面向非结构化环境的移动机器人路径规划

针对移动机器人在非结构化环境中路径规划转折点较多、运动效率低与实时避障问题,提出基于改进A*算法融合动态窗口法(DWA)的移动机器人路径规划算法。首先,优化A*算法启发函数,针对估计代价值引入动态权重系数w(n),提高路径规划算法搜索效率;然后,基于梯度下降算法与SG滤波算法对全局路径进行平滑处理;最后,在全局路径规划的基础上引入DWA算法,提高移动机器人的全局路径规划能力和实时避障能力。实验结果表明,融合算法在提高路径规划搜索效率、平滑路径曲线、动态实时避障等方面具更优的效果。

非结构化环境中基于栅格法环境建模的移动机器人路径规划

以非结构化环境中移动机器人路径规划问题为研究对象,阐述了基于栅格法进行环境建模和基于人工势场法进行路径规划的思想及方法。基于MATALAB,通过边走边测和完全遍历两种策略的栅格法进行环境建模,使环境中的信息能够实时更新以保证环境模型的准确性,同时基于人工势场法进行路径规划。结果表明:在非结构化环境中,基于栅格法环境建模和人工势场法结合路径规划的方法规划出来的路径具有很好的实用性、合理性、实时性和环境变化适应性。

非结构化环境下月球车快速即时定位与制图方法

激光雷达的实时环境扫描与已构建环境模型之间的匹配是月球车即时定位与制图(SLAM)过程中的关键步骤,其收敛速度和准确性直接决定了SLAM的成败。月球表面是一种典型非结构化环境,其环境场景特征复杂。若通过三维激光匹配方式则传感器数据量大,特征匹配的难度高,实时性差。针对于此,本文提出了一种基于ICP算法的激光点扫描匹配方法-类等高线匹配方法,将二维激光雷达的实时扫描数据与已构建的三维环境高程图相匹配,利用RBPF粒子滤波实现位姿与地图状态的估计,采用自行研制的小型激光雷达硬件平台,较好地实现了月球车原理样机的快速SLAM过程。实验表明,基于该方法的即时定位与制图过程对于月球车位姿估计的鲁棒性强,实时性好。

非结构化环境下物体三维位移调幅超声波检测研究

芯片制造并行机构作业端、水下潜器和深海采矿船等在非结构化环境下采用传统测量方法难以检测其运动。提出了调幅超声波信标超短基线并采用连续波检测位移,减小了检测误差。用希尔伯特变换解决检测的关键参数调制波有效程差的估计;建立了模拟检测系统,并进行了实验。实验结果表明该方法的测量误差在基阵平面内为±3mm。该方法也适用于检测深海采矿船升沉运动。

非结构化环境下的单目视觉可通行区域检测

目前三维避障主要采用三维激光雷达或者基于深度学习的障碍物识别,但前者价格昂贵,后者训练成本高且不稳定。为了稳定、鲁棒地实现低成本三维空间避障方案,提出了一种基于单目相机的可通行区域检测方法。该方法利用特征点标识障碍物,通过对相机高度和旋转平面加以约束,解决单目SLAM中的尺度不一致问题,并设计了障碍物距离求解器和代价求解器对小车前方区域特征点进行处理,计算出视觉代价地图,划分可通行区域。该方法优势在于仅需要低成本的单目相机便可完成可通行区域检测任务,可方便地移植到轻量级的移动设备,计算得到的视觉代价地图亦有利于小车后续的路径规划任务。在KITTI数据集上进行的实验表明,该方法的平均运算速度能达到20 frame/s,能满足小车实时避障的要求,对于单目SLAM的尺度恢复误差为2.5%~4.9%。

基于相机与摇摆激光雷达融合的非结构化环境定位

定位是机器人导航的关键问题,在缺乏结构信息的室外非结构化环境下,精确的三维定位面临更大挑战.本文提出一种基于相机与摇摆激光雷达融合的定位算法,重点解决在光照,地面起伏等因素影响下的机器人定位问题.本文结合激光雷达的深度信息和图像的颜色纹理信息,构建在时序帧间的特征点匹配关系;引入一种置信度评价方法,结合系统误差、数据关联、物体遮挡、特征跟踪等因素对特征点及其匹配关系进行评估,减少低质量特征的影响;最终将定位问题转化为特征点对的加权重投影误差优化问题予以解决.本文利用小型轮式移动机器人在越野和公园等典型非结构化环境下进行数据采集和实验验证.实验结果表明,与前沿的视觉定位算法相比,本文算法可有效提高在非结构化环境中的定位精度.

一种面向非结构化环境的改进跳点搜索路径规划算法

为解决非结构化复杂场景下基于搜索的寻路算法中存在的计算时间长、路径非最优等问题,在跳点搜索(jump point search,JPS)算法的基础上,提出一种带权重的跳点搜索(weighted jump point search,WJPS)算法。WJPS算法改进了启发式函数,同时采用非传统的距离表达,最终实现了在保证全局路径最短的同时,降低了计算时间。为了验证WJPS算法的有效性,设计了多种非结构化复杂场景地图,对A、JPS算法和WJPS算法在寻路时间、扩展点数和路径长度3方面进行了对比。实验结果显示,相比A算法和JPS算法,WJPS算法在复杂环境中能保证生成路径是最短的,同时利用JPS跳点算法中寻找拓展点的策略,能够实现毫秒级别的规划,且算法效率能够满足智能体对路径规划层的要求。另外,WJPS算法采用微分平坦法对生成的路径点作曲线拟合,使智能体的运动轨迹更加平滑。

非结构化环境下无人驾驶车辆跟驰方法

提出一种基于多传感器融合的用于非结构化环境下无人驾驶车辆跟驰应用的方法,旨在解决无人驾驶车辆跟驰任务中对引导车辆的局部定位问题,实时获取引导车辆的相对位置和速度.首先以任务需求为导向,通过实车实验结果完成针对非结构化环境特点的传感器选型工作.对所选毫米波雷达和相机设计联合标定流程,实现数据空间融合.设计与目标距离相关的横向距离约束阈值,以及基于历史帧数据变化可靠性分析,解决非结构化环境下雷达数据跳变和虚检现象,实现雷达有效目标提取;考虑相机小孔成像原理,提出大小可变候选车辆检测框生成.最后基于主流的目标检测深度学习框架,设计跟车应用中信息输出流程.实车测试结果表明,该方法可以满足非结构化环境下车辆跟驰应用的基本需求,输出结果有一定的稳定性和精度.

基于非结构化环境的农用全方位移动平台的结构设计

在对国内外农用机器人移动技术进行分析的基础上,设计了一种可以适应非结构化地形的主动万向轮式农用全方位移动平台。本文主要结合农田的复杂环境对全方位移动平台的驱动机构、转向机构、高度调节机构进行研究,并通过运动仿真验证其可行性。

一种新的非结构化环境可通行区域检测算法

为了可靠地实现非结构化环境越野自主车辆前方可通行区域检测,提出一种基于四线激光雷达的点云特征检测算法。通过点云分布特征搜索具有相对平面扫描特性的较规则分布点云带,提取并拟合近似平行线段集,对规则点云的包络点集进行区域道路边界假设和拟合,根据车辆连续运行时间轴的上下文关系对边界进行滤波平滑和预测增补,并利用点云聚类特征检测区域内障碍物,融合边界与障碍物区域,考虑车辆可达性,最终得到安全的可通行区域。方法有效避免了大幅度、高频率非结构化振动环境中基于地平面绝对高度计算方法的严重缺陷,实验与比赛应用结果验证了算法的可行性与实用性。

星球车非结构化环境行驶稳定性分析

针对星球车在星球表面非结构化环境行驶过程中可能存在由于稳定性不足而发生倾覆的问题,提出了一种星球车在非结构化环境下的稳定角计算模型,用于分析星球车在非结构化环境行驶过程中整车的稳定性。首先,搭建了星球车运动学模型,确定了星球车行进过程中车轮质心与整车质心之间的位置关系;其次,建立了星球车稳定角计算模型;最后,利用Matlab/Simulink搭建稳定角计算模型,在Adams软件中建立了星球车坡道转移、垂直越障和爬坡3种典型工况,通过联合仿真分析得到了星球车坡道转移、垂直越障以及不同坡角下星球车稳定性,验证了计算模型的有效性。

适应复杂非结构化环境的机器人

兖州矿业（集团）公司北宿煤矿针对自主移动机器人的工作特点,利用CAN总线技术设计多声纳传感器的数据采集系统,实现了机器人数据采集的网络化,降低了系统连线数量,同时确定了系统和工控机间的CAN总线通信协议,并给出了系统硬件框图和软件流程图。

适应复杂非结构化环境的机器人

兖州矿业（集团）公司北宿煤矿针对自主移动机器人的工作特点，利用CAN总线技术设计多声纳传感器的数据采集系统，实现了机器人数据采集的网络化，降低了系统连线数量，同时确定了系统和工控机间的CAN总线通信协议，并给出了系统硬件框图和软件流程图.

融合位置注意力机制与轻量化STDC网络的非结构化场景语义分割

近年来,非结构化道路分割已成为计算机视觉领域的重要研究方向之一.现有的大多数方法适合结构化道路的分割并无法满足非结构化道路分割的准确性与实时性需求.为了解决上述问题,本文对STDC网络进行改进,引入残差连接来更好地融合多尺度语义信息,还提出一种嵌入位置注意力模块的空洞空间卷积池化金字塔(PAASPP)来增强网络对道路等特定区域的位置感知能力.本文在RUGD与RELLIS-3D两个数据集上进行实验,所提出方法的MIoU在两个数据集的测试集上分别达到了50.78%和49.96%.

基于多激光雷达与组合特征的非结构化环境负障碍物检测

针对非结构化环境下自主式地面车辆(ALV)的负障碍物检测问题,提出一种基于多激光雷达与组合特征的方法.首先,设计了一种具有互补能力的多激光雷达安装方式.其次,提出了基于幅向局部凸性和后沿壁局部密集特征的64线雷达负障碍物特征点对检测方法,以及基于径向距离跳变和后沿壁局部密集特征的32线雷达负障碍物特征点对检测方法.进而从负障碍物的时空融合角度,采用贝叶斯法则对多传感器多帧特征点对进行融合,然后采用DBSCAN(density-based spatial clustering of applications with noise)对融合后的特征点对进行聚类与过滤.最后对数据进行栅格化,提取负障碍物栅格.实验结果表明,本方法在非结构化复杂地形环境下具有良好的负障碍物检测性能.

基于非结构化海底复杂环境的SLAM研究综述

由于观测信号的高度不确定性,在海底环境下的导航无疑是各类机器人导航问题中最困难的。首先对基于非结构化海底环境的SLAM问题的复杂性进行了阐述,然后介绍了海底环境的描述及特征的提取的方法,对当前基于海底环境下SLAM问题的基本算法进行了归纳,并进行了比较。最后分析了数据相关、地图的创建、计算复杂度等关键问题,探讨了还需解决的问题及发展方向。

基于非结构化环境点云稀疏表示的无人驾驶汽车局部路径规划方法

非结构化环境下,无人驾驶汽车的局部路径规划方法面临数据冗余及环境结构适用性问题。提出一种基于3维Lidar数据稀疏表示的局部路径规划建模方法——势场字典法(Potential field dictionary,PFD)。该方法以预置本地过完备DCT字典替代正交基,应用投影追踪方法(MP)结合环境采样预处理结果,对Lidar点云信息进行稀疏化分解;直接将稀疏分解矢量用于势场法局部路径规划,并提出"动态势场"以应对非结构化环境。实车试验表明:环境采样预处理结果储存空间小,且更能体现结构复杂程度;PFD算法以小稀疏度可以规划出完整连续可行路径,且性能优于RRT*算法以及传统势场算法。PFD算法在保证信息表达精度的前提下,减少了数据传输、储存成本,也可规划出适用于非结构化环境的局部路径。

基于非结构化月面复杂环境下SLAM技术研究进展

综述了非结构化月面复杂环境下同时定位与地图构建(SLAM)领域的最新研究进展,重点介绍和总结了视觉SLAM的特征提取方式,以及基于EKF、PF滤波器的SLAM方法和基于图优化的3种主流SLAM方法,并对SLAM技术面临的挑战做了深入的研究,最后对未来发展方向进行了展望.研究表明:在非结构化复杂环境下多传感器融合SLAM、多机器人协作SLAM、主动SLAM及结合人工智能技术等前沿性课题已取得一定的研究成果,但在完善方法模型、相关分支问题研究及语义地图创建等方面仍待突破,应作为下一步的重点研究方向.

基于字典学习与稀疏表示的非结构化道路分割方法

针对野外环境自主车视觉导航问题,提出了一种新颖的基于字典学习与稀疏表示的道路分割算法。该算法以局部图像小片为处理单元,通过选取典型道路图像学习得到路面图像小片的一组字典,并利用车辆前方的一小块区域作为监督,通过在线字典学习对字典进行实时更新,使路面图像小片可在该字典上精确稀疏表示,而非路面图像小片则不能。因此建立了基于字典学习与稀疏表示的分类框架,利用局部图像小片在字典上的稀疏重构误差进行分类。大量实验结果表明,该算法能够适应多变的非结构化道路环境,且对光照、阴影及水坑等具有较好的鲁棒性。