煤矿移动机器人LiDAR/IMU紧耦合SLAM方法

煤矿井下机器人同步定位与地图构建(SLAM)是当前研究热点,但针对提高激光SLAM在井下复杂条件下精度、鲁棒性的研究仍然不足;传统激光SLAM方法在井下复杂环境下存在累计误差迅速增大、旋转过程鲁棒性差、特征关联错误率高等问题;现有激光-惯性融合的定位建图紧耦合融合机制仍需进一步提高对煤矿井下复杂环境的适应能力。针对上述问题,提出了一种煤矿机器人LiDAR(激光雷达)/IMU(惯性测量单元)紧耦合SLAM方法(LI-SLAM方法)。首先利用IMU观测信息预测点云运动状态并进行有效补偿,减少由于剧烈振动、快速旋转等恶劣运动工况导致的点云畸变;然后提取雷达点云的边线与平面特征,基于点-线和点-面扫描匹配构建激光相对位姿约束,并在向量空间与流形空间解析推导了约束的残差、雅可比矩阵、协方差矩阵构建过程;最后通过构建雷达相对位姿约束因子、IMU预积分约束因子、回环检测约束因子,基于因子图优化方法完成LiDAR/IMU紧耦合,实现井下复杂环境下煤矿移动机器人的定位与地图构建。为了验证LI-SLAM方法在颠簸路面、复杂场景的精度与鲁棒性,基于煤矿轮式移动机器人平台,在野外、地下车库环境下进行了试验,在...     

LiDAR/IMU紧耦合的实时定位方法

本文以实现移动小型智能化系统的实时自主定位为目标, 针对激光里程计误差累计大, 旋转估计不稳定, 以及观测信息利用不充分等问题, 提出一种LiDAR/IMU紧耦合的实时定位方法 — Inertial-LOAM. 数据预处理部分, 对IMU数据预积分, 降低优化变量维度, 并为点云畸变校正提供参考. 提出一种基于角度图像的快速点云分割方法, 筛选结构性显著的点作为特征点, 降低点云规模, 保证激光里程计的效率; 针对地图构建部分存在的地图匹配点搜索效率低和离散点云地图的不完整性问题, 提出传感器中心的多尺度地图模型, 利用环形容器保持地图点恒定, 并结合多尺度格网保证地图模型中点的均匀分布. 数据融合部分, 提出LiDAR/IMU紧耦合的优化方法, 将IMU和LiDAR构成的预积分因子、配准因子、闭环因子插入全局因子图中, 采用基于贝叶斯树的因子图优化算法对变量节点进行增量式优化估计, 实现数据融合. 最后, 采用实测数据评估Inertial-LOAM的性能并与LeGO-LOAM, LOAM和Cartographer对比. 结果表明, Inertial-LOAM在不明显增加运算负担的前提下大幅降低连续配准误差造成的误差累计, 具有良好的实时性; 在结构性特征明显的室内环境, 定位精度达厘米级, 与对比方法持平; 在开阔的室外环境, 定位精度达分米级, 而对比方法均存在不同程度的漂移.     

基于最优化方法的地下圆柱目标定位与识别

地下管道、空洞等圆柱形目标的定位和识别是探地雷达走向实用的一个亟待解决的问题.提出了一种在频域运用最大似然估计进行圆柱目标定位和识别的方法.在一阶Born近似下建立了各孔径点处回波信号和目标的位置参数和电磁参数之间的关系,将目标的未知参数估计问题归结为全局搜索-目标函数极值的最优化问题.通过对仿真数据和实测数据的处理,结果显示该方法可以精确估计出目标的位置参数和电磁参数,有效地进行圆柱目标的定位和识别.     

基于移动机器人的室内火灾预警点探测与定位的方法研究

火灾探测技术已成为对火灾进行预防的重要手段之一,目前常用的固定式火灾探测装置不能自主的探测和定位到火警点,对火灾发生初期的预防和灭火有一定的局限性。论文针对该问题,在分析火灾探测技术的基础上,提出一种多位姿仿人鼻的火灾探测装置,并制备出样机,同时尝试将其与可移动机器人结合来实现对室内火警点的探测和定位。基于不同的烟雾情况制定出不同的探测准则,根据该准则进行路径轨迹仿真,经过仿真结果可以看到移动机器人最终定位到火警点的位置。可移动的火灾探测装置在探测和定位到火警点的过程中,若所在空间中由拐角或家具死角导致烟雾扩散有聚集死角的情况存在,会对探测和定位过程造成很大的影响,仿真实验中的移动机器人在探测和定位火警点中的轨迹可以看出死角的存在虽然影响了对火警点的探测,但最终还是能够探测和定位到火警点,其路径轨迹表现出很好的一致性和连续性。     

基于三层空间模型的地下目标成像

由于电磁波在穿越不同介质时会出现折射现象,因此在机载条件下对地下目标成像时,电磁波信号从机载雷达到达地下目标的整个路径不是直线而是折线,此时再利用常规的自由空间中合成孔径成像方法已经不能对目标进行良好成像.基于电磁波的传播规律和地层有耗媒质的特性,文章提出了电磁波传输的三层空间模型,并将其应用到机载条件下的地下目标成像,通过仿真比较,可以明显看出,使用三层空间模型后对地下目标成像效果的改善,验证了三空间模型适用于机载条件下对分层土壤中的地下目标成像.     

面向智能空间的位置感知方法研究

位置感知是智能空间中的重要技术.在分析了现有基于移动自组网的位置感知方法后,提出了一种基于多维定标(multidimensional scaling,简称MDS)的新的位置感知方法——SSOLA(smart space oriented locationawareness method),可以对智能空间中的无线通信节点进行精确定位,获得节点之间的相对位置(坐标);当有极少数位置已知的锚节点(2 维定标存在3 个以上锚节点,3 维定标存在4 个以上锚节点)时,可以得到全网所有节点的绝对位置(坐标).SSOLA 算法的设计思想是:以MDS 分析为核心,采用Euclidean 测距方法计算节点间距离矩阵,采用1 跳和2 跳局部图相结合的自适应选择机制构建局部图,各节点独立计算局部图,最终合成全局位置图.此外,SSOLA 还可以与OLSR 路由算法相融合,从整体上减轻了SSOLA 算法的执行开销,提高了定位效率.仿真实验结果表明,SSOLA 具有对锚节点依赖小、定位精度高、可扩展性好、执行速度快等优点,对原始测量误差也有较强的鲁棒性,可以应用于战术互联网、智能战场等大规模无线通信环境中.     

基于Mask RCNN的目标识别与空间定位

在机械臂的自主抓取系统研究中,为了自动获取目标物体的空间位置,采用Kinect深度传感器采集RGB图像,利用改进的深度学习算法Mask RCNN对RGB图像上的目标进行识别与分割,并通过Kinect深度传感器模型,将二维图像坐标转换成三维空间坐标,对目标物体进行三维建模,达到空间定位的目的。通过大量数据训练的Mask RCNN算法,可以同时识别多种特征差异很大的目标物体,具有广泛的应用空间。经过实验表明,获得的目标物体的三维空间坐标较为准确,且受环境影响较小,对机械臂抓取系统的研究具有较为重要的意义。     

面向室内环境的RFID定位方法分析与仿真

通过分析2种经典室内无线射频识别定位方法LANDMARC和VIRE,提出一种基于虚拟参考标签空间的定位方法。在定位区域中构建虚拟参考标签空间、实体参考标签和读写器结合的定位空间,并在采用K近邻方法进行定位坐标的计算中,引入Q-function计算每个邻居的权值,减小正态随机变量标准差带来的阴影效应。实验结果表明,该方法具有灵活的设备部署方式以及较高的定位精度。     

一种QPSO的地下浅层震源定位方法

在一些传统的震源定位算法中,震源优化时对初始震源解的要求比较高,依赖性较大,且搜索范围具有一定的局限性,很难在群波混叠严重,频谱成分复杂的大区域范围内进行震源定位寻优.针对这一问题,提出了基于量子粒子群(QPSO)算法的地下浅层震源定位方法,并通过仿真实现了该算法,评估了该算法与传统算法的优劣.实验结果表明:在–100 m×100 m×–40 m范围内,基于QPSO的浅层单目标震源定位算法的定位精度明显高于传统的基于粒子群的震源定位算法,定位精度可达0.324 m,具有重要的实际应用价值.     

基于空时显著性感知的运动目标检测方法*

从视觉系统生理结构出发,对Itti视觉注意力模型进行了改进,融入运动特征,提出了一种基于视觉空时显著性感知的运动目标检测方法。首先提取图像的空间特征,形成空间显著图;然后利用相邻帧图像的全局运动、局部运动和相对运动,确定运动目标与背景的运动差异,形成运动显著图,并且对各显著区的空间特征和运动特征进行融合形成空时显著图,检测出运动目标。理论分析和实验结果表明,该方法能快速、准确地发现目标,减少目标的截获时间,提高目标跟踪性能。     

Active Visual Perception for Mobile Robot Localization

Localization is a key issue for a mobile robot, in particular in environments where a globally accurate positioning system, such as GPS, is not available. In these environments, accurate and efficient robot localization is not a trivial task, as an increase in accuracy usually leads to an impoverishment in efficiency and viceversa. Active perception appears as an appealing way to improve the localization process by increasing the richness of the information acquired from the environment. In this paper, we present an active perception strategy for a mobile robot provided with a visual sensor mounted on a pan-tilt mechanism. The visual sensor has a limited field of view, so the goal of the active perception strategy is to use the pan-tilt unit to direct the sensor to informative parts of the environment. To achieve this goal, we use a topological map of the environment and a Bayesian non-parametric estimation of robot position based on a particle filter. We slightly modify the regular implementation of this filter by including an additional step that selects the best perceptual action using Monte Carlo estimations. We understand the best perceptual action as the one that produces the greatest reduction in uncertainty about the robot position. We also consider in our optimization function a cost term that favors efficient perceptual actions. Previous works have proposed active perception strategies for robot localization, but mainly in the context of range sensors, grid representations of the environment, and parametric techniques, such as the extended Kalman filter. Accordingly, the main contributions of this work are: i) Development of a sound strategy for active selection of perceptual actions in the context of a visual sensor and a topological map; ii) Real time operation using a modified version of the particle filter and Monte Carlo based estimations; iii) Implementation and testing of these ideas using simulations and a real case scenario. Our results indicate that, in terms of accuracy of robot localization, the proposed approach decreases mean average error and standard deviation with respect to a passive perception scheme. Furthermore, in terms of efficiency, the active scheme is able to operate in real time without adding a relevant overhead to the regular robot operation.     

Building 3-D Visual Perception of a Mobile Robot Employing Extended Kalman Filter

The paper aims at designing a novel scheme for sensory data fusion by a mobile robot for reconstructing its 3-D world from their multiple gray images. Extended Kalman filter has been employed for determining the coordinates of the 3-D vertices and equation of the planes of the obstacles in the robot's workspace from their multiple images. The geometric relations among these 3-D planes are then determined by using a logic program for recognizing the obstacles. The time required for recognition of a typical planer obstacle such as a box on a Pentium-III client with 64 MB RAM and a Pioneer-2 type robot server including the time involvement for the motion of the robot around the obstacle is approximately 18 seconds.     

基于嵌入式系统的移动机器人目标识别方法

基于S3C2410嵌入式系统平台,提出一种高效实用的目标识别方法,把视觉辨识应用于移动机器人的目标识别中。从目标识别的流程上,首先采用一种全整数运算的RGBHSV颜色转换空间模型;然后以HSV颜色空间中H值为主,S值为辅的方式对图像进行二值化处理;接着采用一种快速的行扫描标记聚类算法找到二值化图像中的目标物体存在的连通区域。从而从颜色和形状上识别目标物体。经实验证明,谊方法在移动机器人运动场合中能较好的完成对目标物体的识别,实用性强。     

An Agricultural Mobile Robot with Vision-Based Perception for Mechanical Weed Control

This paper presents an autonomous agricultural mobile robot for mechanical weed control in outdoor environments. The robot employs two vision systems: one gray-level vision system that is able to recognize the row structure formed by the crops and to guide the robot along the rows and a second, color-based vision system that is able to identify a single crop among weed plants. This vision system controls a weeding-tool that removes the weed within the row of crops. The row-recognition system is based on a novel algorithm and has been tested extensively in outdoor field tests and proven to be able to guide the robot with an accuracy of ±2 cm. It has been shown that color vision is feasible for single plant identification, i.e., discriminating between crops and weeds. The system as a whole has been verified, showing that the subsystems are able to work together effectively. A first trial in a greenhouse showed that the robot is able to manage weed control within a row of crops.     

GripSee: A Gesture-Controlled Robot for Object Perception and Manipulation

We have designed a research platform for a perceptually guided robot, which also serves as a demonstrator for a coming generation of service robots. In order to operate semi-autonomously, these require a capacity for learning about their environment and tasks, and will have to interact directly with their human operators. Thus, they must be supplied with skills in the fields of human-computer interaction, vision, and manipulation. GripSee is able to autonomously grasp and manipulate objects on a table in front of it. The choice of object, the grip to be used, and the desired final position are indicated by an operator using hand gestures. Grasping is performed similar to human behavior: the object is first fixated, then its form, size, orientation, and position are determined, a grip is planned, and finally the object is grasped, moved to a new position, and released. As a final example for useful autonomous behavior we show how the calibration of the robot's image-to-world coordinate transform can be learned from experience, thus making detailed and unstable calibration of this important subsystem superfluous. The integration concepts developed at our institute have led to a flexible library of robot skills that can be easily recombined for a variety of useful behaviors.     

一种鲁棒的室内移动机器人定位方法

该文意图解决移动机器人在室内环境中定位难的问题,提出了卡尔曼滤波定位方法。移动机器人依靠自身配置的声纳传感器感知环境,并提取环境中的墙角作为几何特征,通过预测值与实际观测值之间匹配和修正的循环过程实现了该定位算法,实验结果表明该方法是鲁棒的。     

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．     

加速度空间中基于线性规划的移动机器人路径规划方法

针对动态不确定环境下移动机器人的路径规划问题, 提出了加速度空间中一种基于线性规划 (Linear programming, LP) 的方法. 在机器人的加速度空间中利用相对信息, 把机器人路径规划这一非线性问题, 描述成满足一组线性约束同时使目标函数极小的线性规划问题, 嵌入基于线性规划方法的规划器, 得到一条满足性能要求的最优路径. 仿真试验验证了算法的实用性及有效性, 与势场引导进化计算的方法 (Artificial potential guided evolution algorithm, APEA) 相比更优化, 更实时.     

骨科机器人空间设计方法研究

在分析骨科临床手术环境中各类空间的基础上,用带有约束激活函数的集合对临床空间进行了描述．采用机器人占有空间、医生占有空间、手术对象空间、手术器械占有空间、机器人工作空间、机器人有限灵活空间、误差敏感系数等概念,结合骨科临床手术环境,提出了骨科机器人空间设计的内容和方法．通过空间设计,合理使用骨科机器人的有限灵活空间,可以提高机器人的手术精度,简化机器人的结构,增加机器人的安全可靠性．最后,以双平面骨科机器人的空间设计为例,验证了方法的可行性．     

移动机器人视觉定位方法的研究与实现

针对移动机器人的局部视觉定位问题进行了研究。首先通过移动机器人视觉定位与目标跟踪系统求出目标质心特征点的位置时间序列，然后在分析二次成像法获取目标深度信息的缺陷的基础上，提出了一种获取目标的空间位置和运动信息的方法。该方法利用序列图像和推广卡尔曼滤波，目标获取采用了HIS模型。在移动机器人满足一定机动的条件下，较精确地得到了目标的空间位置和运动信息。仿真结果验证了该方法的有效性和可行性。