基于车道线检测的移动机器人巡线方法研究

SLAM技术在移动机器人巡检领域得到广泛应用,但对于环境特征单一的大型室内场景,SLAM技术的定位建图效果不能满足实际需求.针对大型仓库下移动机器人巡检问题提出基于车道线检测的移动机器人巡线方法.在HSV颜色空间下,首先采用多阈值叠加方法对采集的实时视频图像进行颜色阈值分割;然后通过霍夫变换与过滤得到与车道线唯一贴合的直线;最后通过该直线参数矫正移动机器人运动时的方向.试验结果表明:基于HSV阈值分割的车道线检测方法能有效检测车道线,正确率可达99.81%;该方法可使移动机器人正确调整运动方向,调整成功率可达93.33%.

基于改进天牛须优化粒子滤波的UWB/LiDAR室内定位方法

针对超宽带(UWB)测距存在非视距(NLOS)误差以及LiDAR存在累计误差影响定位精确度的问题,提出一种基于改进天牛须搜索算法(IBAS)优化粒子滤波的UWB/LiDAR室内定位方法.该方法综合UWB抗干扰能力强、时间分辨率高和LiDAR高精度、高效率的优点,使用LiDAR量测信息解算组合定位系统与UWB基站的距离,剔除UWB量测值中的NLOS误差.改进天牛须搜索算法的引入可消除粒子滤波的粒子退化现象,减少算法所需粒子数,提升算法运行速度和实时性.最后构建UWB/LiDAR的组合函数,使用图优化方法优化全局位姿.实验结果表明,同等效果下经改进天牛须搜索算法优化后所需的粒子数仅为原粒子滤波算法的20%,同时相较于单一的UWB、LiDAR定位,所提出方法的定位精度分别提升了44.75%和74.47%,效果良好.