基于全景近红外视觉的室外移动机器人定位系统

针对室外移动机器人定位、导航问题,提出了一种基于全景近红外视觉的路标定位系统。系统通过近红外主动照明降低了光照变化、阴影等因素的影响,利用全景摄像机获得大范围的路标定向信息。图像处理中改进大津法和路标跟踪的应用使识别路标更准确、更快速,三角定位算法确保能精确的计算出机器人的世界坐标。室外环境下移动机器人的定位实验结果表明,本系统具有较高的定位精度和良好的鲁棒性。     

移动机器人基于多传感器信息融合的室外场景理解

本文研究了移动机器人多传感器信息融合技术,提出一种融合激光测距与视觉信息的实时室外场景理解方法．基于三维激光测距数据构建了高程图描述场景地形特征,同时利用条件随机场模型从视觉信息中获取地貌特征,并以高程图中的栅格作为载体,应用投影变换和信息统计方法将激光信息与视觉信息进行有效融合．在此基础上,对融合后的环境模型分别在地形和地貌两个层面进行可通过性评估,从而实现自主移动机器人实时室外场景理解．实验结果和数据分析验证了所提方法的有效性和实用性．     

基于全景视觉与里程计的机器人自定位方法研究

通过分析全景视觉与里程计传感器的感知模型的不确定性，提出了一种基于路标观测的移动机器人自定位算法. 该算法利用卡尔曼滤波器，融合多种传感器在不同观测点获取的观测数据完成机器人自定位．与传统的、采用单一传感器自定位的方法相比，它利用视觉和里程计的互补特性，提高了自定位的精度．实验结果证明了上述方法的有效性．     

机器人全向视觉定位系统的建模与应用

针对机器人对目标定位的需要,根据机器人结构及全向视觉系统的特点,研究并建立了包括双曲面镜的反射模型、成像模型在内的一套数学模型.确立了由先验信标位置求机器人位置,由像点和机器人位置求目标位置的数学过程.为目标定位提供了必要的数学模型和算法.定位时,为了减小视觉定位中单幅图像存在的不确定性,提出了基于图像序列及多传感器信息融合的目标定位方法.与传统方法相比,该方法抗外部和系统干扰的能力更强,且精度更高.实验结果证明了方法的有效性.     

室外移动机器人的视觉临场感系统

本文介绍了我们所建立的室外移动机器人的视觉临 场感系统,由摄像机云台系统、头盔系统、通讯系统、视频显示系统组成,集成的系统取得 了令人满意的效果．     

基于单目视觉的仓储物流机器人定位方法

针对轮式仓储物流机器人的自主定位问题,提出了一种基于视觉信标和里程计数据融合的室内定位方法。首先,通过建立相机模型巧妙地解算信标与相机之间的旋转和平移关系,获取定位信息;然后,针对信标定位方式更新频率低、定位信息不连续等问题,在分析陀螺仪和里程计角度误差特点的基础上,提出一种基于方差加权角度融合的方法实现角度融合;最后,设计里程计误差模型,使用Kalman滤波器融合里程计和视觉定位信息弥补单个传感器定位缺陷。在差分轮式移动机器人上实现算法并进行实验,实验结果表明上述方法在提高位姿更新率的同时降低了角度误差和位置误差,有效地提高了定位精度,其重复位置误差小于4 cm,航向角误差小于2°。同时该方法实现简单,具有很强的可操作性和实用价值。     

基于光电鼠标的移动机器人室内定位方法

介绍通常的定位方法和背景知识后，提出了使用光电鼠标来提高航迹推算法法精度的方法。仿真显示该方法比传统的航迹推算法法要好。     

基于人工路标的易部署室内机器人全局定位系统

在一些布局易变或存在较多动态障碍物的室内,移动机器人的全局定位依然面临较大的应用挑战.针对这类场景,实现了一种新的基于人工路标的易部署室内机器人全局定位系统.该系统将人工路标粘贴在不易被遮挡的天花板上来作为参照物,仅依赖一个摄像头即能实现稳定的全局定位.整个系统根据具体的功能分为地图构建和全局定位两个过程.在地图构建过程中,系统使用激光SLAM算法所输出的位姿估计结果为基准,根据相机对路标点的观测信息来自动估计人工路标点在全局坐标系中的位姿,建立人工路标地图.而在全局定位过程中,该系统则是根据相机对地图中已知位姿的人工路标点的观测信息,结合里程计与IMU融合的预积分信息来对位姿进行实时估计.充分的实验测试表明,机器人在该系统所部署范围内运行的定位误差稳定在10 cm以内,且运行过程可以保证实时位姿输出,满足典型实际室内移动机器人全局定位的应用需求.     

多传感器苹果采摘机器人定位系统研究

本文研究了一种适用于苹果园中自主移动机器人的定位系统.该系统采用以CCD传感器为感应元件的数码相机获取苹果园场景视频信息,以作者开发的图象处理软件实现路标的提取和识别,并利用激光测距传感器测定机器人与路标的精确距离,结合以上信息,应用直接推理的路标全局定位方法,实现苹果园中移动采摘机器人的定位.仿真实验表明,该系统具有较高的定位精度和鲁棒性,定位精度介于95.6～99.0%之间,符合苹果采摘机器人定位要求.     

基于视觉的室外移动机器人障碍物检测方法

针对复杂交通场景中的室外移动机器人,提出了一种基于小波模极大值和集成学习支持向量机的障碍 物检测方法．首先引入了基于小波模极大值的奇异信号分析理论,对候选障碍物区域进行探测;然后,构建了一种 基于集成学习改进的多分类支持向量机,对候选区域进行分类识别．实验中将该方法应用于多种交通场景（高速公 路、城区道路）,结果验证了其有效性、通用性和实时性．     

基于运动视的移动机器人定位方法

提出了一种新颖的基于运动视的定位方法．该方法从机器人接近的目标上选取两个特征点并根据它们的图像坐标确定机器人运动前后相对于目标的位姿．本文还提出了一种能够更准确地找出特征点图像坐标的搜索算法．试验结果表明该方法有较高的定位精度和较强的鲁棒性．     

移动机器人的一种室内自然路标定位法

实时定位是移动机器人导航的一个基本前提。该文提出了一种利用墙棱边及墙平面(EdgeandPlane,EP)路标或者广义EP路标进行定位的方法,使用了异步数据融合的方法对移动机器人进行了定位。仅利用传感器对墙平面的距离数据进行测量就实现了机器人的定位。仿真显示这些方法能减少机器人的定位时间,提高对传感器测量数据的利用效率。     

Monocular Vision for Mobile Robot Localization and Autonomous Navigation

This paper presents a new real-time localization system for a mobile robot. We show that autonomous navigation is possible in outdoor situation with the use of a single camera and natural landmarks. To do that, we use a three step approach. In a learning step, the robot is manually guided on a path and a video sequence is recorded with a front looking camera. Then a structure from motion algorithm is used to build a 3D map from this learning sequence. Finally in the navigation step, the robot uses this map to compute its localization in real-time and it follows the learning path or a slightly different path if desired. The vision algorithms used for map building and localization are first detailed. Then a large part of the paper is dedicated to the experimental evaluation of the accuracy and robustness of our algorithms based on experimental data collected during two years in various environments.     

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。     

基于粒子滤波器的移动机器人定位和地图创建研究进展

首先,对粒子滤波器的原理和研究进展进行了综述．然后,介绍了基于粒子滤波器的移动机器人定位研究进展．其次,给出了粒子滤波器在移动机器人地图创建领域的最新成果．最后,对粒子滤波器在移动机器人研究领域的未来发展方向进行了展望．     

一种新颖的基于两个特征点的室内移动机器人定位方法

提出了一种新颖的基于两个特征点的室内移动机器人定位方法。与已有的几何位姿估计方法或航标匹配方法不同,该方法不需要人工航标,也不需要准确的环境地图,只需一幅由传统的CCD相机拍摄的图像。从机器人接近的目标上选取相对于地面等高的两个点作为两个特征点。基于这两点建立一个目标坐标系。在相机平视且这两个特征点与相机投影中心相对于地面不是恰好等高的条件下,就可以根据这两个特征点在图像中的坐标确定机器人相对于目标坐标系的位置和运动方向。该方法非常灵活,适用范围广,可以大大简化机器人定位问题。试验结果表明这一新的方法不仅简单灵活而且具有很高的定位精度。     

基于场景识别的移动机器人定位方法研究

提出了一种基于场景识别的移动机器人定位方法．对CCD采集的工作环境的系列场景图像,用多通道Gabor 滤波器提取场景图像的全局纹理特征,然后通过SVM分类器来识别场景图像,实现机器人的逻辑定位．在移动机器人CASIA-I 上对该算法进行了实验．实验结果表明,该定位方法可达到91.11%的定位准确率,对光照、对比度等因素有较强的鲁棒性,并且满足机器人实时定位的要求．     

基于多传感器融合的移动机器人定位

针对移动机器人定位系统中单一传感器定位精度低与环境地图的重要性问题, 提出了一种基于多传感器融合的移动机器人定位方法. 首先, 在未知环境下, 分别利用单一里程计, 扩展卡尔曼滤波(extended Kalman filter,EKF)算法融合里程计、惯性测量单元(inertial measurement unit, ...     

基于霍夫空间模型匹配的移动机器人全局定位方法

提出了一种基于霍夫（Hough）空间模型匹配的全局定位方法．该方法将经典Hough变换引入移动机器人全局定位,利用摄像机获取外界环境的局部地图特征,与给定环境模型（全局地图）在Hough空间进行匹配,由Hough变换可分解性及环境模型相关性分别获取机器人可能的位姿信息,并用一系列高斯值表示,借助求取的位姿方差及其概率分布以及给定环境模型信息剔除不可能位姿,从而最终实现移动机器人全局定位．该方法尤其适用于室内结构化环境. 实验结果表明该方法具有良好的性能．