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。

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。

基于激光雷达空气净化导航机器人的研究与设计

基于二维激光雷达设计了一种适用于室内空气净化的自主导航移动机器人。针对目前RBPF算法因容易出现粒子退化而导致定位精度差、建图速度慢等问题,采用了一种改进的RBPF算法进行地图的构建,提高定位精度和建图速率的同时实现对机器人的自主导航。机器人在移动时会实时检测当前环境信息,当出现数据异常便自动开启空气净化装置,并将数据实时传输到云端服务器供用户监控。经实验验证,本系统可以更加快速地构建未知室内环境地图,并有效地完成多点室内空气净化任务。

改进的Rao-Blackwellized粒子滤波算法在目标跟踪中的应用

在雷达信号处理领域,运动目标跟踪问题一直是研究的重点,涉及的非线性滤波问题是难点所在;以RaoBlackwellized粒子滤波(RBPF)算法为基础,针对其应用于雷达目标跟踪时产生的若干问题进行研究,为提高算法的收敛性能及滤波精度,对其中重采样算法进行改进,利用数字仿真对更改后的算法进行验证,经过表明更改后的RBPF算法在各个方面均有较大程度改善。

基于激光雷达与双目视觉的移动机器人SLAM研究

为解决移动机器人在环境未知条件下,利用单一传感器自主导航时不能及时定位、构建地图不精确的问题,提出采用一种改进RBPF算法,在计算提议分布时将移动机器人的观测数据(视觉信息与激光雷达信息)和里程计信息融合;针对一般视觉图像特征点提取算法较慢的问题,采用基于ORB算法对视觉图像进行处理以加快视觉图像处理速度的方法;最后通过在安装有开源机器人操作系统(ROS)的履带式移动机器人进行实验,验证了采用该方法可构建可靠性更高、更精确的2D栅格图,提高了移动机器人SLAM的鲁棒性。

2D激光雷达移动机器人SLAM系统研究

针对传统RBPF-SLAM算法构建地图存在重影,粒子出现衰退等问题,设计了阈值重采样函数进行优化采用。并使用移动机器人实验平台,该移动机器人SLAM建图采用Arduino作为核心控制器,采用的是2D激光雷达传感器作为外部环境探测器。采集到的信号经过Arduino处理,通过WiFi传递给ROS操作系统,通过上位机处理,构建环境地图。在ROS机器人操作系统下通过移动机器人测试平台在两个不同环境下进行地图构建,比较算法优化前后的构图效果来比较两种算法的性能。对其中一种实验环境进行测量,通过比较两种算法构建地图的尺度精度,对优化前后的算法性能量化。通过直观建图效果和建图精度两种方法论证,结果表明优化算法建图效果更好,建图误差从0.459%降到0.299%,该优化算法实验结果与理论推导一致。

基于小生境遗传优化的Rao-Blackwellised SLAM算法

同步定位与地图构建(SLAM)是实现机器人自主定位的核心问题之一,Rao-Blackwellised粒子滤波器(RBPF)作为一种SLAM定位的有效方法,被广泛应用在实时定位领域中,但由于其随着粒子数目的增加会频繁重采样从而导致粒子退化问题。为了解决该问题,改善SLAM性能,提出了一种基于改进小生境遗传优化的RBPF SLAM算法INGO-RBPF,采用改进的Rao-Blackwellised粒子滤波器解决SLAM路径估计问题,采用扩展卡尔曼滤波器解决SLAM地图估计问题。最后通过MATLAB仿真表明INGO-RBPF算法具有较高的估计精度和稳定性,抗干扰能力较强,定位较准确,比较适合应用在SLAM实时定位中。

地下电缆沟智能巡检机器人导航避障技术研究

电缆沟是电力系统必不可少的基础设施之一。地下电缆沟内部空间狭窄、空气环境恶劣,人工电力巡检需携带多种检测工具,存在行走困难、检测不便等问题,且一旦发生冒烟、起火等紧急情况,容易造成人身伤害。为此,文章基于所设计的双驱动履带式电缆沟智能巡检机器人系统,构建了机器人运动模型并提出了一种地下电缆沟智能机器人导航避障技术,其采用基于改进的RBPF-SLAM算法对电缆沟智能机器人同时进行定位与地图构建。实验结果显示,该机器人能够在电缆沟内实现自主导航定位,不仅能顺利通过PVC管、砖块及铁质撬棍等障碍物,而且对于较高的障碍物,也能够成功避障,满足地下电缆沟巡检技术要求。

未知环境下双机器人协同探索方法

针对在未知环境和未知目标位置情况下的目标搜索与地图导航问题,提出了一种双机器人协同探索方法。首先,第一台移动机器人利用摸墙算法进行目标搜索,分别运用改进的RBPF-SLAM算法和Hector-SLAM算法构建未知环境的地图,比较两种算法建图花费的时间和获得的结果,选择其中更适合搜救任务的算法。接着,第二台机器人读取来自第一台机器人的地图信息,运用A*算法规划到达目标点的最优路径,并沿着规划出的路径移动至目标点。同时,针对实际中随时可能发生变化的受灾区域,采用动态窗口法进行动态的局部路径规划。最后,对该种方法进行了仿真实验,实验结果验证了该方法的实用性和有效性。