基于多数据融合的智能定位传感器避障方法研究

针对传统小车定位传感器控制效果差,导致小车避障能力不佳的问题。提出基于T-S模型模糊神经网络多数据融合的智能定位传感器避障方法。首先设计一个智能小车控制系统;然后将超声波传感器和红外传感器相结合应用于小车避障控制中,采用基于T-S模型神经网络信息融合算法对避障控制器的数据进行融合处理,以此提升智能小车避障控制效果。实验结果表明,对比于单一传感器,提出的多数据融合传感器的探测距离更加接近真实障碍物。基于T-S模型的模糊神经网络控制器的避障控制精度最高可达97.6%,避障精度较高,说明提出方法具备较好的控制效果,设计的智能小车能够准确安全地避开障碍物,具有一定的有效性和可靠性。     

基于SLAM的移动机器人避障研究

随着人工智能理论的成熟和算力的不断提高,移动机器人具有更加广阔的发展空间。作为移动机器人的核心算法——同步定位与建图（Simultaneous Localization and Mapping,SLAM）技术是一种移动机器人在陌生环境下实现自身实时定位和环境建图的重要方法。相对于其他SLAM方法,基于激光信息的SLAM在构建地图时,距离测量比较准确、误差模型简单,在强光直射以外的环境中运行稳定,可以提高移动机器人在不同环境下的自主避障能力。因此,本文基于激光SLAM对路径规划算法进行研究、优化定位和导航技术,以期提高在实际环境下移动机器人的自主避障效率。     

基于ROS的自导航垃圾识别智能移动小车设计

本课题主要设I计了一款基于etsonnano硬件平台的自导航智能移动小车，该小车主要由导航定位和图像识别所组成。小车搭载的传感器有激光雷达、MU和摄像头，基于ROS机器人操作系统开发，采用cartographer算法实现SLAM建图，通过STM32对小车底层驱动控制，实现自主导航。采用YOLOv5目标检测算法，对不同垃圾进行精准识别。     

基于视觉的机器人自主定位与障碍物检测方法

针对稀疏型同时定位与地图构建（SLAM）算法环境信息丢失导致无法检测障碍物问题，提出一种基于视觉的机器人自主定位与障碍物检测方法。首先，利用双目相机得到观测场景的视差图。然后，在机器人操作系统（ROS）架构下，同时运行定位与建图和障碍物检测两个节点。定位与建图节点基于ORB-SLAM2完成位姿估计与环境建图。障碍物检测节点引入深度阈值，将视差图二值化；运用轮廓提取算法得到障碍物轮廓信息并计算障碍物凸包面积；再引入面积阈值，剔除误检测区域，从而实时准确地解算出障碍物坐标。最后，将检测到的障碍物信息插入到环境的稀疏特征地图当中。实验结果表明，该方法能够在实现机器人自主定位的同时，快速检测出环境中的障碍物，检测精度能够保证机器人顺利避障。     

基于ROS的无人配送车导航系统的设计与实现

针对无人配送车在自主导航过程中存在的寻路效率低、避障能力弱、转折幅度过大等问题,该文采用搭载机器人操作系统(ROS)的Turtlebot3机器人作为无人配送车,设计并实现了高效稳定的无人配送车自主导航系统。ROS是专门用于编写机器人软件的灵活框架,对其集成的SLAM算法进行改进,以完成无人配送车在封闭园区环境中的即时定位与地图构建,同时对ROS导航功能包集成的路径规划算法进行改进,使无人配送车在已知环境地图中规划生成出适合无人配送车工作的路径和有效避开障碍物。最后在Gazebo仿真环境中对无人配送车自主导航系统进行测试与验证。仿真试验结果表明,设计实现的无人配送车导航系统能够很好地满足无人配送车在封闭园区中的自主导航功能。     

基于双目视觉移动机器人的路径规划和避障研究

提出了一种移动机器人路径规划和避障的系统设计方案,实现了移动机器人自主行进的路径规划和自动避障功能.详细说明了如何采用立体视觉实现对环境的探测,利用图像处理算法的组合分离出地面、背景、障碍物和目标物,采用边界不变矩实现障碍物和目标物的区分,改进了经典的人工势场法进行路径的规划,根据模糊控制原理设计了避障控制器和避障规则.实际的运行结果表明了该系统的可行性和有效性,该系统实现了移动机器人利用自身传感器感知环境信息,动态规划行进路径,成功躲避障碍物等功能.     

超声波避障智能小车的设计

为了提高智能小车自主导航的能力,需要解决智能小车在复杂环境中的自主避障问题。为了实现自主避障,提出了超声波避障的设计方案和处理算法。智能小车采用四轮驱动以提高驱动能力,通过不同宽度的脉冲控制舵机实现不同方向、不同角度的转向,从而带动超声波模块实现不同方向障碍物距离的检测。针对智能小车电机运转易引入干扰造成系统供电电压不稳的问题,提出了电机驱动模块和系统控制电路分开供电的解决方案。重点针对当障碍物超出超声波检测范围时小车软件程序易陷入"死区",以及在多个方向同时遇到障碍物时小车避障易发生刮擦等问题,提出了定时器溢出中断算法和后退转弯算法等解决方案。试验证明:该算法的小车避障效果较好,具有一定的推广、使用价值。     

基于LiDAR-IMU松耦合的同时定位与建图方法

同时定位与建图(SLAM)是无人车自主导航的基础,基于单一传感器的SLAM算法易受数据关联错误而导致算法跟踪失败.本文提出了一种激光雷达—惯性测量单元(LiDAR-IMU)传感器松耦合的同时定位与建图方法.提出了基于关键帧和基于普通帧的局部地图匹配方法,引入M估计修正代价函数的形状减少错误数据关联的影响,避免了信息损失...     

基于RGB-D信息的移动机器人SLAM和路径规划方法研究与实现

移动机器人在各种辅助任务中需具备自主定位、建图、路径规划与运动控制的能力。本文利用RGB-D信息和ORB-SLAM算法进行自主定位,结合点云数据和GMapping算法建立环境栅格地图,基于二次规划方法进行平滑可解析的路径规划,并设计非线性控制器,实现了由一个运动底盘、一个RGB-D传感器和一个运算平台组成的自主移动机器人系统。经实验验证,这一系统实现了复杂室内环境下的实时定位与建图、自主移动和障碍物规避。由此,为移动机器人的推广应用提供了一个硬件结构简单、性能良好、易扩展、经济性好、开发维护方便的解决方案。     

全景化智能小车

本文设计的智能小车硬件系统使用英伟达的Jetson Nano开发板,软件系统使用Ubuntu18.04搭配ROS1.0。视觉巡航模块运用深度学习中的CNN网络对赛道图片和转向数据进行训练,建立赛道转向的数学模型;交通标志检测模块使用YOLOv5对特定的交通标志进行训练与识别;导航避障模块使用激光SLAM的方法,采用Gmapping建图算法建立实时局部地图,然后运用扩展卡尔曼滤波算法融合里程计与IMU数据进行定位,通过激光雷达扫描得到环境中障碍物的位置信息,再使用导航算法实现障碍物区域的路线制定,以此实现自动行驶。     

基于多超声波信息融合的小车避障算法实现

智能小车根据不同传感器的传感信号,按照一定的规则来调整小车的方位角和速度,实现自主导航。成功避障是提高非结构化环境中智能小车自主能力的关键问题之一,本文提出了一种基于模糊控制的多超声波测距传感器信息融合智能小车避障算法,该算法不仅融合了多个超声波测距传感器的测量数据,对障碍物的距离和空间方位提供准确、可靠的信息,很好的实现避障行为决策,而且不依赖于对象的数学模型,具有较好的鲁棒性。     

多传感器在确定智能小车安全区域中的应用

智能小车根据不同传感器的信号,按照一定的规则来控制小车的方向角和速度,可以实现自主导航,成功避障是提高非结构化环境中智能小车自主能力的关键问题之一。为了能实现自主避障,提出了一种基于多超声波传感器的信息处理算法,该算法通过对多只超声波传感器的测量数据的处理,并根据处理结果确定小车运动空间的安全区域。实验证明：该方法计算得到的安全区域较为可靠,能为自主避障提供有效的信息。     

基于Atmega16的自主寻线避障智能车设计

设计并实现一种基于ATMEGA16单片机控制的自主寻线、避障、检测火焰并报警的智能小车。该智能车通过火焰传感器检测火焰,红外传感器检测轨道信息,红外对管检测障碍物,传感器将采集到的信息返回到单片机,单片机对信息做出相应的指挥控制,从而实现小车的自主寻线,稳定避障及检测火焰等功能。实验证明该小车寻线稳定、避障准确、检测火焰灵敏。     

基于超声波传感器测距的沿边走吸尘器路径规划算法

为了提高家用吸尘器使用的效率，并保证安全性和可靠性，提出利用超声波传感器来测距的环境信息采集的吸尘器清扫路径规划算法，首先本文简要描述了机器人路径规划的目标，超声波测距的工作原理，分析了家用自主式移动吸尘器设计时所面临的问题，提出了一种基于超声波传感器的家用自主式移动吸尘器路径规划算法，该算法有效地减少了吸尘器清扫某个具体环境的问题，提高其清扫效率，同时具有自动检测障碍物，自主避障的功能。     

基于2D激光雷达的SLAM算法研究综述

移动机器人导航功能的实现需要同时定位与建图(simultaneous localization and mapping,SLAM)和路径规划这两方面的技术,其中由SLAM技术生成的栅格地图是移动机器人运用路径规划算法的前提.2D激光SLAM由于其建图精度较高、性能稳定且价格便宜,在室内移动机器人中应用十分广泛.2D激光...     

基于ROS系统和SLAM技术的智能小车的研究

文章研究了一种具有同时定位与地图构建功能的智能小车。该小车的构建是基于ROS操作系统和Ubuntu操作系统,并采用C++设计语言完成的;主要由激光雷达、麦克纳姆车轮、深度相机等器件组成,可以实现三维建图、室内自主定位导航、动态避障、视觉巡线等功能。重点分析了智能小车的物理构造,并对小车的部分结构件以及SLAM技术的硬件...     

视觉SLAM研究进展

视觉SLAM是指相机作为传感器进行自身定位同步创建环境地图。SLAM在机器人、无人机和无人车导航中具有重要作用,定位精度会影响避障精度,地图构建质量直接影响后续路径规划等算法的性能,是智能移动体应用的核心算法。本文介绍主流的视觉SLAM系统架构,包括几种最常见的视觉传感器,以及前端的功能和基于优化的后端。并根据视觉SLAM系统的度量地图的种类不同将视觉SLAM分为稀疏视觉SLAM、半稠密视觉SLAM和稠密视觉SLAM 3种,分别介绍其标志性成果和研究进展,提出视觉SLAM目前存在的问题以及未来可能的发展。     

融合动态障碍物运动信息的路径规划算法

传统的路径规划算法只能在障碍物不发生位置变化的环境中计算最优路径。但是随着机器人在商场、医院、银行等动态环境下的普及,传统的路径规划算法容易与动态障碍物发生碰撞等危险。因此,关于随机动态障碍物条件下的机器人路径规划算法需要得到进一步改善。为了解决在动态环境下的机器人路径规划问题,提出了一种融合机器人与障碍物运动信息的改进动态窗口法来解决机器人在动态环境下的局部路径规划问题,并且与优化A*算法相结合来实现全局最优路径规划。主要内容体现为：在全局路径规划上,采用优化A*算法求解最优路径。在局部路径规划上,以动态障碍物的速度作为先验信息,通过对传统动态窗口法的评价函数进行扩展,实现机器人在动态环境下的自主智能避障。实验证明,该算法可以实现基于全局最优路径的实时动态避障,具体表现为可以在不干涉动态障碍物的条件下减少碰撞风险、做出智能避障且路径更加平滑、长度更短、行驶速度更快。     

基于机器视觉的小车跟随行驶系统设计

本系统以Arduino单片机为主控器,利用直流减速电机提供动力,PWM控制L298N实现调速,利用Open MV摄像头识别路线完成循迹。领头小车和跟随小车装有蓝牙模块用于车间通信,跟随小车车前装有光电开关以实现避障和跟随功能。两车利用PID循迹算法实现小车沿黑线前进,采用区域色块识别算法实现停车线的判断。经测试,小车功能稳定,传感器识别准确,很好地实现了设计要求。     

基于STM32和CoppeliaSim Edu的自动泊车系统设计与仿真

本项目设计并制作一个自动泊车系统智能小车，以STM32单片机为控制核心，并由单片机主控模块、电机驱动模块、超声波模块、红外避障模块等主要模块构成；通过LUA语言编程，利用Coppelia Sim Edu进行模拟仿真，能够完成自动循迹、速度控制以及传感器测距等多项功能。项目采用可视图法对小车路径进行规划，将小车、库位点和障碍物的各顶点进行组合连接，通过改善路径规划，提高小车自动泊车效率。通过优化自动倒车入库和侧方位倒车入库智能小车算法，根据停车的不同场景，对环境信息进行不同处理，综合确定停车空间，并作出不同的控制电信号，进而规划停车入库的路径，完成自动泊车功能。