一种改进的RBPF激光SLAM算法

为了实现在复杂环境中移动机器人精确高效的同时定位与地图构建(SLAM),提出了一种改进重采样Rao-Blackwellized粒子滤波的同步定位与地图构建(RBPF-SLAM)算法。该算法在重采样过程中引入粒子权重平衡策略改善粒子权重退化和粒子匮乏造成栅格地图构建不精确的问题,然后将所提算法与基本RBPF-SLAM算法分别在仿真环境和实体环境下进行实验对比,实验结果表明了改进的RBPF-SLAM算法的可行性和有效性。

基于改进RBPF算法的轮式机器人SLAM导航系统设计

传统的机器人导航系统在复杂的地形环境中常常无法引导机器人躲避突然出现的障碍物,无法精准采集数据;为此提出一种改进RBPF算法的轮式机器人SLAM导航系统,对系统硬件和软件进行设计;改进RBPF算法是一种滤波算法,将激光雷达与里程计的信息作为提议分布,提高了导航精度;系统硬件主要由导航功能模块、底盘驱动模块、控制模块组成,利用RPLIDAR A1型激光雷达设计导航功能模块,并设计底盘驱动模块和控制模块;软件设计中,以改进RBPF算法为基础,设计了轮式机器人SLAM导航系统的实现程序,应用算法代入的方式加强了普通轮式机器人导航算法对粒子计算与卡尔曼滤波的敏感程度;实验结果表明,在有障碍物的室内场景中,与传统滤波算法以及基于软件库系统相比,改进RBPF算法规划的路径更短,导航错误点出现率降低了30%左右。

基于激光雷达与双目视觉的移动机器人SLAM研究

为解决移动机器人在环境未知条件下,利用单一传感器自主导航时不能及时定位、构建地图不精确的问题,提出采用一种改进RBPF算法,在计算提议分布时将移动机器人的观测数据(视觉信息与激光雷达信息)和里程计信息融合;针对一般视觉图像特征点提取算法较慢的问题,采用基于ORB算法对视觉图像进行处理以加快视觉图像处理速度的方法;最后通过在安装有开源机器人操作系统(ROS)的履带式移动机器人进行实验,验证了采用该方法可构建可靠性更高、更精确的2D栅格图,提高了移动机器人SLAM的鲁棒性。

未知环境下双机器人协同探索方法

针对在未知环境和未知目标位置情况下的目标搜索与地图导航问题,提出了一种双机器人协同探索方法。首先,第一台移动机器人利用摸墙算法进行目标搜索,分别运用改进的RBPF-SLAM算法和Hector-SLAM算法构建未知环境的地图,比较两种算法建图花费的时间和获得的结果,选择其中更适合搜救任务的算法。接着,第二台机器人读取来自第一台机器人的地图信息,运用A*算法规划到达目标点的最优路径,并沿着规划出的路径移动至目标点。同时,针对实际中随时可能发生变化的受灾区域,采用动态窗口法进行动态的局部路径规划。最后,对该种方法进行了仿真实验,实验结果验证了该方法的实用性和有效性。