移动机器人SLAM问题的研究

针对移动机器人同时定位与地图创建(SLAM)的问题,就扩展卡尔曼(EKF)算法所存在的缺陷,提出了一种改进的EKF-SLAM算法。它在扩展卡尔曼(EKF)算法上采用Rao-Blackwellise的分解思想-分解估计构架,将SLAM问题分解为路径估计和地图估计两个问题。实验表明,提出的算法大大降低了计算复杂度,提高了准确性,为在比较复杂环境下实时解决移动机器人同时定位与地图创建(SLAM)的问题提供了一种有效方法。     

移动机器人动态环境下目标跟踪异构传感器一致性观测方法

为了解决机器人同时定位,地图构建与目标跟踪(SLAMOT)过程中的多源,异构传感器空间一致性观测问题,提出了基于信息融合的摄像机与激光测距传感器联合标定优化方法。完成基于误差传播公式的激光扫描点图像平面投影不确定范围判定,并利用协方差交集算法实现基于运动物体检验方法和基于Camshift方法的图像坐标系下目标状态融合。在此基础上,利用目标图像平面投影方向误差构造目标函数,通过非线性优化方法实现摄像机与激光测距仪标定参数优化。实验验证了设计方法能有效提高目标跟踪以及多传感器参数标定的准确性。相关成果能够为基于多传感器信息融合的机器人同时定位,地图构建与目标跟踪滤波方法研究提供观测值支持。     

基于激光测距仪全局匹配扫描的SLAM算法研究

针对传统的SLAM(Simultaneous Localization and Mapping)算法构建地图时容易受环境因素和外界条件的的影响,在非线性系统状态下误差修正能力不足,且当机器人位姿都处于未知状态时,移动机器人位姿获取不精确,地图构建SLAM技术特征量的获取比较繁琐、不准确等问题。以电力巡检机器人为平台,研究了基于全局匹配的扫描算法,摒弃传统的栅格地图模型的插值方法,采用双线性滤波的插值方法,保证子栅格单元的精确性,估算栅格占用函数的概率和导数。最后采用此算法解决了SLAM地图构建的问题,并分别在室内室外环境进行实验。实验结果表明：基于激光测距仪的全局匹配扫描的SALM算法,在室内室外两种不同环境下,不受复杂背景的影响,准确地进行机器人位姿定位,以及环境地图的构建     

改进联合多站多伯努利滤波器的水下多目标跟踪

针对水下多站多目标跟踪问题,基于多站多伯努利滤波器思想,提出改进联合多站多伯努利滤波器的水下多目标跟踪方法。该方法有两处改进:首先在目标数变化场景,为了获得新生目标状态,提出基于节点分对组合随机观测新目标生成方法,该方法将观测节点两两分对,并进行观测对间组合,以相同概率随机选择观测对组合来生成新目标信息;其次为了输出连续、稳定航迹,提出基于统计双门限的航迹生成方法,该方法对超过第一门限的检测次数进行累加,并将结果与第二门限比较来控制目标航迹输出。仿真结果表明:(1)基于节点分对组合随机观测新目标生成方法能够正确生成新目标信息,与全局交叉定位目标生成方法相比,算法复杂度降低,并与节点数成线性关系;(2)基于统计双门限航迹生成方法能够实时输出稳定航迹,并且其最优子模式指派(OSPA)距离对比不使用该航迹生成方法时减少20%左右。      

基于自适应Kalman滤波的机器人运动目标跟踪算法

针对足球机器人比赛时的模型变化及其环境噪声先验估计不准确的问题,提出一种基于自适应卡尔曼滤波的足球机器人视觉跟踪算法。该算法将一种基于减背景的运动目标识别的方法与自适应卡尔曼滤波跟踪模型进行结合,对背景进行实时更新,并通过形态学滤波去除残留的小区域,从而准确的识别运动目标,通过自适应的在线调整运动模型参数来保证模型预测值的准确性,进而提高了目标跟踪时的匹配效率,实现了目标的精准、迅速跟踪。通过实验证明,该算法是很有效的,具有推广价值。     

基于自适应混合滤波的多目标跟踪算法

针对多目标视频跟踪中需要主要解决的目标冲突、合并以及分离等问题,提出了基于自适应混合滤波的多目标跟踪算法。采用混合高斯背景建模法获得前景图,并对图中阴影采用一种简化去除算法,即判断前景像素时,将HSV分量用加权的形式描述,而不必对各个分量依次判断。对前景图提取观测值时,引入了合并处理算法,将分裂的多个矩形检测框进行合并。然后,利用推理的方法将前景观测值与目标关联,用自适应混合滤波算法实现多目标有效跟踪。该算法结合了均值漂移算法运算效率高的和粒子滤波算法能够有效处理遮挡情况的特点。实验表明该算法可以高效地跟踪多目标、准确判断目标的出现和消失,并能够解决多目标冲突、合并和分离等问题。     

双基地多输入多输出虚拟阵列的稳健低旁瓣波束优化技术

双基地多输入多输出(MIMO)系统需要对目标的波达角和波离角进行二维估计,针对高分辨算法中阵列协方差矩阵处理运算量大以及估计性能对阵列流形失配敏感的缺陷,提出了一种基于二阶锥规划的抗阵列流形失配的双基地MIMO虚拟阵列波束优化算法.该方法利用MIMO的波形分集技术与双基地的目标定位解算,通过波达角和波离角在双基地定位椭圆上的对应关系,将双基地MIMO的二维合成方向矢量转化为一维的虚拟阵列流形,并证明了双基地MIMO虚拟阵列的波束图等效为发射波束图在接收阵角度域上的响应和接收波束图的合成.在优化波束图旁瓣的同时,该算法兼顾了固定方向上的相干干扰抑制,并提高了双基地MIMO虚拟阵列波束优化抗阵列流形失配的能力.通过波束图和方位谱优化的仿真分析和水池试验,验证了算法的有效性.     

基于遗传算法的空时综合定位方法及其在数字信号处理器上的实现

提出了一种基于遗传算法的空时积分(STI)定位方法,它能克服传统STI定位方法的运算量大或初值选取难的问题。通过采取降采样、并行计算和自适应处理等方法,解决遗传算法本身存在的不成熟收敛和实时性差的缺陷,使STI定位方法能有效地、精确地进行水下目标定位。该定位方法是在DSP上实现,充分考虑了DSP自身的特点。正是遗传算法和DSP系统的有效结合使得该STI定位方法具有一定的实用性。     

基于IAGA的空间测量定位系统测站优化部署

空间测量定位系统是一种基于光电扫描的角度交汇测量系统,由于该系统是在多测站协同作用下实现坐标测量,因此测站的布局优化是应用时面临的重要问题。为了解决该问题,提出了一种基于改进自适应遗传算法的测站优化部署方案。以系统定位精度、覆盖度和使用成本作为多目标优化函数;将进化代数衰减因子与自适应遗传算法相结合,根据多目标函数建立改进自适应遗传算法优化流程;对2~4个测站进行仿真优化分析。仿真结果表明,与传统自适应遗传算法相比,该方法能在10~20代内收敛到最优解并获得更优的目标函数值。因此该方法在空间布局优化设计中能有效提高系统的测量性能。     

基于自适应参数支持向量机的高光谱遥感图像小目标检测

针对高光谱遥感图像的小目标检测问题,提出了一种基于自适应参数支持向量机(SVM)的检测方法。采用主成分分析(PCA)法对高光谱遥感图像进行降维,降低数据冗余度;之后通过无监督检测方法对小目标进行快速、粗糙定位,并将该定位结果作为后验信息输入到SVM中;依据后验信息与核空间散度准则自适应确定SVM中核函数的参数,并使用SVM在核空间中寻找分离目标和背景的最佳超平面;利用该超平面将像元重新分类为背景和目标,并且迭代上述操作,得到精确且稳定的目标检测结果。大量实验结果表明,与经典RX方法、核RX方法、支持向量数据描述(SVDD)方法相比,该方法可以更有效、精确地检测出高光谱遥感图像中的小目标。     

单目视觉的同时三维场景构建和定位算法

同时场景构建和定位算法是机器人自主导航的重要组成部分.针对传统算法不能应用于室外环境和缺乏定量分析的缺点,提出了一种单摄像机恢复场景三维结构和摄像机位姿的新算法.提出了视频序列关键帧提取方法,降低了运算复杂度;利用特征点对和摄像机内参量计算场景三维结构和关键帧的位姿并提出一种估计关键帧位姿的简便方法;最后,提出一种兼顾优化效果和运算复杂度的自适应光束法平差算法优化场景结构和摄像机位姿,并生成适于机器人导航的数字高程图.室内和室外多种场景下的定量和定性实验结果表明,绕行误差低于4%,该算法能够接近实时准确实现同时场景构建和摄像机定位.     

基于语义先验和几何约束的动态场景SLAM算法北大核心CSCD

实际场景中运动物体的特征点加入到相机位姿计算中,以及静态环境特征点过度稀疏都会导致移动机器人传统视觉同步定位与地图构建(simultaneous localization and mapping,SLAM)算法在位姿估计时精度低、鲁棒性差。设计了基于分支空洞卷积的双边语义分割算法,将环境区分为潜在运动区域和静态区域;结合几何约束进行静态特征点的二次判断及对没有先验动态标记而具有移动性的特征点的判断,并在事先均匀提取的全部特征点中进行移除,只应用静态特征点求解相机位姿和构建静态环境地图。在TUM公共数据集上进行实验,验证了提出算法在动态环境中SLAM的定位精度明显优于现有其他方法。在存在运动物体的真实环境下进行建图实验,与ORB-SLAM2算法进行对比,本文算法在动态场景中构建的地图更清晰。     

无人飞行器视觉SLAM特征检测和匹配算法研究

近几年图像局部特征检测和描述在机器人视觉中得到了广泛的应用,鲁棒的、快速且高精度的视觉特征检测和描述算法对飞行器进行实时的位姿估计和地图构建具有决定性意义。本文针对四旋翼无人飞行器平台的RGB-D传感器同时定位与地图构建(SLAM),讨论FAST、STAR、SIFT和SURF等检测算法和ORB、FREAK和SURF等匹配描述符的性能,对不同的特征算法进行对比评估出最合适的特征检测方法和匹配描述符。最后,基于Eclipse与OpenCV平台进行了实验,实验结果表明FAST检测和FREAK描述符比其他方法更适用于四旋翼飞行器在板视觉SLAM,且能基本满足实时性。     

基于SLAM的连续运动测量坐标转换算法研究

本文基于同步定位与地图创建(Simultaneous Localization and Mapping,SLAM)原理,通过双目视觉系统的坐标转换方法,建立动态坐标系与静态基准点之间的关系,实现连续运动测量。通过实验,设计运动路线,验证坐标转换算法,并得到了建立在世界坐标系下的空间线形曲线。实验结果表明：转换后的坐标,x、y、z三个方向的最大误差不超过0.734mm。     

模糊PID控制下移动机器人定位方法研究

机器人定位研究一直是机器人学研究的重点,但目前机器人定位方法都存在缺点,抗干扰能力差,不能做到准确定位,主要是由于环境等多方面因素的干扰,定位误差会逐渐加大。由于上述原因,提出了一种基于设定值加权模糊PID控制的移动机器人自定位方法。给出了定位过程的参数,为机器人移动建立模型,设计一种模糊 PID 控制器,根据误差及变化率大小,选择模糊定位或PID定位,实现移动机器人的智能定位,提高机器人定位准确的准确性。通过仿真实验结果证明：模糊PID控制的机器人自定位方法对移动机器人的定位过程有较好的改善作用,实用效果较好。     

自适应环境的机器人视觉伺服控制方法

机器人和机器视觉的迅速发展,使得基于视觉的智能机器人得到更加广泛的应用。机器视觉提高了机器人控制系统对环境的适应程度,但其适应程度也受到周围环境对机器视觉算法的影响。针对这一情况,本文对机器人视觉伺服控制系统中的机器视觉算法进行了改进,提出了一种基于帧间差分法的自适应环境的机器人视觉伺服控制方法,从而提高了控制系统对环境的自适应程度,提高了对机器人控制的精确度,实验和理论分析证明,该方法具有较大的应用前景和实用价值。     

基于改进雁群PSO算法的模糊自适应扩展卡尔曼滤波的SLAM算法

针对扩展卡尔曼滤波同时定位与地图创建算法中难以建立准确的先验噪声模型的问题, 提出一种基于改进雁群粒子群算法的模糊自适应卡尔曼滤波算法. 利用分数阶微积分改进粒子进化速度, 利用混沌来改进粒子的初始化和发生早熟时的处理. 改进后的雁群粒子群算法在收敛速度与避免早熟方面有了很大改进, 并将改进的雁群粒子群算法用于模糊自适应扩展卡尔曼滤波同时定位与地图创建算法的训练, 并与用雁群粒子群算法训练的模糊自适应扩展卡尔曼滤波同时定位与地图创建算法进行对比, 其在定位与构图方面有很大的提高. 关键词： 同时定位与地图创建 雁群粒子群算法 分数阶微积分 混沌     

基于模糊距离和DS证据融合的清洁机器人定位设计

针对现有清洁机器人定位算法具有的定位精度不高且难以保证在线定位的实时性问题,设计了一种基于模糊距离和DS(DEMPSTER-SHAFER)证据融合的清洁机器人自定位算法。首先,对清洁机器人的总体结构进行了建模和分析,并对其进行硬件设计,为了实现清洁机器人的实时精确定位,采用DS证据数据融合方法对多传感器采集的数据进行有效数据融合,为了进一步提高其精确性,引入了模糊距离,定义当前传感器采集数据与理想结果之间的距离,根据距模糊距离的大小自适应地调大或减少传感器采集数据分配信度的权重,将加权信度作为新的信度进行融合得到最终的融合结果。在不同的场地中进行实际试验,对文中设计的清洁机器人进行实际定位,实验结果表明文中方法能有效地进行定位,较经典的DS证据融合和其它方法具有较高的定位精度,且具有较小的时间复杂度和空间复杂度, 具有较大的优越性。