基于ROS的移动工业机器人定位算法研究

室内移动工业机器人在工业生产、智慧物流等领域的应用越来越广泛,其导航定位成为学者研究的热点问题,具有较高的应用价值。为解决蒙特卡罗定位(MCL)算法粒子匮乏、定位精度不高等问题,将基于自适应蒙特卡罗定位(AMCL)算法应用到移动工业机器人定位系统中,通过在MCL重采样中引入随机采样和尔贝克-莱布勒散度(KLD)采样自适应动态调节粒子数量,实现较好的定位效果,同时搭建基于机器人操作系统(ROS)的实验平台进行定位实验。经实验,AMCL定位算法在ROS平台下能够较好地实现移动工业机器人的定位功能。

融合多传感器的自主AGV定位研究

针对依靠单一传感器定位存在定位不精确,甚至定位失败的问题,设计了一种基于扩展卡尔曼滤波器(Extended Kalman Filter,EKF)与动态加权融合法相结合的定位算法。首先,在自适应蒙特卡罗定位(Adaptive Monte Carlo Localization,AMCL)算法的框架下,通过建立机器人运动模型与传感器观测模型,利用EKF将惯性测量单元(Inertial Measurement Unit,IMU)和编码器的数据进行融合。然后,设计了一种动态加权融合方法,依据方差大小动态分配各融合量的权重,将EKF的融合结果与特征匹配计算得到的视觉里程计信息进行加权融合,从而得到更精确的融合里程计信息。最后,将该融合后的里程计信息作为自适应蒙特卡罗定位的运动控制信息,进行粒子状态更新,从而实现全局定位。试验结果表明,该方法能够有效提高自动导引车(Automatic Guided Vehicle,AGV)的定位性能,动态定位精度能够稳定在较高精度范围。

基于多传感器融合技术的室内移动机器人定位研究

为解决室内环境中移动机器人使用单一传感器定位精度低和稳定性差的问题,提出了一种融合了轮式里程计、惯性测量单元(IMU)、超宽带(UWB)和激光雷达定位数据的多传感器融合定位方法。基于扩展卡尔曼滤波(EKF)算法和自适应蒙特—卡罗定位(AMCL)算法,依次对不同传感器定位数据进行融合。实验结果表明:多传感器融合有助于室内移动机器人获得更精确的定位和较好的定位稳定性。

融合粒子滤波和环境标签矫正的巡检机器人自主定位算法

随着巡检机器人的需求量增加,巡检机器人在复杂环境中的自主定位问题越来越重要。提出了融合粒子滤波和环境标签矫正的自主定位算法,充分利用巡检机器人的工作环境特性和蒙特卡罗定位算法的特性,提高机器人自主定位的效率和效果。基于ROS建立了机器人仿真环境,对定位算法的效果进行了测试。实验结果表明融合粒子滤波和环境标签矫正的自主定位算法的效率和准确性有所提高,能够很快实现定位恢复。

基于动态窗口法的移动机器人自动避障导航研究

在移动机器人控制系统中,机器人周围的环境会随机器人的运动不断地变化,从而影响机器人下一步的运动控制问题针对这一问题,设计并实现了基于动态窗口法的移动机器人自动避障导航系统该系统采用树莓派作为核心控制器,运动电机采用STM32作为控制器进行电机驱动控制,利用激光雷达采集机器人周围不断变化的环境,采用超声波、陀螺仪等传感器获取自身定位信息,结合开源机器人操作系统(ROS)快速实现基于动态窗口法的移动机器人局部路径导航控制「仿真验证以及现场试验调试结果表明,该移动机器人控制系统能够有效、精确地定位,并能够实现局部路径及时避障导航功能与现有机器人控制系统相比,该系统具有易开发、低成本、反应迅速、控制精度高等优点。

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。

基于快速仿射模板匹配的AMCL算法

自主定位是移动机器人的重要任务,机器人绑架问题是定位技术中的难点。基于粒子滤波的自适应蒙特卡罗定位(AMCL)算法能够解决机器人绑架问题,但其在定位恢复过程中需要在全局地图中放入新粒子,恢复效率低。通过对自适应蒙特卡罗定位算法的研究,结合图像学中模板匹配思想,提出了一种基于快速仿射模板匹配的自适应蒙特卡罗定位(AMCL-FM)算法。该算法利用全局代价地图与局部代价地图估计出机器人的真实位置,并在估计出的位置放置新的粒子,提高定位恢复能力。与传统的自适应蒙特卡罗定位算法相比,所提算法定位精度提升了61.13%,定位恢复效率提升了69.23%。