基于改进强化学习的移动机器人动态避障方法

针对未知环境下移动机器人动态避障存在规划轨迹长、行驶速度慢和鲁棒性差等问题,提出一种基于改进强化学习的移动机器人动态避障方法。移动机器人根据自身速度、目标位置和激光雷达信息直接得到动作信号,实现端到端的控制。基于距离梯度引导和角度梯度引导促使移动机器人向终点方向优化,加快算法的收敛速度;结合卷积神经网络从多维观测数据中提取高质量特征,提升策略训练效果。仿真试验结果表明,在多动态障碍物环境下,所提方法的训练速度提升40%、轨迹长度缩短2.69%以上、平均线速度增加11.87%以上,与现有主流避障方法相比,具有规划轨迹短、行驶速度快、性能稳定等优点,能够实现移动机器人在多障碍物环境下平稳避障。     

室内环境下基于边际约束的快速路径自主探索算法

为了提高移动机器人在室内未知环境的自主探索能力,实现移动机器人在探索目标点之间的安全、快速移动,提出一种基于边际约束的快速路径自主探索算法。首先,将机器人自主探索问题描述为部分可观测马尔可夫决策过程模型。之后,在传统的快速扩展随机树(RRT)算法基础上,将随机树的生长空间划分为边际四象限空间,结合启发式评估函数的评价。该算法加快了移动机器人在探索目标点之间的移动速度,同时减少了随机树的节点,降低了对内存空间的占用。通过Matlab仿真实验,在实验设定的仿真环境中,该算法比传统RRT算法在时间上缩短约了75%,节点数量减少了约80%,并在机器人操作系统的仿真实验中验证了算法的实用性。     

基于多尺度网格细胞模型的无人机类脑矢量导航方法

动物具有优秀的矢量导航能力,为发展未知环境下无人机新型自主智能面向目标导航方法提供了较好的生物模型。首先阐述了动物大脑矢量导航机理,然后重点研究了多尺度网格细胞模块编码与解码机制,提出一种大尺度空间下基于多尺度网格细胞模型的无人机类脑矢量导航方法。通过在多个吸引子神经网络中引入指数递增型速度增益因子,提出了多尺度网格细胞路径积分方法(编码);基于余数系统框架提出了大尺度空间网格细胞矢量导航解算方法(解码)。仿真实验结果表明:所提方法能够适应在最大范围38km的大尺度空间中对速度、方位信息进行准确多尺度路径积分(编码),并准确解算当前距目标矢量(解码);验证了所提方法能够进行大尺度空间矢量导航,对进一步发展大尺度空间下无人机三维类脑矢量导航方法具有较好的参考意义。     

基于单目视觉行间机器人导航线提取方法

针对农业移动机器人视觉导航路径提取受光照影响大,实时性差的问题,提出了一种利用农作物行特征辅助进行的视觉导航方案,实现机器人的田间自主导航。选用单目相机获取农田的环境信息,首先针对农田光照不均的情况提出了YCr Cb亮度均衡法,然后针对实时性差的问题提出了OTSU(大津法)融合遗传退火算法的图像二值分割算法,并利用Hough直线变换检测,实现农田导航路径的快速提取。视觉导航实验结果表明,所提出的光照平衡算法较直方图均衡法实时性提升25.7%,优化后的OTSU法二值化速度提升了26.5%,在双边缺植情况下,导航线平均偏移量为2.3°,符合农田导航的实用性和实时性要求。     

一种基于加速度计和天文的卫星自主导航新方法

直接敏感地平是一种典型自主天文导航方法,该方法简单可靠,易于实现,但是由于常用卫星轨道动力学J2模型精度有限,地球敏感器精度较低,因此导航精度不高。加速度计是测量运载体线加速度的常用惯性导航设备,当航天器在轨运行时,星载加速度计能够测量航天器所受发散力。结合上述两种方法的特点,提出一种将加速度计和天文相结合的自主天文导航新方法。在常用卫星轨道动力学模型基础上,引入大气阻力和太阳光压系数模型作为自主导航系统状态方程的一部分,并建立近地空间环境下星载加速度计的测量模型,将其与直接敏感地平均作为导航系统观测方程。设计基于信息融合的自主导航滤波方法,通过对多种导航模式进行数值仿真及结果分析,结果表明所设计方法提高了系统定位精度62.8%和速度精度63.9%,增强了系统可靠性。     

一种天文/加速度计的HEO卫星自主导航新方法

直接敏感地平是一种典型自主天文导航方法,该方法简单可靠,易于实现,但是由于常用卫星轨道动力学J2模型精度有限,地球敏感器精度较低,因此导航精度不高。加速度计是测量运载体线加速度的常用惯性导航设备,当卫星在轨运行时,星载加速度计能够测量航天器所受发散力。结合这两种方法的特点,提出一种将加速度计和天文相结合的自主天文导航新方法。在常用卫星轨道J2模型基础上,引入大气阻力和太阳光压系数模型作为自主导航系统状态方程的一部分,并建立近地空间环境下星载加速度计的测量模型,将其与直接敏感地平均作为导航系统观测方程。设计基于信息融合的自主导航滤波方法,通过对多种导航模式进行数值仿真及结果分析,结果表明所设计方法提高了系统定位精度74.8%和速度精度86.2%,增强了系统可靠性。     

一种微型无人机单目视觉SVO/INS组合导航方法

针对未知环境中微型无人机自主导航问题,提出一种单目视觉SVO/INS组合导航算法。使用半直接视觉里程计(SVO)作为视觉里程计前端,首先对SVO的初始化模块、关键帧选择及跟踪失败处理策略进行了重新设计,实现了SVO在摄像头前视场景中的应用。之后,设计了误差状态卡尔曼滤波器,基于惯性测量单元的测量值进行状态预测,采用SVO的估计结果作为观测值进行状态更新。使用EuRoc数据集对所提算法进行验证,结果表明所提算法可实现对无人机的位置、姿态和速度以及未知尺度、惯性测量单元零偏、重力方向的估计。导航时间3 min位置估计误差为0.15 m,俯仰和横滚角估计误差小于0.5°,航向角估计误差小于1.2°。所提方法具有计算量小、实时性好的优点,适用于机载计算资源有限的微型无人机导航。     

基于非线性优化的单目视觉/惯性组合导航算法

针对自主移动机器人在GPS拒止环境下准确实时定位的问题,提出一种单目视觉/惯性组合导航算法。为解决视觉/惯导工作频率不一致问题,利用预积分技术预先处理惯性测量值;引入了一种快速高精度线性初始化方法,分步估计初始系统尺度、重力方向、速度及零偏;结合全局地图三维点约束削弱累积误差,基于是否更新地图点,构建了两种基于非线性优化的单目视觉/惯性紧耦合模型,以保证导航的局部精度及全局一致性。实验结果表明:初始化方法可快速(15 s内)实现高精度状态初始化;与单目视觉导航算法相比,提出的算法不仅可获取绝对尺度信息,且导航精度更高;与传统滑动窗口非线性优化方法相比,提出的算法在窗口优化过程中加入全局地图三维点约束,可有效削弱累积误差,验证了算法的正确性和可行性。     

结构光辅助的惯性/视觉室内导航三维环境重构方法

室内环境全局信息对未知环境下的微型飞行器导航与定位具有重要的意义。针对惯性导航系统难以创建全局地图等问题,提出一种结构光辅助的惯性/视觉室内导航三维环境重构方法。该方法通过改进单点激光三角测距获得结构光上每个点在相机系下的坐标,使用惯性信息辅助图像匹配测角代替传统三维重建技术中的驱动单元获取两帧图像间角度信息,实现离散点组成的室内环境构造,结合平面构建策略剔除了错误离散点,改进了室内三维环境重构效果。实验结果表明:使用该方法获得的帧间角度准确,低转速下角度测量误差在5%以内;融合了离散点与平面的室内环境能够表现室内环境特征,并有效消除了错误离散点的干扰,将错误率降低到1%以下。     

基于脉冲星和小行星的组合导航在深空巡航段的应用

为提高航天器在深空探测巡航段的自主导航能力,提出一种利用脉冲星和小行星信息的自主导航系统.利用单X射线探测器测量脉冲星辐射的光子到达时间,利用导航相机获取小行星图像,经信号处理,获取脉冲星的脉冲到达时间和小行星中心点对应的像元像线,利用集中式扩展卡尔曼滤波算法进行状态估计,并修正星载时钟钟差.以美国“深空一号”任务深空巡航段轨道为例进行了仿真实验,仿真结果表明了该方法的有效性,能够完成深空探测器在巡航段的自主导航任务,同时,组合导航解决了基于小行星光学信息单独导航时的星载时钟钟差发散问题,且同光学导航相比,位置估计精度提高了57.18％.     

一种采用联邦EKF的分布式INS/UWB人员无偏紧组合定位方法（英文）

为了实现精确的人员定位,提出了一种采用联邦EKF的分布式INS/UWB人员紧组合定位方法。在这种模式下,将数据融合滤波器应用于UWB无线通信信道中。INS与UWB分别测量得到的参考节点到未知节点之间距离的平方值被用于预估INS的导航解算误差。在此基础上,主滤波器将各信道滤波器的预估值进行数据融合,最后得到最终的INS导航解算误差预估。实验结果显示,该方法能够准确地提供人员位置信息,与集中式滤波器相比,平均位置误差降低了10.34%左右。     

微机电陀螺信号盲均衡迭代反卷积算法

小型移动机器人在未知环境下运行,陀螺所受噪声干扰无法建立有效的数学模型,需要仅从观测信号中把噪声去除,并估计出原始信号,根据该特点提出一种微机电陀螺信号盲均衡迭代反卷积算法。该算法利用横向滤波器对陀螺信号进行反卷积运算,使用贝叶斯方法对信号进行估计,建立了误差函数并与LMS算法组合,实现了均衡器参数的自动调整,在小型移动机器人上进行了算法实验验证。实验结果表明,该算法可以有效分离角速度信号与噪声信号,其噪声信号幅值减小约10倍,移动机器人运行275.41 s抵达终点的偏航角误差从13°下降到1.46°。     

基于罗经/DVL/USBL组合导航系统的DVL在线标定算法

针对ROV在大深度水下工作环境中由于DVL刻度因数误差和安装角度误差引起导航精度降低的问题,提出了一种基于罗经/DVL/USBL组合导航系统的DVL误差参数在线标定算法。分析并建立了DVL误差参数向组合导航定位误差的传播模型,将DVL的刻度因数误差和安装角度误差引入基于USBL位置观测的卡尔曼滤波组合导航迭代中,使ROV在获得组合导航输出的同时实现DVL的在线标定。仿真与海试结果表明,所提出的算法能够在输出高精度组合导航位置的同时进行DVL的有效标定,在理想条件下,组合导航终点定位误差仿真结果能够达到0.01%航程,具有较高的导航定位精度、DVL误差参数估计精度和算法稳定性。     

基于启发式算法的移动机器人SLAM

为了实现GPS信号缺失下的移动机器人自主导航,解决传统粒子滤波中的粒子退化以及粒子贫乏引起的移动机器人定位和导航精度下降问题,提出了基于小生境理论的启发式蝙蝠优化粒子滤波的同时定位与地图构建算法。首先,在启发式蝙蝠优化算法的速度和位置更新过程中,引入惯性权重,加快了算法寻优精度,提高了收敛速度;然后,利用小生境理论进一步优化启发式蝙蝠算法,利用排挤机制和惩罚函数,有效地保证了种群的多样性,提高了算法的全局寻优能力;最后,将基于小生境理论的启发式蝙蝠优化算法用于传统粒子滤波采样中,使得粒子能够智能、快速地向高似然区域运动,同时提高了传统粒子滤波算法的全局寻优能力和寻优精度。实验结果表明:该算法显著提高了移动机器人导航和定位的精度和实时性。     

基于卫星跟踪和星敏感器的地月L2点星座自主导航（英文）

近年来在地月L2点构建自主导航星座用于深空探测已经成为研究热点。针对摄动引起的未知模型误差和量测异常造成单独使用卫星跟踪定轨性能较差的问题,提出了一种基于卫星跟踪和星敏感器组合的导航方案。在方案中融合了星间跟踪的距离、多普勒频移信息以及星敏感器测量的星座卫星与月球之间的角度信息,设计了一个联邦自适应平方根容积卡尔曼滤波器,利用自适应尺度矩阵对测量协方差进行改进,提高了异常测量下的定轨精度和鲁棒性。仿真结果表明,在异常测量下所提出的导航滤波方法的位置误差和速度误差,相比传统的联邦平方根容积卡尔曼滤波分别降低了68.85%和44.17%。     

基于扩展卡尔曼滤波器的INS/WSN无偏紧组合方法(英文)

为了减少传统组合导航方法中舍去泰勒展开式的高次项对导航精度的影响,提出了一种基于扩展卡尔曼滤波的INS/WSN无偏紧组合方法。这种方法采用INS在本地相对坐标系的位置和速度误差作为系统变量,观测方程中未知节点理想的位置和速度被INS测量得到的位置和速度与其预估误差的差值替代。仿真结果显示,本文提出的方法平均位置误差比松组合方法降低20%左右,平均速度误差比松组合方法降低80%左右。     

基于惯导姿态信息的高鲁棒性星图识别算法

为提高组合导航条件下星图识别的速度和鲁棒性,提出了基于惯导姿态信息估计星敏感器光轴指向和观测瞬时导航星表的方法,将瞬时导航星表与"金字塔"星图识别算法结合,剔除了角距满足观测星对但位置远离光轴的导航星对,减少了识别时相应观测星的导航星候选结果,提高了识别的速度和鲁棒性.对光轴指向误差为10°的情况进行了仿真,结果表明:当星位置误差小于50"时算法可以识别只包含2颗导航星的星图,当星位置误差小于250"时算法的识别率接近90%;平均识别时间约为27 ms.仿真结果说明算法在星位置误差较大时具有优势.     

适于卫星自主定轨的SINS/GPS组合导航系统

SINS/GPS组合导航系统能够实现在高动态和强电干扰的环境下实时、高精度的导航定位,为卫星的自主定轨提供了一种切实可行的方法。通常的SINS/GPS组合导航算法都是在地理坐标系下建立的。针对卫星的特点,着重研究了基于地心惯性坐标系,位置、速度组合模式的SINS/GPS组合导航算法,建立了该坐标系下组合导航系统的状态方程和量测方程,并进行了相关数学仿真验证。仿真结果表明,该SINS/GPS组合导航系统能较准确地给出卫星的位置、速度信息,适于卫星的自主定轨。     

基于导航信息双向融合的行人/移动机器人协同导航方法

为提高卫星导航系统失效且环境存在电磁干扰的情况下行人导航系统与移动机器人导航系统的定位性能,研究了一种基于人机一体化智能系统的信息双向融合协同导航方法。该方法利用行人导航系统与移动机器人导航系统不同的误差特性,构建信息双向融合滤波器同步修正两者的导航信息误差,即利用移动机器人捷联惯导系统较高的传感器精度完成对行人导航系统磁航向误差的实时修正,并利用行人导航系统较高的位移精度修正机器人惯导系统误差,实现同步提高两套导航系统的定位与航向精度。导航定位实验表明,该方法可有效提高人机一体化智能系统的导航定位精度,行人导航系统定位误差约为行进距离的3.3%,移动机器人导航系统的误差积累速度降低为单独工作时的1/3。本文所提出的方法利用了人机一体化智能系统的结构特征,在卫星导航系统失效的电磁干扰环境中有效提高了一体化系统的综合导航定位性能,具有较高的理论研究与工程应用价值。     

单目视觉里程计/惯性组合导航算法

提出一种单目视觉里程计/捷联惯性组合导航定位算法.与视觉里程计估计相机姿态不同,惯导系统连续提供相机拍摄时刻对应的三维姿态,克服了单纯由视觉估计相机姿态精度低造成的长距离导航误差大的问题.通过配准和时间同步,用惯导系统解算的速度和视觉里程计计算的速度之差作为组合导航的观测量,采用Kalman滤波修正组合导航系统的误差,同时估计视觉里程计标度因数误差.分别在室内外不同环境下进行了22 m的推车实验和1412m的跑车实验,定位误差分别为3.2%和4.0%.与Clark采用姿态传感器定期更新相机姿态估计结果的方法相比,单目视觉里程计/惯性组合导航定位精度更高,定位误差随距离增长率低,适合步行机器人或轮式移动机器人在复杂地形环境下车轮严重打滑时的自主定位导航.