计模糊神经网络对所融合的数据进行训练处理,提高数据处理的精度和效率,实现对移动机器人精确的控制。并进行了仿真分析,结果证明：所提出的多传感器信息融合算法既可使移动机器人在复杂环境中自主定位,又实现有效避障,有实际参考价值。     

基于单目稀疏法多传感器融合移动机器人定位

针对移动机器人室内定位过程中,单目视觉难适应光照变化、里程计累计误差导致定位误差较大问题,提出边缘侧多传感器融合的定位方法.以稀疏直接法(半直接法)作为单目视觉的前端,实时单目相机估计位姿,通过惯性传感器恢复尺度输出位置信息,并且获取IMU的加速度以及偏航角、里程计当前速度,通过扩展卡尔曼滤波算法融合3种传感器信息,实现更加精确的定位.在移动机器人侧处理传感器读取的信息,从而减小机器人体积.边缘侧混合式多传感器信息融合使移动机器人在单个传感器失效以及无法人为干预时,也能够精确实时地在多种复杂环境中完成自主定位.     

动态场景下移动机器人视觉SLAM

为实现动态场景下移动机器人自主定位和建图,解决传统视觉里程计方法跟踪效果差及累积误差问题,提升闭环检测的准确性和鲁棒性,提出融合深度学习的同时定位与地图构建方法。采用四叉树算法均匀化特征分布,解决动态场景特征聚集问题;通过优化的目标检测网络识别场景动态语义信息,剔除动态物体对位姿估计的干扰;充分提取场景空间结构信息,结合点特征和线特征实现位姿跟踪及回环检测,构建全局一致的环境地图。TUM数据集和真实场景实验结果表明：改进方法提升了移动机器人定位和建图的准确性和鲁棒性。     

基于多传感器融合的移动机器人定位研究

针对室内未知环境下单一传感器定位累积误差大、受环境局限等缺点,设计一种多传感器非线性融合定位系统,以提高移动机器人自主导航的定位精度。该系统通过高斯牛顿方程对由激光雷达、惯性测量单元、轮式里程计测量得到的位姿信息进行融合优化,补偿由于在室内环境信息下单一传感器定位精度低所带来的定位误差。实验结果表明:应用多传感器融合定位系统的移动机器人在长6 m、宽3 m的室内面对曲折复杂的路径和各种噪声干扰时运行总路程12.8 m后,可以将定位误差稳定在0.106 3 m内,并将平均相对误差稳定在0.716%左右。与现有方法对比,使用该方法提高了室内移动机器人定位的精度和鲁棒性。     

基于激光SLAM的移动机器人导航算法研究

定位技术是机器人技术中导航控制和路径规划的关键问题,传统定位方式采用全球定位系统(GPS),难以完成精准的定位导航功能,不依赖于GPS的定位导航方法是目前机器人领域的研究热点。提出一种基于激光雷达采集的点云信息帧间匹配方法,根据改进式激光点云数据的位姿估计算法,结合非线性优化进行了校正和优化,完成移动机器人对未知环境的精确定位。通过ROS机器人操作系统搭建实验平台,对改进算法进行验证,证明改进后帧间匹配算法的建图和定位效果对应的鲁棒性与定位精度效果更佳,可满足工程要求。     

基于麦克纳姆轮的磁导航AGV纠偏控制研究

采用麦克纳姆轮的移动平台是通过4个轮子转速的相互配合来实现全向移动,因此,每一个轮子的运动都会影响整体的运动方向和速度,若一个轮子出现与地面脱离接触以及打滑等情况,则整个移动平台的移动方向会发生很大的偏离。针对磁导航麦克纳姆轮全向移动AGV沿预定路线行进过程中产生偏离的问题,设计了一种基于姿态角度传感器的路径纠偏控制方法,以采集到的偏差数据作为输入,对AGV的行驶路径进行纠偏。通过试验验证了该方法的有效性。     

融合视觉信息的语义导航实体搜索算法北大核心

为解决家庭服务机器人在实体搜索缺乏语义信息的问题,研究融合视觉信息的语义导航实体搜索算法。首先,提出基于Places205-AlexNet的场景自适应识别算法,以促进机器人对场景标注的自适应性;其次,设计实体在语义地图上的位置映射方法,帮助机器人能以人的生活习惯理解人类居住环境,具备室内物体识别能力;然后,为了获取场景信息和物体语义信息,提出了面向语义导航的实体语义知识库构建方法,使机器人进行实体搜索时能更容易定位到场景;最后,在给出基于面向语义导航的实体语义知识库构建方法的基础上,提出了融合视觉信息的语义导航实体搜索算法。实验数据表明,机器人执行实体搜索的导航准确率均在0.75以上,这证明所提出的算法能够获得较准确的场景信息和实体语义信息。     

基于跟踪微分器的移动机器人轨迹规划与跟踪控制研究北大核心

针对移动机器人的轨迹规划和轨迹跟踪控制问题,提出一种加速度和速度约束情况下,通过贝塞尔曲线拟合参考轨迹,再利用跟踪微分器规划平滑速度的轨迹规划新方法;基于Backstepping方法,建立机器人位姿误差方程并进行控制器的设计,同时分析了控制参数对轨迹跟踪性能的影响;将轨迹规划方法和控制算法结合,并在仿真平台和移动机器人实物平台上进行实验验证。实验结果验证了轨迹规划算法和控制器的可靠性及有效性,相比于未进行速度规划、速度不连续和滑模控制等方法,提出的方法控制平稳且有效减少了位姿误差。