基于改进粒子RBPF算法的室内自主导航灭火机器人

采用搭载ROS机器人操作系统的灭火机器人,利用改进粒子滤波器(RBPF)算法优化采样分布和采样次数,减小采样粒子的个数和粒子的退化率,实现灭火机器人对周围环境的二维栅格地图构建。同时在检测到火焰位置时,利用A*算法和DWA算法完成路径规划,使灭火机器人自发性地赶往火焰发生位置并进行灭火动作。实验表明:该灭火机器人在检测到火焰发生位置时,能较为良好地完成建图、定位、导航和灭火任务,满足实际需求,为智能灭火机器人提供了一种可行方案。

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。

基于高斯粒子群优化的RBPF滤波算法

针对动态系统目标跟踪问题,RBPF算法通过将高维状态空间分解成易于处理的线性子部分与非线性子部分,并采取不同策略进行滤波估计。为了提高RBPF的计算效率,提出将粒子群优化思想融入到RBPF滤波估计中,凭借粒子群算法卓越的全局搜索能力,对于状态空间中非线性部分,通过粒子群算法驱使所有采样粒子向高似然区域(最优适应值区域)移动;对于线性状态部分,依然利用卡尔曼滤波进行处理。通过多组实验仿真结果对比,PSO-RBPF利用较少采样粒子、耗费较少时间即能获得极佳的估计精度。

RBPF粒子滤波在目标跟踪中的应用研究

针对雷达目标跟踪中的某一类非线性问题,传统处理方法都是先行线性化再进行处理,但当线性化后的测量噪声相关性较大时则无法满足要求。为此,应用RBPF粒子滤波进行研究。在仿真实验中对RBPF多权值的情况进行探讨,提出一种可行的处理方法。对RBPF在噪声相关性较大时的性能进行分析,并讨论其在时间推移时的相对估计误差变化情况。

基于RBPF的轨道车辆悬挂系统参数估计方法

为了估计轨道车辆悬挂系统实际动力学性能参数,提出一种基于RBPF(Rao-Blackwellised Particle Filter)的参数估计方法。应用多体动力学仿真软件SIMPACK建立国内典型轨道车辆整车模型,建立与之对应的横向动力学半车模型和状态空间模型;以悬挂系统关键部件之一的二系横向减震器为例,结合多体动力学仿真振动数据或实车试验振动数据,应用RBPF算法对二系横向减震器在正常和故障情况下实际参数值进行估计。结果表明,利用该方法可以有效准确地估计悬挂系统关键部件的实际参数值。通过比较估计值和正常值,可及时发现故障并对其进行故障定位,而且能够确定部件故障严重程度,该参数估计方法可为车辆状态修提供重要理论依据。

结合退火优化和遗传重采样的RBPF算法

RBPF是一种有效解决同时定位和建图的算法。传统的RBPF算法使用的粒子数目多并且频繁地执行重采样,导致粒子退化且估计能力下降,从而构建的栅格地图精度不高。针对上述缺点,对RBPF提出优化,首先将机器人的运动模型与观测模型结合作为其混合提议分布,同时利用退火参数优化混合提议分布,调控两者在提议分布中的比例,使其更加精确;其次在重采样过程中根据粒子的权值对其进行分类,对高权重以及低权重粒子引入自适应遗传算法变异交叉操作,减少了重采样次数,有效维持了粒子多样性。在MATLAB上进行仿真验证,同时结合了Kobuki运动底盘在机器人操作系统(ROS)上进行实际验证。实验结果表明,与传统的RBPF算法相比,算法能够使用更少的粒子精确估计出机器人的位姿及路标,能够建立精度更高的栅格地图,并且具有更低的均方根误差和计算时间。

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。

基于激光雷达传感器的RBPF-SLAM系统优化设计

针对传统Rao-Blackwellized粒子滤波(RBPF)方法的同步定位和建图(SLAM)问题,提出了一种基于激光雷达的RBPF-SLAM系统优化方法,利用高精度激光雷达数据,修正了基于里程计读数的建议分布函数,减少了滤波过程所需的粒子数目;引入了自适应重采样机制,缓解由于重采样带来的粒子消耗问题。为验证改进算法性能,在搭建的差速型移动机器人平台上,进行了验证试验,结果表明:改进后的RBPF-SLAM方法,能够实时构建栅格地图,在建图效率和精度上均有明显的提升。

RBPF在耐火材料声发射源信号恢复中的应用

耐火材料损伤模式识别的研究在工业生产中具有重要意义,然而在利用声发射仪器对耐火材料进行采集得到的声发射信号饱受环境噪声、声发射通道以及传感器特性的影响。为了恢复损伤源的实际声发射信号,提出了利用粒子滤波技术对采集的声发射信号进行滤波。首先在地震波模型的基础上,建立了声发射源信号的状态空间模型,然后再对确定信号的进行仿真实验,证明了粒子滤波的有效性。最后将粒子滤波用于实际声发射源信号恢复,取得了一定的效果,为后续声发射信号特征提取打下了良好基础。

量子粒子群优化下的RBPF-SLAM算法研究

为了解决传统Rao-Blackwellized粒子滤波(RBPF)存在提议分布精度不高以及重采样过程出现的粒子退化和多样性丢失问题,提出一种量子粒子群(QPSO)优化下的Rao-Blackwellized粒子滤波同时定位与地图构建(RBPF-SLAM)算法。将机器人运动模型和观测模型融合作为混合提议分布,提高提议分布的精度;在重采样过程中引入量子粒子群优化算法更新粒子位姿,根据权值划分粒子种类,引入自适应交叉变异操作,对所得粒子集进行优化、调整,有效地防止粒子退化以及保持粒子的多样性。利用本文算法不仅用MATLAB进行仿真实验,而且结合了旅行家2号移动机器人在机器人操作系统(ROS)上进行实际验证。结果表明,本文算法能以较少粒子数精确估计出机器人的位姿和高精度的地图,误差和运行时间也大大降低了。

基于RBPF和数据关联的多目标跟踪

粒子滤波用一组带有权值的随机采样点近似后验概率密度函数,实现对任意状态模型的精确估计。把Rao-Blackwellized粒子滤波与多假设跟踪算法相结合,将多目标跟踪问题分为2个部分,即数据关联中后验概率分布的估计和基于数据关联的单个目标跟踪估计。前者通过序列重要性重采样实现,后者使用卡尔曼滤波进行最小均方误差估计。实验结果表明,采用最优重要性分布可以减少计算所需粒子数和计算量。

结合粒子群寻优与遗传重采样的RBPF算法

针对Rao-Blackwellized粒子滤波器(RBPF)重采样过程存在粒子衰竭、提议分布精确度不高的问题,提出一种改进的RBPF算法。为提高RBPF算法提议分布精确性,在改进的算法中将机器人里程计信息和激光传感器采集的距离信息进行融合,在算法中引入粒子群寻优策略,通过粒子间能效吸引力来调整采样粒子集,同时对重采样中权值较小的粒子进行遗传变异操作,缓解粒子枯竭现象,提高机器人位姿估计一致性,并维持粒子集的多样性。在基于机器人操作系统和配有URG激光传感器的Pioneer3-DX机器人平台上对改进RBPF算法进行可靠性验证。实验结果表明,改进算法在兼顾粒子集多样性的同时能显著提高机器人位姿估计精确性。

基于改进RBPF算法的移动机器人SLAM方法研究

移动机器人领域研究的一个重要问题是在不确定的环境中,能够实现自身定位,同时对环境进行建图,获取环境信息。因此,同时定位和地图构建(SLAM)研究成为当前移动机器人研究的一个热点。Rao-Backwellized粒子滤波(RBPF)算法是一种比较成功的同时定位和地图构建方法,其非参数特性避免了局部最小值,在映射应用程序中表现优异。然而,该算法在地图构建精度方面存在一些不足。针对RBPF算法粒子权重退化和粒子匮乏等问题,提出了利用修正梯度细化算法(CGR)对传统RBPF SLAM进行改进的新方法。仿真试验和室内场景试验结果表明,新方法能够有效地提高定位精度,在提升系统鲁棒性的同时也提升了地图构建的准确性。

A RBPF Algorithm with Non-intact Particle Data for FastSLAM

RBPF( Rao-Blackwellized Particle Filter) is a popular PF( Particle Filter) in decreasing the dimension of estimation problems and FastSLAM( Fast Simultaneous Localization and Mapping) is a RBPFbased algorithm. In FastSLAM,each particle carries a large amount of data which results in low computing efficiency and large memory space occupancy. To solve this problem,a RBPF algorithm with non-intact particle data is studied. The key idea is to differentiate the particle data. Through the screening of particles,the number of particles carrying individual map data is limited to reduce the data occupied space and speed up the computational efficiency. The simulation and experiment results have verified the effectiveness and accuracy of the algorithm. Compared with the original one,this proposed algorithm reduces time consumption by 18%-34% and considerably saves memory space.

基于果蝇算法优化的移动机器人RBPF-SLAM研究

针对基于传统Rao-Blackwellized粒子滤波(Rao-Blackwellised Particle Filter,RBPF)算法的移动机器人在进行同时定位与地图构建(Simultaneous Location and Mapping,SLAM)时易发生粒子退化导致移动机器人位姿估计不准确以及地图一致性较差的问题,提出一种基于果蝇优化算法的RBPF-SLAM算法。该算法将果蝇种群觅食过程中果蝇具有的趋味特性引入RBPF算法,将粒子视为果蝇个体,粒子的适应度值作为空气中食物味道的浓度,利用果蝇优化算法的高寻优能力使粒子向高似然区域移动并不断迭代寻优,以优化粒子种群的整体分布。同时,在果蝇寻优后的新种群中引入自适应交叉变异操作,以增加种群多样性。根据粒子的适应度值确定交叉概率,对配对好的粒子进行自适应交叉操作,再根据变异概率对当前种群的最优粒子进行变异操作,选取适应度值更高的粒子作为当前最优解。采用指数函数步长公式更新粒子状态,增加寻优过程中的搜索距离,有效提高算法的收敛效率。基于ACES building和MIT Killian Court数据集的仿真实验以及移动机器人实机测试结果显示,基于果蝇优化算法的RBPF-SLAM算法在比传统RBPF-SLAM算法在粒子数减少50%以上的情况下仍可以得到效果更佳的栅格地图,并且CPU占用率更低。仿真和实验结果表明基于果蝇优化算法的RBPF-SLAM算法有效提高了滤波器的估计性能,是一种提高移动机器人位姿估计和建图精度的有效方法。

基于海鸥优化改进采样过程的RBPF-SLAM算法

为解决PBRF-SLAM中由于粒子退化和粒子耗尽而导致的定位失真和建图一致性差的问题,提出了基于海鸥优化和最小方差重采样的优化方法。在PRBF-SLAM的采样过程中,采样一系列辅助粒子,并利用海鸥优化算法对这些粒子进行寻优,找到估计位姿的最优解,从而避免因陷入局部极值导致的粒子退化。在PRBF-SLAM的重采样过程中,采用最小方差重采样方法替换原先的重采样方法,充分使用辅助粒子,尽可能保证重采样后粒子的多样性。利用Intel Research Lab和ACES Building公开数据集进行SLAM仿真,结果表明优化后的算法相比Gmapping算法总体的平移误差分别降低了36.36%和41.67%,总体的旋转误差分别降低了33.33%和40%。

基于RBPF-SLAM算法的学前儿童机器人路径规划模型研究

在学前教育领域,机器人技术的应用已经成为一种引人注目的研究方向。为了提升学前儿童机器人的路径寻优能力,此次研究采用基于粒子滤波的同时定位与地图创建算法将雷达观测模型和运动模型相结合,并采用退火参数和重采样避免采样效率降低,构建机器人运动模型和地图。最后采用改进的A-Star算法构建混合路径规划模型。结果显示,基于粒子滤波的改进SLAM算法误差平均值为0.340。改进后的基于粒子滤波的SLAM算法在粒子数为50、125、200时,运行时间分别为0.215 s、0.225 s、0.268 s,估计误差分别为0.314、0.282、0.291。基于粒子滤波的SLAM算法生成的地图整体精度明显高于改进前的算法,地图上的线条整齐且清晰。在仿真和真实两种实验环境下,改进A*算法分别经过18次和50次迭代后趋于收敛,最小路径长度为12 m和32 m。结果验证了混合路径规划模型在不同环境下路径寻优的性能较好。该方法实现了精确的机器人定位,提高了路径规划的准确性和可靠性。

改进Rao-Blackwellized粒子滤波的定位与建图方法及优化

针对复杂地面场景下无人系统自主定位建图的难题,从机器人的建图角度出发,提出一种在复杂环境下机器人实现自我定位的方案,方案采用遗传算法中的交叉变异思想,对改进Rao-Blackwellized粒子滤波的同步定位与地图构建(RBPF-SLAM)算法中的重采样过程进行优化。经过仿真和自行设计的履带式无人系统实验平台进行实验验证,采用该方法优化后的SLAM算法,使得无人系统所构建的栅格地图在消耗较少粒子的情况下,能够绘制精度较高的栅格地图,达到了较好的自主定位和建图效果。

教室消毒机器人的自主导航仿真控制实现

针对防疫人员在教室消毒有交叉感染的风险,本文设计了具有自主导航功能的教室消毒机器人。在分析Gmapping算法的定位与建图原理的基础上,选用机器人操作系统(Robot Operating System,ROS)作为仿真开发平台建立消毒机器人模型以及教室的仿真环境,通过仿真激光雷达和使用Gmapping算法完成教室环境地图的构建,并在Gazebo平台对消毒机器人场景地图构建、定位以及自主导航功能进行仿真测试,验证了消毒机器人实现的可行性,对后续教室消毒机器人的实现奠定了基础。