基于ROS的室内移动机器人研究

为了满足监测室内环境的需求,设计一款在室内巡逻的移动机器人.移动机器人采用搭载ROS系统的树莓派作为控制核心,利用激光雷达采集环境信息,在ROS分布式框架下利用各种功能包进行算法开发.基于Gmapping算法进行建图,运用A*算法和DWA算法实现自主导航.机器人选用麦克纳姆轮来应付复杂的环境.在经过室内环境测试后,能够完成室内地图构建和自主导航的目标,对今后在室内环境下研究具有重要意义.     

基于UKF的室内移动机器人定位问题

定位是移动机器人必须具备的基本要求,在室内环境中,物体大多是多边形,因此可由线段进行描述,由激光传感器获取环境信息,采用哈夫变换对激光数据进行分簇,最小二乘法拟合线段特征,并建立里程计模型和观测模型;在传统的EKF定位算法中,线性化处理会导致计算精度下降,甚至造成滤波器的不稳定,且推导Jacobian矩阵比较困难;为了克服EKF的缺点,文章采用UKF算法将里程计数据和激光传感器数据进行融合,无需进行线性化处理,可获得高精度的移动机器人的位姿;通过实验,验证了基于UKF的定位算法在定位的精确性上优于传统的EKF定位算法。     

基于WRV的室内移动机器人定位系统

针对W(WLAN,Wireless Local Area Network)、R(RFID,Radio Frequency Identification)、V(Video)技术在室内定位的特点,提出了基于WRV信息融合的机器人定位方法。以概率法为基础,进行了基于Kalman滤波的WLAN机器人定位实验;以增加移动误差补偿的极大似然估计定位算法为基础,进行了基于Kalman滤波的RFID机器人定位实验;以SIFT算法为基础,进行了机器人定位实验;最后研究了机器人多信息融合定位算法并进行了实验。移动机器人定位实验表明:机器人多信息融合定位平均定位偏差为0.381m,减少了WLAN、RFID及视觉系统单独定位时的偏差,定位精度上有了明显的提高,可以较好地满足室内移动机器人的定位要求。     

基于MSCS的能量方位估计

针对现有对称压缩MUSIC(MUSIC symmetrical compressed spectrum,MSCS)算法存在解模糊困难的缺点,提出一种改进的MSCS方法.与MSCS算法相比,首先引入能量的思想,通过利用信号的特征向量和特征值构建一种能量谱函数,然后利用此能量谱函数与现有的MSCS函数进行联合处理.由于MSCS真实源位置处谱峰将会被对应能量谱谱峰放大进而形成新的谱峰,而镜面辐射源位置处谱峰不存在对应能量谱谱峰对其放大,从而形成伪峰,即在半谱范围内,主峰便对应真实源位置;伪峰对应镜面辐射源位置,解决了MSCS方法解模糊困难的弊端.由于新构建的能量谱函数具有较好的抗噪性能,所以算法抗噪性相较于MSCS有较大提升.最后仿真实验表明,所提算法在解决MSCS弊端的基础上,且在抗噪性能上有一个较大的提升.     

基于室内WSN的移动机器人路径跟踪

以实验室研制的轮式自主移动机器人为平台,研究了基于室内无线传感器网络(WSN)的移动机器人路径跟踪问题.设计了以LPC2132微处理器控制为主,PIC系列单片机控制为辅的移动机器人分级控制系统,构建了一个基于Micaz模块和TinyOS组件程序的室内WSN实验平台,提出并实现了基于非线性改进型比例、积分及微分(PID)控制与航向跟踪控制策略的移动机器人路径跟踪控制.对设计的移动机器人系统进行了有效的路径跟踪实验,利用Matlab对实验数据进行了仿真,验证了其可行性和可操作性,为进一步实验提供了坚实的理论基础.     

基于有源RFID的室内移动机器人定位系统

针对有源射频识别(RFID)技术在室内定位的特点,使用有源射频模块,基于Visual C++6.0平台,开发了一种室内移动机器人定位系统。选用接收信号强度指示值最大的4个标签作为定位标签,提出了一种增加移动误差的改进极大似然估计定位算法,实现了室内移动机器人位置的测量。实验表明:应用改进极大似然估计定位算法的定位系统可较好地实现机器人稳定工作;平均定位偏差降低32%,达到0.332 14 m;定位精度明显提高,可满足室内移动机器人的定位要求。     

基于粒子滤波器的室内移动机器人自定位

针对里程计和超声波传感器构建地图时由于累积误差易造成的地图扭曲失真,引入红外定位传感器作为绝对路标信息,生成全局拓扑地图,并在此基础上利用贝叶斯理论进行局部栅格地图的构建,混合地图减小了里程计的累积误差,提高了地图的稳定性.在此栅格地图中,采用改进的粒子滤波器进行定位.基于大权值粒子及周围空间描述机器人位姿置的概率更大的思想,提出了大权值自适应算法,较好地解决了传统粒子滤波器迭代过程中的退化问题.实验结果表明,在250 cm×500 cm的区域内,绝对路标栅格定位方法能够准确生成地图,改进的粒子滤波器的定位误差小于2 cm.     

基于方位优选多信息指纹的无源标签室内定位研究

基于指纹的超高频射频识别(UHFRFID)定位现存的方法主要依赖于一些单指纹和全局参考点上,针对指纹库存在数据量冗余和易受到环境变化影响的问题,提出了一种方位优选多信息指纹(OPMIF)技术.OPMIF是一种指纹融合技术,它结合对目标到达角(DOA)的模糊估计,为不同位置目标构建特定的指纹数据库.首先,通过阵列天线相位控制筛选方位优选参考标签(OPRT),无需精确计算目标的DOA因而不会增加计算量和定位时延.然后,利用阵列天线接收OPRT标签的多频多径响应(MFMP)获取多种指纹.多种指纹融合包含更多环境相关的信息,可以改善单一指纹定位易受环境变化影响的缺点.多信息指纹(MIF)包括信号协方差矩阵(SCM)、接收信号强度(RSS)和信号子空间(SSP).然后将定位问题转化为模式识别问题,基于集成学习算法随机森林(RF)设计多个分类器来训练不同类型的指纹.最后,针对同一样本数据多指纹训练的不同学习器的估计结果可能不同,同时对于不同采样数据的同一种指纹学习器的估计结果也有可能不同,提出了一种后验权重估计定位(PWEL)算法来融合不同分类器和样本的预测.仿真实验通过定位误差累积分布函数(CD...     

基于非线性滤波的移动机器人位姿估计

研究了基于扩展卡尔曼滤波和粒子滤波的移动机器人位姿估计。由于扩展卡尔曼滤波必须假定噪声服从高斯分布,若用于复杂非线性系统,其估计精度不甚理想。粒子滤波对噪声类型没有限制,正在成为非线性系统状态估计的有效近似方法。在不同噪声条件下,对基于粒子滤波和扩展卡尔曼滤波的移动机器人位姿估计问题进行了比较研究。仿真结果表明:粒子滤波能明显地改善移动机器人位姿估计的鲁棒性和精度。     

基于改进蚁群算法的室内移动机器人路径规划

路径规划是机器人室内导航需要攻克的关键技术之一。蚁群算法可以有效实现机器人在室内智能移动的路径规划的目标,但是也存在着停滞和收敛精度低等各种问题,针对这些问题,提出了一种改进蚁群算法可以使机器人在室内智能的完成路径规划的任务,融合了确定性选择与随机性选择策略的优点,在路径转移概率中引入一个启发性的因子,可以使状态转移概率动态进行调整,从而使算法避免了陷入停滞,并对蚁群算法中的信息素更新时的策略加以改进,引入了鸟群算法中的觅食行为。算法通过仿真验证,结果表明了该算法具有较好的室内路径规划能力,实现了路径寻优和花销最短时间效果。     

基于Kinect传感器的移动机器人室内三维环境创建

针对移动服务机器人需要感知室内工作环境问题,提出了一种基于低成本Kinect传感器的三维环境创建实用方法。机器人在移动过程中,Kinect传感器实时采集RGB信息和深度信息,将RGB图像信息映射到深度图像信息中,采用联合双边滤波对深度图像进行预处理,获得质量比较高的点云数据。对采集到的大量点云数据,采用半径滤波器算法对点云进行精简,剔除离群点,减少点云数量,提高匹配速度。点云配准时,采用NDT算法完成初始配准,从而得到图像帧间粗略的转换关系,并运用GICP算法对采集的多视角点云数据进行精确配准,得到拼接的三维点云场景。实验结果表明:本文方法具有更好的重建效果和更高的效率,可以应用于室内场景三维环境创建。     

基于直线检测的室内移动机器人视觉定位方法

针对室内移动机器人定位问题,提出了基于直线检测的室内移动机器人视觉定位方法.该算法通过Canny算子对图像进行边缘检测,设计自适应霍夫变换检测边缘中的直线,对直线进行平移和旋转变换,求取视场中心点到直线的距离,使用证据推理判断视场中心点是否穿越直线,从而获得机器人的实时坐标.实验结果表明:该算法切实可行,实时性好,定位精度高,具有很强的鲁棒性,很好地解决了室内移动机器人的定位问题.     

雷达方位轴承的设计

本文简述了应用于雷达方位支承的单一组合轴承的常用设计方法，比较了两种轴承的性能以及改进措施。     

室内移动机器人路径规划研究

路径规划是自主移动机器人的研究重点。针对传统的A*算法搜索出的路径存在途径危险区域,未考虑机器人外形尺寸、路径不平滑等问题,提出了一种改进A*算法的路径规划方法。在新的栅格化环境地图中,通过改进的搜索策略进行路径搜索;并对路径点删减和优化,通过分段多项式曲线平滑路径。实验仿真结果表明,新方法生成的路径满足移动机器人的动力学和运动学特性,且更符合室内移动机器人的轨迹跟踪和运动控制,该方法简单有效。     

基于压缩感知的塔康方位估计算法

塔康(tactical air navigation,TACAN)信号峰值检测后的离散数据呈随机采样特性,为避免Kalman算法产生滤波发散问题并有效减小对数据量的需求,提出一种基于压缩感知理论的方位估计方法.通过对塔康信号的角度空间进行稀疏分解和观测值压缩,优化重构原始包络信号进而获得方位估计值.仿真实验证明了该算法的性能,与最小二乘拟合算法相比,在保证估计精度的同时进一步降低了峰值数据量,大大减少了计算过程中的冗余,并且在信噪比较大的情况下,方位估计准确度较最小二乘拟合有一定提高.     

基于FRFT的单矢量水听器目标方位估计

在单矢量水听器互谱方位估计基础上,提出了应用分数阶Fourier变换（FRFT）计算声强流谱并进行方位估计的方法.利用FRFT对线性调频信号（chirp）良好的能量聚集性,对chirp信号采用分数阶谱方位估计具有明显的优势.仿真结果表明,在各向同性干扰背景中,分数阶谱方位估计在较低信噪比下能有效估计目标方位,其估计精度高于频域互谱估计.     

基于改进A~*算法的室内移动机器人路径规划

针对移动机器人在室内定位的特点,在结构化环境下,开发了机器人路径规划系统。在阐述了全局地图构建方法基础上,根据移动机器人的实际运行环境采用栅格法构建了环境地图。利用A*算法进行初步路径规划,其不足之处是路径规划数据中包含了所有规划点的坐标,冗余点较多,且移动机器人无法在拐点处调整自身姿态。针对这些不足,提出了能够计算出拐点、旋转方向及旋转最小角度的A*路径规划改进算法并进行了实验。移动机器人定位实验结果表明:利用改进后的A*路径规划算法不仅简化了路径,而且在拐点处移动机器人能够调整自身姿态,可以较好地满足室内移动机器人全自主运动的要求。     

基于有源射频识别信号强度的室内移动机器人测距方法

为采用几何法进行室内移动机器人定位,提出了基于有源射频识别(RFID)信号强度测距方法.分析了无线信号传播的特点和无线信号强度指示(RSSI)测距的原理,建立对数-常态分布传播损耗模型.采用有源RFID的HR-6020C读写器和WS-HT06电子标签构建实验系统,其中读写器作为基站固定于一点,电子标签作为移动节点时刻发送信号.通过实验得到距离与RSSI值关系曲线,利用有源RFID系统对理论模型中的参考点信号强度和比例因子进行标定,并分析了测距精度.影响测距精度的因素主要包括标签的位置、数量和实验环境等.根据确定的传播损耗理论模型进行了测距实验.结果表明,在3 m范围内测距最大偏差为41.68 cm.这为基于RFID的室内场馆移动机器人定位提供了依据,可以满足机器人的定位精度要求.     

无物方信息的未检校近景影像的方位元素估计

无物方控制信息的未检校立体影像序列只能实现度量重建,而实现度量重建必须恢复内外方位元素,利用层次重建方法,根据三张以上同名像点,用迭代分解算法恢复投影矩阵和结构,然后采用基于绝对二次曲面的自检校方法恢复相机的内方位元素,并进一步得到外方位元素.此方法可以在不需要物方控制的条件下得到统一模型,若有物方控制即可通过绝对定向获取物方坐标,可用于低精度的三维测量,也可作为高精度光束法平差的初值.