一种新的基于RFID的室内移动机器人自定位方法研究

针对室内移动机器人自定位算法定位精度不高、定位误差存在波动的问题,提出了一种RTFL(RFID tag floor based localization)定位算法与RSSI定位算法相结合的室内移动机器人自定位方法。由RTFL定位算法给定机器人位置估算初值和机器人所在的范围,然后通过基于RSSI的机器人自定位系统进行机器人位置的进一步精确定位。求解过程中,通过遗传算法求解极大似然方程组,并且提出了染色体的筛选和剔除策略。仿真实验结果表明：该方法在有效的时间内完成定位,平均定位误差为0.1572m,与传统的改进方法0.33214m的定位误差相比,降低了近一倍。并且新方法受环境影响较小,鲁棒性较好,能够很好的满足室内移动机器人的定位要求。     

基于相对定位的多移动微机器人协作定位方法

为了提高微机器人定位的精确性,研究了基于相对定位的多移动微机器人协作定位方法.结合微机器人尺寸小的特点,定位系统中采用低功耗的红外传感器作为微机器人的测距传感器,利用粒子滤波实现微机器人的自定位.在自定位及相对定位的基础上,提出了多微机器人的协作定位算法,通过保留一定数目的粒子在自身粒子集合中,而非交换全部的粒子的策略,保证了一定的定位精度.仿真与实验结果验证了协作定位算法的有效性.     

基于改进支持向量回归算法的移动机器人定位

为了提高移动机器人定位精度,提出了一种基于正交编码器和陀螺仪的轮式移动机器人定位系统,建立机器人的定位模型和运动学模型。研究了支持向量回归（SVR）算法,为获得更好的鲁棒性,对目标函数误差平方进行加权,分析不同参数优化算法对支持向量机回归准确率的影响。以自制的移动机器人为实验平台,将改进的算法与最小二乘支持向量回归（LSSVR）算法、加权最小二乘支持向量回归（WLSSVR）算法进行比较,对比了用改进算法时机器人在木地板场地与瓷砖场地的定位误差情况,并对正交编码器+陀螺仪定位系统与双码盘定位系统、单码盘+陀螺仪定位系统进行比较。实验结果表明,改进的算法使机器人的定位精度明显高于对比算法,并且所提出的定位系统定位效果较好。     

基于粒子滤波器的移动机器人自定位方法研究

首先,对粒子滤波器的原理进行了简要阐述。然后详细描述了基于粒子滤波器的移动机器人自定位算法——蒙特卡洛定位算法。在ROS(Robot Operating System)平台上对该算法进行了仿真实验并分析了其性能。最后,对蒙特卡洛粒子滤波定位方法用于移动机器人定位进行了总结。结果表明,MCL(蒙特卡洛)算法是一种精确鲁棒的移动机器人概率定位方法,可对解决移动机器人的定位问题提供有意义的参考。提出的机器人自定位方法为机器人在Robocup竞赛中自主执行各种作业提供定位支持,已在2013年中国机器人大赛获奖。     

基于多传感器融合的移动机器人定位算法研究

针对移动机器人在室外环境下全局位姿定位精度低、定位耗时长的问题,提出一种基于多传感器融合的机器人定位算法。首先构建移动机器人的运动模型,并选用里程计、惯性测量单元IMU和激光雷达作为移动机器人的基础传感器;然后采用自适应蒙特卡罗定位算法对传感器融合位姿进行位姿误差计算,获取移动机器人初始位姿;最后进行激光点云匹配,获取全局地图,并利用基于全局正态分布地图的NDT算法进行初始位姿修正,最终实现全局位姿校正和高精度定位。结果表明,基于多传感器融合的移动机器人定位误差控制在0.04 m范围内,定位时长均值为0.045 s,定位误差较小,定位损耗时间较少。由此说明,本定位算法可提升移动机器人的定位精度和定位效率,可实现移动机器人全局位姿快速、精确定位,提出的定位算法具备一定的有效性。     

基于激光扫描测距的机器人粒子滤波定位技术研究

传统的粒子滤波即时定位与地图构建(SLAM)算法在构建地图和目标进行自主定位时,粒子数量大,占用的内存高,重采样之后容易出现粒子匮乏现象,为了提高机器人自主定位的效率,提出了一种改进的重采样策略和粒子更新策略,融入系统模型.在装有机器人操作系统(ROS)的旅行家移动机器人上进行测试,实验结果表明:方法能够有效提升粒子滤波定位的效率.     

无线传感器网络中改进的多目标定位和跟踪算法

基于无线传感器网络的目标定位与跟踪技术是目前研究的热点,传统的目标跟踪算法均需要明确的目标定位系统观测模型,如无法获得该模型,则算法失效。为此,利用移动机器人客户端,提出一种分布式移动多目标定位和跟踪算法。该算法将所有机器人分为负责目标跟踪的领袖机器人与负责网络阵型和连接性维护的从属机器人,对收敛误差和系统参数间的关系进行分析,并通过仿真实验验证了该算法的有效性。     

一种有效的移动机器人里程计误差建模方法

移动机器人里程计误差建模是研究移动机器人定位问题的基础. 现有的移动机器人里程计误差建模方法多数针对某一种驱动类型移动机器人设计, 运动过程中缺乏对里程计累计误差的实时反馈补偿, 经过长距离运动过程定位精度大幅度降低. 因此本文针对同步驱动和差动驱动轮式移动机器人平台提出了一种通用的里程计误差建模方法. 在假设机器人运动路径近似弧线基础上, 依据里程计误差传播规律推导了非系统误差、系统误差与里程计过程输入之间的近似函数关系, 进而提出一种具有闭环误差实时反馈补偿功能的移动机器人定位算法, 对定位过程中产生的里程计累计误差给予实时反馈补偿. 实验表明新算法有效地减少了里程计累计误差, 提高了定位精度.     

基于不同重采样算法的RFID指纹定位

为满足移动机器人精确定位的需求,提出一种基于不同重采样算法的粒子滤波指纹定位法。定位阶段首先利用机器人运动学建立运动模型作为粒子预测分布, 并将当前的观测信息和环境指纹融入, 以改善滤波效果, 减少所需粒子数;然后给出精致重采样(ER)算法,以提高粒子的细化能力,减少粒子匮乏效应并提高定位精度;最后分析不同重采样算法对定位精度的影响,且从不同的实验角度进一步验证定位算法的精确性以及可靠性。实验结果表明, 该算法在定位精度和鲁棒性方面都有显著提高。     

基于里程计和PTZ视觉的移动机器人自定位

针对机器人长距离运行时里程计定位存在累积误差问题,提出一种基于里程计和PTZ视觉的移动机器人自定位算法。提出了中断式S形搜索策略的概念,设计了基于有限自动机的视觉定位方法;分析了里程计和视觉定位误差来源,分别建立了其定位信度模型;并基于该模型建立里程计和PTZ视觉定位的框架。针对视觉定位及里程计视觉复合定位分别进行了实验,结果验证了该方法的有效性和实用性。     

移动机器人超宽带与视觉惯性里程计组合的室内定位算法

对于移动机器人在室内环境的定位任务,新兴的基于视觉惯性里程计（VIO）的辅助定位技术受光线条件限制大,无法在黑暗环境中工作,且超宽带（UWB）定位易受非视距（NLOS）误差影响。针对以上问题,提出一种UWB与VIO组合的室内移动机器人定位算法。首先,采用立体视觉多状态约束下的Kalman滤波器（S-MSCKF）算法/双边双向测距（DS-TWR）算法和三边定位法,分别得到VIO输出的位置信息/UWB解算的定位信息;然后,建立位置测量系统的运动方程与观测方程;最后,通过误差状态扩展卡尔曼滤波（ES-EKF）算法来进行数据融合,得到机器人的最优位置估计。使用搭建的移动定位平台在不同的室内环境下对组合定位方算法进行验证。实验结果表明在有障碍物的室内环境下,与单一UWB定位方法相比,所提算法的总体定位的最大误差减小了约4.4%,均方误差减小了约6.3%;与VIO定位方法相比,所提算法的总体定位的最大误差减小了约31.5%,均方误差减小了约60.3%。可见所提算法可为室内环境下的移动机器人提供实时、精确且鲁棒的定位结果。     

基于粒子群优化算法的工业机器人定位抓取控制系统设计

为消除工业机器人实际抓取位置与定位位置之间的误差,实现对机器人抓取行为的有效控制,设计基于粒子群优化算法的工业机器人定位抓取控制系统。根据主要机器部件选型情况建立电气网络结构,再联合视觉传感器与定位控制平台,控制抓取夹爪的行动范围,完成工业机器人定位抓取控制系统硬件的总体设计。遵循粒子群优化算法应用需求,实施Gbest选取与Pbest更新,并联合所得计算结果,定义三维坐标系表达式,建立基于粒子群优化算法的定位坐标系。根据跟踪点坐标求解结果,确定控制系数优化处理条件,完善抓取控制原则,再联合相关应用结构,实现基于粒子群优化算法的工业机器人定位抓取控制系统的设计。实验结果表明,粒子群优化算法作用下,工业机器人实际抓取位置坐标在X轴、Y轴方向上均准确符合定位位置坐标,有效消除了抓取误差,能够实现对机器人抓取行为的有效控制。     

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, ...     

基于改进双向测距到达时间差定位算法的超宽带定位系统

针对传统无线定位技术在室内定位精度不高的问题,设计实现了一种基于超宽带（UWB）技术的室内定位系统。首先,提出了定位服务器与移动端APP实时交互的系统结构,解决室内移动人员自主定位与导航的问题。其次,在双向测距（TWR）算法中增加一条无线电信息以减小时钟偏移引起的测距误差,从而提高算法性能。最后,将通过到达时间差（TDOA）定位算法得到的双曲面方程组进行线性化处理后结合Jacobi迭代法完成求解,避免了使用标准TDOA定位算法难以直接解算的情况。经测试,该系统在楼道房间等场景中能稳定工作且定位误差控制在30 cm以内,相比基于WiFi、蓝牙等技术的定位系统在定位精度上提高了10倍左右,能够满足在复杂室内环境中的精确移动定位需求。     

Self-localization and obstacle avoidance for a mobile robot

This article presents a fast self-localization method based on ZigBee wireless sensor network and laser sensor, an obstacle avoidance algorithm based on ultrasonic sensors for a mobile robot. The positioning system and positioning theory of ZigBee which can obtain a rough global localization of the mobile robot are introduced. To realize accurate local positioning, a laser sensor is used to extract the features from environment, then the environmental features and global reference map can be matched. From the matched environmental features, the position and orientation of the mobile robot can be obtained. To enable the mobile robot to avoid obstacle in real-time, a heuristic fuzzy neural network is developed by using heuristic fuzzy rules and the Kohonen clustering network. The experiment results show the effectiveness of the proposed method.     

移动机器人改进激光SLAM算法研究

针对传统RBPF(Rao-Blackwellised particle filter)算法存在定位精度低、粒子退化、粒子多样性丧失的问题,提出了一种基于激光雷达的改进SLAM(simultaneous localization and mapping)算法.首先基于主成分分析法对相邻帧的点云进行粗配准,再采用改进点到线...