基于激光雷达与改进AMCL的爬壁机器人定位方法

锅炉爬壁机器人在实际应用中存在轮式编码器与惯性测量单元(IMU)使用受限,车轮与金属水冷壁之间容易打滑等问题。针对以上因素导致机器人全局定位与位姿跟踪性能下降,提出一种基于激光里程计与改进自适应蒙特卡洛(AMCL)的全局定位方法。首先,使用基于PL-ICP方法的激光里程计替代传统轮式、惯性里程计;然后将遗传学中DNA交叉变异的思路引入AMCL的粒子迭代过程中,提出一种遗传算法改进的自适应蒙特卡洛定位方法,缓解AMCL粒子贫化导致位姿跟踪性能下降和恢复定位速度慢的问题。经实验验证,该方法的绝对定位误差控制在12.7 cm,精度较普通AMCL方法提升32.4%;该方法在机器人发生轻微打滑时定位结果几乎不受影响,发生较大滑动时恢复定位的速度较普通AMCL方法提升35%。     

基于有限状态机的类人足球机器人决策系统设计

RoboCup类人组(Humanoid League)机器人的决策系统是基于单目视觉自主决策的核心子系统,是决定比赛胜败的关键因素之一。本文以高效性为原则,设计了基于有限状态机的新决策系统,将复杂的机器人决策行为控制层划分为可以独立调试和优化的4个状态机模块,使机器人各状态之间的转换更加灵活,决策效率极大提高,决策算法更加易于继承和开发。将该决策系统应用于类人足球机器人平台,通过试验及比赛证明了其有效性和高效性。     

基于小生境遗传算法的雷达组网误差配准

多传感器信息融合须进行误差配准。传统的误差配准技术采用RTQC、最小二乘法或极大似然估计法,将非线性方程进行线性化,而线性化过程会引入误差。给出了一种基于小生境遗传算法的误差配准算法,该方法在采用基于ECEF坐标系的误差配准技术的基础上,克服了将非线性方程线性化带来的误差,并在传统遗传算法的基础上引入小生境技术,提高了遗传算法全局寻优能力、收敛速度以及系统误差估计结果的精度。最后,将该方法与基于ECEF坐标系的最小二乘法及传统遗传算法进行了比较,仿真实验结果验证了算法的有效性。