基于移动机器人的V2X室内仿真平台

针对V2X场景测试存在费用高、危险系数大和场景难搭建等问题,提出了一种基于移动机器人的V2X室内仿真平台。该仿真平台由室内移动机器人、V2X设备和显示终端组成,移动机器人实时获取自身的坐标、速度、偏航角等数据,通过滤波和校准处理后转换为GNSS数据,并通过网络通信将GNSS数据发送给V2X设备。为了验证该仿真平台的有效性,设计了V2X前向碰撞场景,并进行了实验测试。测试结果表明,该仿真平台能有效地进行V2X场景的测试。

移动机器人2D激光SLAM算法仿真与实现

随着无人驾驶技术的迅速发展,同步定位与建图技术因其精度高、稳定性好的优点备受人们关注。基于激光雷达传感器,选择主流的Gmapping和Cartographer算法,搭建实验环境,对两种算法进行对比仿真与实验建图,并对两种算法的建图效果进行深度的分析。基于滤波器的Gmapping算法计算量小,依赖于里程计信息,适用于小尺度、低特征环境中;基于图优化的Cartographer算法累计误差低,精度高,适用于精度和稳定性要求较高的场合。

一种改进的移动机器人路径规划算法

为解决快速随机扩展树算法(RRT)无效采样以及路径不最优等问题,提出一种基于RRT和A^(*)算法的拟水流避障算法RRT-QSA^(*)。在采样上引入RRT算法规定采样区间来限制采样点,增强采样的目标导向性;遇到障碍物时采用融合了A*算法的拟水流避障算法迅速绕过障碍物;采用路径优化算法对搜索到的路径进行路径优化。仿真结果表明:与RRT算法相比,RRT-QSA^(*)算法的计算时间减少了96.83%~99.88%,搜索节点数减少了86.62%~96.01%,路径长度数减少了9.9%~16.7%,转折角度减少了80.93%~93.04%。随着地图的增大,RRT-QSA^(*)算法比RRT算法计算效率的提升更加明显。

基于Maix-Ⅱ Dock摄像头的货运移动机器人的设计与实现

针对两地快速、高效地运输货物的问题,设计了一种货运移动机器人。货运移动机器人由STM32F103RCT6主控板、Maix-Ⅱ Dock(M2 dock)摄像头、OLED屏幕和XL4001可调降压模块等组成。货运移动机器人从地图“GO!”红色区域出发,到达红色“STOP!”区域停车,途中不得撞到路线外红色长方体障碍物。货运移动机器人主控板使用STM32F103RCT6,图像识别部分使用M2 dock摄像头。M2 dock摄像头可以稳定高效地识别红色区域。通过测试,货运移动机器人可以快速且稳定地行驶完全程,并能够处理复杂的路况。该货运移动机器人的理论研究与设计能够应用于多种路况。

ROS2环境下移动机器人导航及路径规划研究

自主移动机器人(Autonomous Mobile Robot, AMR)是近年来出现的高智能机器人,被广泛应用于智能制造及物联网应用领域。在ROS2的基础上设计了AMR的硬件和软件系统架构,描述了基于AMR的多传感器数据融合与地图构建技术,提出了一种改进A^(*)算法实现AMR的路径规划,最后给出AMR导航系统的实现步骤。结果表明,该移动机器人导航系统具有运行稳定性与导航准确性,能够有效降低电池的能耗。

一类轮式移动机器人的滑模轨迹跟踪控制研究

文中研究了一类存在匹配和非匹配不确定性的轮式移动机器人(Wheeled Mobile Robot,WMR)的轨迹跟踪控制问题。提出了WMR的动力学模型,并将该模型转换为状态空间方程形式。通过改进超扭曲算法结合Lypunov稳定性理论,设计出系统的2阶滑模控制器。该控制器不仅可以使滑动变量快速收敛到零,而且使系统状态具有良好的跟踪效果。通过一个数值算例验证了所提出理论的有效性,确保了系统的跟踪性能。

基于ORB-SLAM2的移动机器人定位与建图研究

针对目前移动机器人已应用在服务、救援、医疗等方面,其工作环境也越加复杂多变等问题,为了应对环境的变化,机器人需要具备感知、运动和自主规划等能力。该文提出一种基于ORB-SLAM2的移动机器人定位与建图设计。利用EPnP、K-means++等算法相结合的方式,完成了移动机器人的同步定位与地图构建。

复杂环境移动机器人多传感器融合SLAM研究

室内复杂环境下单一传感器移动机器人SLAM误差较大,效果较差,对此,提出一个融合多种传感器的三维RTAB-Map SLAM方案。首先在ROS系统中仿真环境,并通过里程计仿真与SLAM仿真验证该方案的可行性。在仿真的基础上进行SLAM实验,通过对比实验结果验证采用优化协方差矩阵的EKF融合里程计数据能够提升SLAM效果。实验结果表明,优化协方差矩阵的EKF融合里程计能够减少RTAB-Map SLAM中的错误点云的同时提升SLAM精度。

基于2D三焦点张量的移动机器人视觉伺服镇定控制

针对单目视觉移动机器人系统,本文提出了一种基于二维三焦点张量(2D trifocal tensor,2DTT)的视觉伺服镇定控制方法.具体而言,首先描述了2D三焦点张量的导出过程,并给出了基于图像特征点的估计方法.在此基础上根据2D三焦点张量的元素,设计了一种反馈线性化控制器以实现机器人的位置镇定,以及一种比例控制器来实现姿态镇定,因而在场景信息与平移信息均未知情况下完成了移动机器人的视觉镇定控制.通过理论分析证明了本文设计的镇定控制算法具有指数收敛性能.相比现有方法,这种基于2D三焦点张量的方法在图像特征识别方面具有更强的鲁棒性,并且在平面场景与立体场景情况下均适用.最后利用仿真与实验结果验证了本文提出的视觉伺服方法的优良性能.

用改进的ART-2网络建立移动机器人环境模型的研究

本文应用自适应共振理论中ART 2神经网络进行移动机器人环境障碍模式识别 .ART 2神经网络在处理单方向渐变的模式输入时具有模式漂移的特点 ,机器人在静态环境中运动依赖这种特点 ,但在动态环境中模式漂移的特点却会对机器人的安全造成威胁 .为此 ,设计了一种改进的ART 2神经网络 ,使得移动机器人同时适应在静态和动态环境中安全运动 .

结合视觉和激光雷达的移动机器人定位研究

机器人在导航过程中存在两个共性问题:(1)在任意位置启动时如何迅速确定初始位置;(2)由于误匹配导致全局定位结果出现较大偏差。针对这两个问题,提出了一种基于深度相机和2D激光雷达的机器人快速定位系统。由于信息量太少,基于激光雷达的方法易出现误匹配而重定位效果不佳,为此引入信息量更丰富的视觉传感器,将视觉特征点地图和二维占据栅格地图结合在一起,根据定位状态进行模式切换。正常导航时为激光定位,当机器人在任意位置启动或导航位置丢失时切换到视觉重定位。另将视觉算法中的6-DoF简化为3-DoF,有效减少了计算时间。设计实验平台验证了所提出的定位系统能够提高定位效果,定位精度提高了10%,重定位速度提高了57.8%,且具有更好地环境适应能力和实用性。

移动机器人障碍感知的应用研究分析

在移动机器人的运行过程中,对于环境的感知、地图的构建以及路径规划成为其瓶颈问题。移动机器人进行路径规划时常采用2D激光雷达对障碍物进行定位,并构建机器人用于导航的地图,但机器人在使用2D激光雷达扫描障碍物时只能得到高度固定的二维雷达点云平面,机器人无法探测到在2D激光雷达高度以上的障碍物和低于激光雷达的障碍物。因此,若只使用2D激光雷达完成障碍物的探测,则可能得不到空间内完整的障碍物信息,导致移动机器人行为决策层失败。本文研究应用发现通过双目深度相机与2D激光雷达相互结合的感知方式,可融合出维度更高的3D信息环境,为移动机器人的决策规划行为提供更详细的场景信息,获得更佳的表现。

扩展2维环境中的移动机器人多人体目标跟踪

移动机器人如何自主实现人体目标的检测与跟踪是服务机器人研究领域中的关键问题之一.在深入分析单目视觉和激光测距特性的基础上,文章首先针对室内场景进行扩展2维环境建模研究,并提出在该环境下的人体目标分段模型构建与自主辨识方法.为了有效实现对多个人体目标的同时跟踪,本文提出了一种基于非恒速运动模型和卡尔曼滤波对多人体目标进行有效匹配与跟踪的方法.实验表明本文所提方法能有效的克服目标旋转、部分遮挡和重叠以及光线明暗变化给人体目标跟踪带来的影响,具有较好的鲁棒性和实用性.

基于J2EE的移动机器人互联网远程控制的实现

利用互联网这一廉价而便捷的通讯手段进行移动机器人的远程操作,为移动机器人的进一步普及应用创造了条件.本文在J2EE环境下,利用EJB组件及JSP技术,采用MVC的设计模型构建了基于互联网的移动机器人远程控制系统.该系统具有平台无关性、易于扩展和维护等特点.

基于子图分割和自适应噪音方差的2D移动机器人定位方法

基于子图分割和自适应噪音方差的2D移动机器人定位方法,不仅能有效地检测闭环,而且能更精准地估计移动机器人的位姿。首先,子图分割能够有效提高移动机器人的定位效率,通过匹配局部子图也能提高闭环检测的准确性,减少测量噪音的影响。与之前工作不同的是,根据2D几何特征点的个数来分割子图,使得子图中有足够的特征点,进而提高闭环检测的准确性。其次,在利用unscented卡尔曼滤波(UKF)模型时,使用自适应的噪音方差来估计移动机器人运动路径,使得每次UKF的预测方差与移动机器人当前环境有关,当检测到闭环时,通过UKF融合闭环定位信息,可以更准确地估计机器人位姿。在实验中,首先使用两组经典的移动机器人地图数据来比较基于特征点分割子图的方法与基于帧数分割子图的方法在闭环检测时的准确性;然后使用真实的移动智能车在室内环境进行实验,证明了自适应方差比常量方差有更高的定位精度。

一种不确定环境下移动机器人的避障规划算法

本文提出了在不确定的环境中 ,移动机器人的一种全局路径规划算法 .将全局路径规划分解为局部路径规划的组合 .为提高规划的效率 ,在局部规划中 ,采用了基于案例的学习方法 .以 ART- 2神经网络实现案例的匹配、学习和扩充 ,满足了规划的实时性要求 ,仿真结果说明了本算法的有效性 .

基于情感与环境认知的移动机器人自主导航控制

将基于情感和认知的学习与决策模型引入到基于行为的移动机器人控制体系中,设计了一种新的自主导航控制系统.将动力学系统方法用于基本行为设计,并利用ART2神经网络实现对连续的环境感知状态的分类,将分类结果作为学习与决策算法中的环境认知状态.通过在线情感和环境认知学习,形成合理的行为协调机制.仿真表明,情感和环境认知能明显地改善学习和决策过程效率,提高基于行为的移动机器人在未知环境中的自主导航能力.

基于YOLO-v2视觉神经网络在移动机器人平台ROS框架下的实现

目标检测主要是通过视觉算法对目标图像进行识别,而移动机器人可以利用目标检测算法完成对周围环境的感知。本文提出对传统YOLO-v2算法进行改进,并基于ROS框架实现移动机器人在办公室场景下对主要动态障碍物的检测和识别。

基于光电传感器的移动机器人室内定位

设计了一种基于光电鼠标和电子罗盘的机器人定位系统。通过放置在小车尾部中央位置的光电鼠标芯片测出X和Y的单位时间内的位移数据,经过STM32处理得到坐标值,并将小车的坐标值等信息显示在液晶屏上。通过电子罗盘得到小车的航向。在获取小车坐标与方向后,上位机通过无线模块向小车发送控制命令,从而控制小车的行驶轨迹,并将行其显示在上位机界面。经实验测试,测量位移的定位误差在0.45%,可以达到满足机器人室内定位系统的要求。

基于改进直线特征提取算法的室内移动机器人地图构建

为使室内移动机器人更好地从充满噪声的2D激光测距仪数据中构建精准地图,提出一种基于相似三角形去噪法则的改进算法。利用分裂算法从预处理数据中提取线段集合,通过改进相似三角形去噪法则对每两分裂点间的数据点进行去噪,将去噪后的数据重新进行分裂,并对每两相邻分裂点间的扫描点进行最小二乘直线拟合。实验结果表明,该算法有效降低部分有效点被剔除的数量,精确度和假阳性指标优于相似三角形去噪法和传统分裂合并算法,同时避免线段合并过程,提高环境建模的鲁棒性和精准性。