基于似然域背景差分的行人检测和跟踪方法

基于激光雷达的室内机器人行人检测、跟踪容易受到复杂背景的影响。针对这种情况,提出一种基于似然域背景差分的行人检测、跟踪和跟随系统。利用即时定位与地图构建算法获得陌生环境的二维栅格地图,通过蒙特卡洛定位获得机器人在地图中的后验位姿,利用似然域模型分割出前景对应的激光雷达数据后,进行行人的检测、跟踪以及跟随。实验结果表明,该系统使行人检测准确率提升3.49%,平均检测时间缩短近32%,有效降低复杂背景对多行人检测与跟踪的影响,实现机器人对目标行人的实时跟随。

基于RBPF的激光SLAM算法优化设计

针对基于RBPF的激光SLAM算法在重采样过程中出现的样本贫化和激光测量模型不准确的问题,提出一种优化的激光SLAM算法。为缓解重采样过程中的样本贫化问题,采用最小采样方差重采样方法改进原重采样方法,使重采样后的粒子保持多样性。结合似然域模型与意外对象观测概率,使激光测量模型更好地反映真实环境。实验结果表明,改进的重采样方法定位效果较好,相对原激光SLAM算法,改进的激光SLAM算法在动态环境中的建图和定位精度更高。

煤矿用无人驾驶辅助运输车辆的蒙特卡罗定位方法

为解决煤矿无人驾驶车辆自主定位这一重要问题,研究了车辆在巷道环境中行驶时的蒙特卡罗定位方法。首先进行了场景分析,综合考虑工作任务和行驶安全性,得出车辆纵向和侧向位姿状态估计的不同要求,其中沿巷道轴线方向的车辆纵向位置在需要时获得,相对巷道中心线基准的车辆侧向位置和转向姿态角应实时精确解算,由此指出基于特征测量的定位方法在巷道环境应用时存在的局限,讨论了侧向激光测距扫描的适用性。进一步将矿井全域地图分解为典型场景区域地图的集合,提出了将车辆自主精确定位问题维持在一个典型场景所对应的区域地图范围内进行的策略。其次论述了蒙特卡罗定位算法的实现方法,分析了煤矿辅助运输车辆的转向结构形式,运用基于车辆的速度运动模型实现了算法的控制更新过程。为使测量概率随车辆位姿变化具有平滑性,建立了基于激光测距传感器的似然域模型实现了算法的测量更新过程,并提出调节似然域模型不确定性参数来避免定位算法失效的方法。最后,通过在典型场景内针对全局定位问题进行蒙特卡罗定位算法仿真,验证了定位策略和算法。通过高斯近似对粒子集进行密度提取来获得置信度分布,并以高斯分布均值作为车辆位姿估计。作为对比,在相同的车辆实际运行轨迹条件下,针对位置跟踪问题完成了基于特征测量的扩展卡尔曼滤波定位算法仿真。结果表明,蒙特卡罗定位中,车辆侧向位置估计和姿态角估计始终能够很好地反映实际状态值,纵向位置的后验概率由多峰分布收敛为单峰分布,反映了全局定位过渡到位置跟踪的过程。扩展卡尔曼滤波定位一方面不能解决全局定位问题;另一方面侧向定位精度受特征方位角测量误差的影响显著。在煤矿巷道应用环境下,基于激光测距扫描的蒙特卡罗定位所获得的侧向定位精度优于基于特征测量的扩展卡尔曼滤波定位情况。在区域地图范围内进行蒙特卡罗定位,实现了矿用车辆的全局定位和位置跟踪,满足了在巷道环境中不同位姿状态的估计及时性差异化要求。