基于激光SLAM的物流分拣机器人自主导航研究

物流分拣机器人工作环境的障碍物多,为此提出基于激光SLAM的物流分拣机器人自主导航研究方法。利用激光SLAM确定机器人工作环境中障碍物的分布情况;将目标偏置策略加入到RRT*算法中,通过设置固定概率和变概率的目标偏置策略,在遍历目标点时使路径节点更具导向性,更好地避免机器人与障碍物发生碰撞,再利用搜索随机树搜索其中的最短路径。对比实验表明:与常规方法相比,该方法可在起始点与目标点之间指导机器人按照最短路径行进,导航过程花费时间较短,使机器人自主导航的出错率和能耗均在5%左右。

基于轨迹引导的移动机器人导航策略优化算法

针对在杂乱、障碍物密集的复杂环境下移动机器人使用深度强化学习进行自主导航所面临的探索困难,进而导致学习效率低下的问题,提出了一种基于轨迹引导的导航策略优化(TGNPO)算法。首先,使用模仿学习的方法为移动机器人训练一个能够同时提供专家示范行为与导航轨迹预测功能的专家策略,旨在全面指导深度强化学习训练;其次,将专家策略预测的导航轨迹与当前时刻移动机器人所感知的实时图像进行融合,并结合坐标注意力机制提取对移动机器人未来导航起引导作用的特征区域,提高导航模型的学习性能;最后,使用专家策略预测的导航轨迹对移动机器人的策略轨迹进行约束,降低导航过程中的无效探索和错误决策。通过在仿真和物理平台上部署所提算法,实验结果表明,相较于现有的先进方法,所提算法在导航的学习效率和轨迹平滑方面取得了显著的优势。这充分证明了该算法能够高效、安全地执行机器人导航任务。

基于变频器控制的自主导航机器人路径避障规划研究

路径避障规划需要在实时性要求下进行,机器人需要实时感知环境变化并及时作出调整,以确保安全导航。由于障碍物的存在,机器人的速度调节难度较大,为此,研究基于变频器控制的自主导航机器人路径避障规划方法。引入PID控制器,对机器人的电机变频器完成调速。基于改进蚁群算法建立机器人路径规划估价函数,结合估价函数,设计自动导航机器人的路径规划算法流程,实现自主导航机器人路径避障规划。实验结果显示,研究方法下自主导航机器人规划的路径更短,且变频器控制的效果也更好。

基于ROS的路径决策自主导航机器人

由于自主导航机器人在移动行驶过程中路径环境情况复杂多变,对于起始位置到目的地的过程,不同路径的选择对于机器人移动行驶的效率会产生促进或抑制的影响,常规ROS自主导航系统算法框架不具备多路径决策的功能,只能得到单一的导航路径。针对目前移动机器人路径决策问题,基于ROS自主导航系统,采用了阿克曼差速运动结构,利用Dijkstra和DWA算法、AMCL等技术,运用微控制器原理与技术、传感器原理与应用、机械原理等理论设计实现了一种自主导航路径决策机器人,改进算法框架,加入路径决策模块。经仿真和实验测试可验证路径决策算法的可行性,以此设计实现一种能路径决策的导航算法框架,具体实现一种能路径决策的自主导航机器人。

基于RBFNN的强化学习在机器人导航中的应用

在复杂连续环境下,强化学习系统的状态空间面临维数灾难问题,需要采取量化的方法,降低输入空间的复杂度。径向基神经网络(RBFNN:Radial Basis Function Neural Networks)具有较强的函数逼近能力及泛化能力,由此提出了基于径向基神经网络的Q学习方法,并将其应用于单机器人的自主导航。在基于径向基神经网络的强化学习系统中,用径向基神经网络逼近状态空间和Q函数,使学习系统具有良好的泛化能力。仿真结果表明,该导航方法具有较强的避碰能力,提高了机器人对环境的适应能力。

基于改进ORB_SLAM2的机器人视觉导航方法

提出了一种基于改进ORB_SLAM2的视觉导航方法。针对ORB_SLAM2构建的稀疏地图信息不充分、缺少占据信息、复用性差而无法直接用于导航的问题,对ORB_SLAM2算法进行了改进,融合环境的3D、2D占据特征以及路标点空间位置、视觉特征等多模态信息构建了包含定位、规划、交互图层的多图层地图以支撑机器人的精准定位和最优路径规划;针对机器人的自主导航任务,基于先验多图层地图建立约束进行机器人的位姿估计,融合运动约束进行机器人位姿优化,实现了基于先验地图的机器人精准定位,同时基于规划图层进行机器人的最优路径规划,提升了机器人的自主导航能力。在TUM数据集及北京鹫峰国家森林公园进行实验,结果表明:所构建的多图层地图提升了机器人定位的精度和效率,性能明显优于RGB-D SLAM;基于先验地图的视觉定位方法能够进行机器人移动过程中精准、实时地定位,助力机器人按照所规划的路径实现准确的自主导航。

基于SLAM的机器人的导航算法设计

本文旨在得到更好的建图效果并运用于机器人导航中。在比较分析了HectorSLAM,LagoSLAM,Cartographer,GMapping等不同SLAM算法的优缺点之后,选择了拥有更好效果的蒙特卡洛自适应定位以及激光建图(GMapping)算法。且针对传统的GMapping算法无回环、精确度不高的问题,提出增加闭环检测环节。并且通过ROS操作系统实现此GMapping算法,此算法通过改变内部扫描配准的算法,来提高建图的精度。最后将改进算法以及机器人自主导航技术相结合,经过多次试验验证了这种改进算法的建图的准确性。

基于多部位振动触觉反馈的室内为人导航系统

为了改善传统为人导航系统的导航效果,设计了一种基于多部位振动触觉反馈的为人导航系统.该系统以具有自主导航功能的移动机器人为基础,运用充分考虑用户在系统中自主性和舒适性的人机协作导航算法,使用户能自由地选择行走速度.通过统计学方法研究人体各部位振动触觉感知能力,发现手指和手腕适合充当振动触觉信号的感知部位.开发多部位振动触觉装置作为系统的人机接口,利用该人机接口和人机协作导航算法实现了系统的自主为人导航.系统性能验证实验结果表明,基于多部位振动触觉反馈的导航系统具有良好的抗干扰能力,平均队形误差均值为0. 23 m,导航速度为0. 13 m/s,优于基于运动觉反馈的导航系统和基于单部位振动触觉反馈的导航系统.

自主导航物流机器人在缩短门诊标本从采血到接收检验前周转时间中的作用

目的探讨自主导航物流机器人在缩短门诊标本从采血到接收检验前周转时间中的作用。方法2019年1-5月采取门诊人工收血模式,6-10月采取自主导航物流机器人收血模式,利用实验室信息系统(LIS)的TAT统计功能,按照月份收集两种收血模式从采血到接收检验前周转时间中位数及90%分位数并进行分析统计。结果生化标本从启动自主导航物流机器人收血模式后,月度检验前周转时间中位数时间由之前的(30.2±3.3)min下降到(14±2.0)min,周转时间90%分位数由之前的(93.8±2.6)min下降到(33.2±2.2)min;免疫常规标本月度周转时间中位数时间由之前的(49.8±2.6)min下降到(21.6±2.3)min,周转时间90%分位数由之前的(94.8±2.3)min下降到(44.4±2.3)min;发光常规标本月度周转时间中位数时间由之前的(36.8±3.9)min下降到(16.4±1.7)min,采血到接收检验前周转时间90%分位数由之前的(96.8±4.3)min下降到(38.8±6.3)min,以上两组数据对比差异均有统计学意义(均P<0.05)。结论自主导航物流机器人能够显著缩短门诊生化、免疫和发光标本采血到接收检验前周转时间的作用,为快速发放门诊生化、免疫和发光项目报告奠定了基础,极大地提高了服务质量。

矿井巷道复杂场景灭点检测方法

通过检测识别图像中的灭点位置可用来辅助矿井巷道移动机器人进行自主导航。针对现有的灭点检测方法在光照条件差、结构化信息不足的矿井巷道场景下误差较大的问题,提出了一种矿井巷道复杂场景灭点检测方法。首先,对图像进行缩小、滤波、灰度化等预处理,以大幅减少计算量,较好地保留直线特征;然后,采用直线检测算法对图像进行直线检测,引入直线长度阈值和平均梯度约束分别剔除长度小的干扰直线和图像中由阴影产生的干扰直线,并采用块匹配算法生成图像的块运动轨迹直线;最后,将剔除干扰后的直线和块运动轨迹直线转换为参数空间中的样本点,采用局部异常因子算法求出每个样本点的离群因子值,并将样本点的离群因子值和对应直线长度共同作为衡量样本点重要性的标准,据此设计加权回归算法的权函数,从而得到灭点的最佳估计。在矿井巷道数据集与公共数据集上的实验结果表明,与基于边缘的灭点检测方法和基于深度学习的灭点检测方法相比,本文方法对光照变化有较强的鲁棒性,在光照条件差、缺乏直线信息的复杂场景中具有更高的精度,且实时性优于基于深度学习的灭点检测方法,能够更好地满足矿井巷道机器人导航需求。

面向室内退化环境的多传感器建图方法

在室内同时定位与建图(SLAM)的实际应用中,对称单一结构环境易造成激光SLAM错误建图,低质量光照或低纹理环境易造成视觉SLAM失效。针对上述室内退化环境,提出一种将激光、视觉、惯性测量单元(IMU)进行紧耦合的LVI-SLAM方法。在该方法前端,设计视觉评价环节对视觉信息置信度进行自适应调整;在该方法后端,进行位姿图优化以及多传感器回环抑制累积误差。视觉评价实验、单走廊实验以及大场景建图实验的结果证明了该方法的鲁棒性和精确性。在面积为1050 m 2的复杂室内环境下,采用该方法建图误差为0.9%。