基于ROS平台的移动机器人自主导航技术研究

针对移动机器人传统的室内环境导航方法比较单一,无法适应多场景等问题,本文将传统的基于ROS平台的Navigation功能框架的导航方法与AprilTag标签算法相结合进行导航系统的设计。该系统采用Gmapping算法和AMCL算法分别完成环境建图与机器人定位,然后通过Navigation功能框架获取环境地图与机器人位姿信息进行路径规划,并且在此基础上结合AprilTag标签算法进行机器人的导航设计。实验结果表明,该系统构建的环境地图精度较高,能够实现对机器人的有效定位,且Navigation功能框架与AprilTag标签相结合的导航系统能更好地适应多场景。     

面向医院的移动机器人导航系统设计

本文设计了一种采用RFID和机器视觉相结合的自主移动机器人导航系统.该系统在搜索和识别走廊内RFID标签和门牌号的基础上实现自定位和导航.本文首先给出了移动机器人导航系统的整体设计,然后分别给出了基于RFID辅助定位方法和基于DSP的门牌号识别方法,最后在博创UpVoyager移动机器人平台上验证了本系统的有效性.     

基于人工路标和立体视觉的移动机器人自定位

针对室内移动机器人的自定位问题,提出一种基于人工路标和双目视觉的室内移动机器人自定位方法。首先设计了一种可扩展的彩色人工路标,并给出路标的编码方法;然后利用色彩空间变换,直线交比不变性以及自适应窗口实现路标检测与识别;最后在分析双目立体视觉模型的基础上建立起基于路标的双目立体视觉定位模型,实现移动机器人的准确定位。实验结果表明,路标对光照和视觉传感器的采集位置具有较强的鲁棒性,定位精度能够满足室内移动机器人的定位要求。     

基于超宽带的移动机器人室内定位系统设计

针对目前移动机器人室内定位方式灵活性差和精度不高的问题,设计了一种基于超宽带(UWB)的高精度移动机器人室内定位系统。系统以UWB射频模块组成无线传感器网络,包括基站(Anchor)和安装在移动机器人顶端的标签(Tag)。采用非对称双边双向测距技术(ADS-TWR)获得标签到各基站之间的距离信息,无需基站与标签、基站与基站之间的时钟同步。距离信息通过Wi Fi由基站传输到上位机,利用卡尔曼滤波算法对距离信息进行优化后进行定位。测试结果表明,该系统具有布设简单、高精度、高实时性的特点,定点定位误差在13 cm以内,动态点定位误差小于20 cm。     

基于序列图像的视觉定位与运动估计

研究了移动机器人的视觉定位和目标的运动估计。采用单目视觉系统,借助人工标识物,由小孔成像模型及空间几何关系,推导出视觉测距模型,并实现了移动机器人的自定位和目标的定位。通过序列图像,应用基于特征的运动分析方法估计球体的运动参数,推导出移动机器人对运动目标的跟踪模型。球体定位实验结果表明:该方法的定位精度较高。     

基于多传感器信息融合的机器人导航与定位技术研究

移动机器人已经服务于各个领域,作为室内移动机器人服务的前提是实现机器人精准定位。文章介绍了一种射频识别（Radio Frequency IDentification,RFID）和即时定位与地图构建（Simultaneous Localization and Mapping,SLAM）多传感器融合库存盘点机器人精准导航与定位的方法。通过读取布置在环境中的RFID标签,获取机器人的大概位置信息和准确运动状态,然后结合SLAM技术实现精准定位。实验结果表明,该方法可以使库存盘点机器人精准定位,且系统搭建简单、成本低,对室内机器人定位具有参考价值。     

基于主动式全景视觉的移动机器人障碍物检测

针对现有的移动机器人视觉系统计算资源消耗大、实时性能欠佳、检测范围受限等问题,提出一种基于主动式全景视觉传感器(AODVS)的移动机器人障碍物检测方法。首先,将单视点的全方位视觉传感器(ODVS)和由配置在1个平面上的4个红色线激光组合而成的面激光发生器进行集成,通过主动全景视觉对移动机器人周边障碍物进行检测;其次,移动机器人中的全景智能感知模块根据面激光发生器投射到周边障碍物上的激光信息,通过视觉处理方法解析出移动机器人周边障碍物的距离和方位等信息;最后,基于上述信息采用一种全方位避障策略,实现移动机器人的快速避障。实验结果表明,基于AODVS的障碍物检测方法能在实现快速高效避障的同时,降低对移动机器人的计算资源的要求。     

基于视觉的移动机器人同时定位与建图研究进展

同时定位与建图(SLAM)是实现移动机器人真正自治的必要前提, 视觉传感器由于能够提供丰富的环境信息而在SLAM研究中受到重视, 本文从视觉传感器配置方式、视觉特征提取方法、视觉SLAM实现机制、地图表示类型以及环境对视觉SLAM的影响五个方面综述基于视觉传感器的同时定位与建图研究的发展现状, 对已有的典型视觉SLAM方法进行分析和比较, 并展望了未来的发展趋势.     

基于激光雷达与双目视觉的移动机器人SLAM研究

为解决移动机器人在环境未知条件下,利用单一传感器自主导航时不能及时定位、构建地图不精确的问题,提出采用一种改进RBPF算法,在计算提议分布时将移动机器人的观测数据(视觉信息与激光雷达信息)和里程计信息融合;针对一般视觉图像特征点提取算法较慢的问题,采用基于ORB算法对视觉图像进行处理以加快视觉图像处理速度的方法;最后通过在安装有开源机器人操作系统(ROS)的履带式移动机器人进行实验,验证了采用该方法可构建可靠性更高、更精确的2D栅格图,提高了移动机器人SLAM的鲁棒性.     

多传感器信息融合伺服的移动机器人快速跟随

针对移动机器人快速跟随任务的需要,采取了多传感器信息融合的伺服控制,用双目摄像机对移动机器人进行视觉导航,利用激光雷达和超声波传感器完成移动机器人的避障设计,通过位于机器人轮部的光电编码器反馈信息处理实现机器人的自定位,语音交互和手势交互共同完成移动机器人的人机交互,制定了移动机器人快速跟随整体策略并提出了软硬件系统集成方案.在实验环境中通过实验和实践表明了移动机器人能够快速顺利的完成跟随任务.