基于视觉SLAM的自主导航无人车研究

具有自主导航能力且能够在未知环境下正常运行的无人车成为了全球研究热点,其中定位与SLAM建图技术可为无人车自主导航提供实时的环境信息和位置信息。该技术是为了解决无人车在完全陌生的环境下通过无人车的自身传感器来构建地图且实现无人车的自身定位。本文在对SLAM技术理论研究的基础上,结合当前SLAM研究中的主流算法开展研究工作,旨在实现无人车的自主定位与导航。

基于红外引导技术的自主导航无人船设计

针对船舶在自动化领域的开发,设计了该自主导航无人船。该无人船的设计基于红外引导技术、嵌入式技术、PWM控制技术。系统硬件开发以STM32微处理器为核心,集成红外接收、信号指示、舵机控制、无线通信等模块,上位机监测由PC机和无线通信模块组成。STM32微处理器程序内容包括红外信号数据采集、增量式PID算法航向校正。最后在水池中对该无人船进行试验,结果表明该无人船可根据红外引导实现自主航行。

应用紫外敏感器的高轨卫星自主导航技术

针对高轨卫星在无地面测控站支持下难以实现高精度自主导航,卫星的自主生存能力不足的问题,文章提出一种利用地球紫外波段和恒星可见光波段为卫星进行自主导航的技术并进行了在轨验证,该导航方法利用视场1观测恒星可见光波段,视场2观测地球紫外波段。视场1利用星敏感器全天球识别算法识别所有恒星星像,识别结果的光轴指向作为恒星矢量;视场2被用来对地球紫外波段轮廓成像,计算得到地心矢量在卫星本体坐标系中的方向,通过高精度的系统偏差标定,实现了目前国内较高精度的高轨卫星天文导航应用。

地外天体软着陆自主导航与控制技术研究进展

软着陆探测是重要的地外天体探测方式,制导、导航与控制(Guidance,Navigation and Control,GNC)是地外天体软着陆成功的关键。首先梳理了国内外月球、火星和小天体等地外天体软着陆任务发展现状;在此基础上,总结了地外天体软着陆任务典型GNC方案及自主导航与控制技术主要进展;最后,针对未来的地外天体精确定点软着陆任务,提出了需要重点关注和发展的自主导航与控制关键技术,为未来技术发展提供借鉴和参考。

行人自主导航技术综述

导航与位置服务是我国经济新增长点和战略性新兴产业。近年来,行人自主导航技术由于可为行人提供高自主、高智能、高可靠和低成本的位置服务而备受关注,成为了导航与位置服务赋能可穿戴设备的关键驱动力。针对惯性、磁场和视觉三大主流行人自主导航方法进行了调研分析,梳理了行人自主导航技术的研究进展,重点阐述了各类技术途径的原理与特点,并指出了行人自主导航技术的未来发展趋势。

基于融合建图的全方位自主导航机器人研究

针对传统移动机器人在开放环境中进行自主建图、路径规划和自主导航时,需要较好的外部环境,本文采用了深度相机和激光雷达进行融合建图。机器人利用SLAM算法进行实时建图与定位,A-Star算法进行路径规划,陀螺仪辅助进行机器人姿态调整。通过分别调试机器人的雷达建图导航、视觉建图导航和融合建图导航,进行实际建图导航效果比较,得到融合建图导航时机器人的自定位准确度和导航精度最高,能很好进行导航,且能避开动态障碍物并更变其局部规划的路径。

果园智能化作业装备自主导航技术研究进展

果园生产管理主要包括喷药、施肥、割草、修剪、授粉、疏花和采收分级等作业环节,需要大量的人力投入,随着我国人口老龄化程度加剧,亟需果园生产管理由机械化向智能化转型升级。自主导航技术是果园机械化装备实现智能化的关键技术。本文围绕果园智能化作业装备导航控制需求,结合国内外研究现状,分别阐述了包含导航定位信息和障碍物信息的果园作业场景感知技术,导航地图构建、导航路径提取和路径规划技术,行走底盘运动学模型构建、运动控制技术,多机协同控制、远程交互控制技术等。随着智慧农业发展,智慧果园已成为果园未来发展方向,果园智能化作业装备是智慧果园建设必不可少的关键环节,在此基础上,归纳了我国果园智能化作业装备自主导航技术发展面临的问题为:环境感知能力不足、路径提取不稳定、局部路径规划不灵活、导航系统环境适应性欠缺、多机协同和远程控制不成熟等,提出了多传感器融合的环境感知与路径提取、完整路径规划、强通用性果园导航、大型果园多作业环节的多机协同与远程操作等未来发展方向。

激光SLAM技术下移动机器人自主导航优化研究

在进行自主导航时,移动机器人躲避障碍物的能力较差,使得完成任务需要的时间较长。为此,提出一种激光SLAM技术下移动机器人自主导航优化方法。利用图优化理论,获取全部位姿拓展节点对应的子节点,通过闭环检测,计算误差最小的位姿,根据SPA算法更新位姿,完成移动机器人的位姿估计。利用激光SLAM技术,输出优化后移动机器人位姿,使用A*算法,得到最优通行路径,引入DWA算法展开轨迹计算,实现移动机器人自主导航优化。实验结果表明,所提方法能够准确估计移动机器人位姿,在自主导航优化后,移动机器人自主导航路径长度仅为1 900 mm,转角次数仅为2次,运行周期仅为190次,平均速度高达280 mm/s,具有较好的移动机器人自主导航优化效果。

基于自适应UKF的卫星星座自主导航方法

针对卫星星座自主导航系统中存在的模型不确定性及难以准确获取的时变系统噪声统计特性影响导航精度的问题,提出了一种系统噪声在线自适应调整的UKF算法。基于所提出的自适应UKF算法设计了一种基于星间相对测量的卫星星座自主导航方法,该方法结合奇异值分解和比例修正的采样策略,解决了应用UKF时易出现状态误差方差阵丧失正定性而导致的Cholesky分解无法进行的问题。通过在低轨区域星座和中轨全球星座上的仿真实验,验证了该算法在提高滤波精度以及改善状态估计置信度方面的有效性,所提算法的定轨精度优于EKF算法、自适应EKF算法以及基于对称采样策略的UKF算法。采用CRLB分析法对导航算法的估计性能进行了分析验证。

基于SAC的无人机自主导航方法研究

针对现有深度强化学习算法在无人机自主导航任务中面临环境局部可观且感知信息不足问题,基于非确定性策略SAC(soft actor-critic)强化学习算法对未知环境下的端到端无人机自主导航任务展开研究。具体而言,提出了一种基于记忆增强机制的策略网络,通过对历史记忆信息与当前的观测整合处理,提取观测数据的时序依赖关系,从而增强局部可观条件下的状态估计能力,避免算法陷入局部最优解;设计了非稀疏奖励函数以缓解强化学习策略在稀疏奖励条件下难以收敛的问题;在Airsim+UE4仿真平台进行了多个复杂场景的训练验证。实验结果表明,所提方法导航成功率比基准算法提高10%,平均飞行距离缩短21%,有效增强了无人机自主导航算法稳定性和收敛性。

轮式果园多功能自主导航作业平台设计

为实现果园作业机械的多功能应用,设计一款具备割草、喷药、搬运等功能的轮式果园多功能自主导航作业平台。根据作业需求对多功能平台进行总体设计,平台包括动力系统、行走系统、导航系统、控制系统、作业装置等。根据搬运需求计算确定整机驱动电机选型;对割刀进行运动和动力学分析,根据切削范围和稳定需求,计算确定割刀电机和电动推杆的型号;根据流体力学知识,计算确定满足喷药喷幅的药泵型号,并对其他关键部件进行计算选型。对样机进行最小转弯半径、割草性能、喷雾性能等基本性能试验。试验结果表明,所设计的平台最小转弯半径为120.75 cm,满足果园行间地头良好的通过性要求;割刀转速和高度可调,留茬高度可控制在5 cm以内,割草作业覆盖率在91.25%以上;喷药泵可根据车速、树形等进行压力调节,喷雾量均匀性变异系数在8.01%以内,保证喷雾均匀的同时减少农药浪费。

基于序列图像可观测性分析的航天器自主导航方法

未来我国将开展探月工程四期、火星采样返回、小天体探测等一系列深空探测活动,软着陆过程面临环境更复杂、地形更未知、时间更紧急等全新挑战。由于光学敏感器提供的序列图像包含天体表面岩石、陨石坑等丰富陆标特征信息,是软着陆自主导航的理想信息来源。但是,深空探测器上计算资源有限,无法处理大量图像信息,必须对序列图像中的丰富陆标特征进行优选。陆标优选时通常以可观测性分析量化得到的可观测度来衡量陆标特征对导航精度的贡献程度,但传统方法只观测单一时刻局部最优陆标,在重新优选陆标前多次连续观测相同陆标时会因可观测度逐渐降低而影响导航精度。本文首先建立了行星着陆段序列图像自主导航系统模型,构建了针对多次观测的序列图像可观测度指标,证明了其为凸函数并给出了最小值点所在区间,指导优选多时刻可观测度最高的陆标。经过数学仿真验证,基于序列图像可观测度的陆标优选比传统单时刻优选方法的导航精度更高,可为深空探测着陆段的序列图像自主导航提供理论支撑。

序列图像自主导航系统观测能力优化方法

针对空间目标序列图像自主导航系统欠观测的问题,详细阐述了图像序列对系统性能优化的作用,设计了一种基于多步轨道机动的系统观测能力优化方法。该方法以系统观测能力量化指标和机动能量消耗为目标函数,通过约束法将能量消耗目标转化为不等式约束,进而将多目标优化问题转化为单目标优化问题,并以相对运动位置范围为约束条件,利用内点法获得使观测能力最优的服务航天器轨道机动策略,分析了能量约束对观测能力优化结果的影响,即能量上限在一定范围内时,系统观测能力随着能量上限增加而改善;当超过一定范围时,观测能力将会达到最优并不再有明显的提升。仿真结果表明该方法能够有效提升观测能力,与现有方法相比在导航精度和优化效率上具有明显优势。

面向果园车辆自主导航算法的仿真测试平台设计

为测试和评价果园车辆自主导航算法的性能,采用数学分析软件MATLAB搭建面向果园车辆自主导航算法的仿真测试平台。仿真测试平台通过构建果园种植模型、激光雷达(Light detection and ranging,LiDAR)测量模型、车辆运动学模型、车辆动力学模型和电机控制模型实现虚拟果园测量和车辆运动过程模拟,通过可视化测量数据、导航过程和导航偏差显示导航结果并评价导航算法性能。对单一模型和平台整体的性能测试结果表明,仿真测试平台可靠,针对基于2D LiDAR的导航路径生成和跟踪算法,仿真测试平台能够有效测试和评价不同果园种植参数及车辆初始状态下的算法性能,满足果园车辆自主导航算法的测试需求。

基于LiDAR多维点云优化的垄作菊花采摘机器人自主导航方法研究

[目的]针对田间作业环境复杂导致金丝皇菊采摘机器人行走不稳定、生产效率低的问题,本文设计了一种基于LiDAR多维点云优化的菊花采摘机器人自主导航系统,以实现机器人在农田中的精准作业与高效生产。[方法]通过履带式底盘搭载的Velodyne 16线激光雷达获取田间三维点云信息,并对其进行坐标校正和体素滤波预处理。提出了一种多维点云优化算法,可按照金丝皇菊植株生长特性获取不同坐标轴下的有效点云特征,生成左右两侧垄沟线;并采用改进纯跟踪控制算法对最小二乘法拟合得到导航基准线进行跟踪导航。[结果]通过对Stanley控制算法和改进纯跟踪控制算法进行仿真试验,改进纯跟踪算法表现出更高效的跟踪性能。利用金丝皇菊采摘机器人在南京市湖熟菊花园进行实地试验。试验结果表明,基于LiDAR多维点云优化的自主导航算法横向平均绝对误差为0.0474 m,标准差值为0.0306 m,位置偏差绝对值为0.0789 m,航向平均绝对误差为2.177°,标准差值为2.589°,横向平均绝对误差减小67.13%,离散程度降低48.34%。[结论]本文提出的基于LiDAR多维点云优化算法和改进纯跟踪算法可以有效提高导航精准度,改善系统抗干扰性,导航效果较好,从而保证金丝皇菊采摘机器人的精准作业。

火星探测器多次分离气动捕获自主导航与随机制导

研究多次分离阻力控制探测器在火星气动捕获过程中的导航与制导问题,建立了气动捕获过程中的动力学模型与测量模型,提出了将火星大气密度建模为高斯过程,结合无迹施密特-卡尔曼滤波对探测器的系统状态进行估计,给出了系统状态的统计信息。采用随机制导策略,通过无迹变换传播系统状态的均值和协方差信息,将其纳入制导目标的设计中,并最终优化阻力裙分离时间。仿真结果验证了所提算法在提高气动捕获导航精度和减小最终入轨所需速度增量方面的有效性,为火星气动捕获及其他深空探测任务提供了理论和技术支持。

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。

结合类脑导航的强化学习无人机自主导航

针对无人机自主导航常用的端到端强化学习方法存在训练效率低、泛化能力和通用性差等问题,引入了类脑导航模型,基于长短时记忆(LSTM)神经网络构建了类脑细胞导航模型,通过整合编码无人机智能体的自运动信息,实现了网格细胞和头朝向细胞的编码,进一步将这些信息作为深度强化学习算法D3QN的状态补充表示;通过在AirSim仿真环境的实验表明,类脑导航模型的引入能够有效提高算法的训练能力和无人机智能体的导航性能,相较于原D3QN算法,首次目标固定情况下,到达目标成功率提升了2.54%,达到了97.11%;而在目标改变后继续训练的情况下,到达目标成功率为99.45%,而D3QN仅为11.46%,未能找到新的目标点;表明算法的泛化能力得到有效提升。

基于ROS的自主导航消毒服务机器人研究

随着现代社会的发展,人们对公共卫生消毒的重视进一步提高,消毒服务机器人在科技发展的推动下备受市场的追捧.针对人工消毒效率低,消毒不全面,人工成本高等问题,设计一款具有消毒与自主导航功能的服务机器人.机器人喷雾消毒模块中的消毒喷雾器可通过两自由度机械臂控制自动上下和左右旋转,可满足不同的喷雾需求.在SolidWorks软件中构建消毒机器人模型,采用运动学建模对消毒机器人运动模式和运动方式进行分析.以校医院为应用场景,借助rviz与gazebo软件,搭建消毒运输服务机器人的仿真环境,通过机器人自主路径规划,验证机器人能否实现单点和多点自主导航.实验表明,消毒机器人能够自主完成路径的合理规划,实现单点和多点自主导航,并可实现对室内环境的全面消毒.

一种面向城市战场的智能车自主导航方法

城市战场是常规战争和日常治安的主要阵地,出色的城市战场突防能力能够帮助我方作战人员更好、更快地完成侦查、打击、营救等任务。然而,城市内街道环境错综复杂同时还可能存在敌方的拦截,使得城市战场环境复杂多变,大大增加了完成任务的难度。传统的路径规划方法依赖于精确的静态地图和规则约束,缺乏灵活性和适应性。因此,本文提出一种面向城市战场的智能车自主导航方法,并设计离散的动作空间和基于任务完成度的奖励函数。首先,以城市战场突防任务为例,设计状态空间、动作空间,并选择适合的深度强化学习算法;然后,基于Gazebo仿真平台和ROS设计算法流程框架和实验方案。实验结果表明,在城市战场环境下运用该方法的智能小车能够有效地穿越障碍并躲避敌方单位到达指定地点,提高了突防的成功率。