单目SLAM直线匹配增强平面发现方法

针对微小型机器人及无人机系统日益迫切的轻量化视觉导航需求,提出了一种多维几何特征单目视觉三维环境建模方法。单一点特征单目SLAM制图方法地图描述效率相对较低,噪声容忍性能需要进一步提高。将线和面特征引入单目SLAM的三维地图构建过程,提高系统三维空间建模的搜索速度和稳定性。利用快速直线搜索算法,并基于二维直线匹配生成三维空间直线。现有基于三维空间特征点生成最小采样集的J-Linkage算法需要的倾向向量维数较高,完成单目SLAM常见场景三维平面聚类所需的计算量大。通过点线特征结合以及直线增强的J-Linkage算法可以提高特征平面聚类速度和稳定性,减少系统三维空间表达的冗余信息。     

基于多约束因子图优化的无人车定位与建图方法

针对目前在特定场景下应用的低速无人车定位系统极度依赖全球导航卫星系统（GNSS）,存在定位精度不高、漂移误差大、受环境影响严重等问题,提出一种低成本、高精度的无人车定位与建图方法。该方法基于三维激光定位与建图（SLAM）技术。首先,使用点云主成分分析（PCA）实现基于特征匹配的激光里程计;其次,将GNSS位置信息、点云分割聚类得到的地平面和点云聚类特征作为位姿约束分别加入图优化框架,消除激光里程计的累积误差;最后,得到最优位姿和大规模场景的点云地图,以实现无人车的自主定位导航。利用包含大型户外城市街道环境的KITTI数据集对所提出的SLAM算法进行了评估,结果表明:系统在3km运动距离情况下定位偏差可控制在1.5 m以下,在局部精度和全局一致性方面均优于其他里程计系统,为无人车的定位提供了新思路。      

火星车自主导航与路径规划技术研究

针对火星车工作任务环境,借鉴国外成功研究经验,给出了火星车自主导航敏感器配置,研究可在实际工程中应用的火星车自主导航与路径规划技术,包括DEM图构建与障碍物检测、全局路径规划、基于立体视觉相机的视觉里程计、多传感器融合位姿确定以及局部路径规划技术,并搭建了实验系统,在实验室内进行了仿真验证。相关研究结果可为我国后续开展火星车自主导航系统研究提供一定的基础。     

面向月面复杂环境的自主导航及跨平台仿真系统的研究

目前,月面复杂场景下的无人车自主导航仍面临巨大挑战,研究面向月面非结构化环境的自主导航方法具有重要意义。。本文提出了一种基于地形约束的非结构化环境下的自主导航方法,采用一种基于八叉树地图的高效路径搜索和轨迹优化算法来生成轨迹,该算法可以有效地避开环境中的各种障碍物,到达指定的目的地。在Gazebo中进行了仿真实验,结果表明所提方法在无地图导航任务中取得了优异的性能。考虑到Gazebo在人机交互方面具有不足,进一步采用Windows中的Unity进行人机交互。在ROS与Windows交互方式上,设计了基于rosserial_serve的TCP连接,并采用Visual Studio解决方案生成Win32控制台应用程序,通过IO流读写本地文件的方式,完成目标点等信息的交互;同时结合PhysX物理引擎与人机交互的方式,提供了再现车辆在月面位姿、设置危险区域与规划路径点的功能,完成了基于Unity的寻路场景重现。     

一种三维激光扫描系统的设计及参数标定

基于三维激光扫描系统的移动机器人动态环境地图构建技术是机器人智能感知技术的重要组成部分,而三维激光扫描系统的设计及标定技术对于地图构建的精度有决定性的影响。针对应用于小型移动机器人的三维激光扫描系统低成本、小型化的需求,设计了一套由高精度旋转云台和小型二维激光测距传感器组成的三维激光扫描系统,并提出了一种新的系统参数标定方法以提高三维扫描测量的准确度。该方法使用镂空圆孔标定板作为标定对象以完成对三维扫描特征自动准确获取,并根据非线性最小二乘法对三维激光扫描系统的参数进行优化计算。实验结果表明,所设计的三维激光扫描系统能够准确地测量周围环境的三维信息,实现了以低成本获得高质量环境建模的三维扫描数据技术。      

室内多移动机器人协同建图与路径规划

多机器人协同定位与路径规划是协同侦察、作战等场景中的首要问题,其难点在于如何在未知环境下完成自主定位。提出了将多机器人同步定位与构图(Simultaneous Localization and Mapping,SLAM)系统应用于室内环境,,以解决此问题。针对机器人定位存在的相关定位误差,采用了增加惯性测量单元的方法,以进行修正。为解决单个机器人在构建地图时速度较慢的问题,将基于坐标变换的方法用于多机器人的地图融合。此外,基于冲突检测和冲突规避思想,对多机器人路径规划方法进行了研究,并将其部署在了多机器人系统中。实验结果表明,采用多机器人协作进行环境探测,在确保全局地图信息完备的同时,可以提高构图效率。基于冲突规避的多机路径规划方法,可以为机器人个体规划出无碰撞路径,机器人可以根据该路径到达目标位置。     

基于D-S证据理论的GPS/MM组合系统车辆定位算法

根据分段、特征提取等地图匹配关键技术探讨了地图匹配的一般原理,提出了基于D-S证据推理理论的GPS(Global Positioning System)/MM(Map Matching)组合算法,提高了GPS单点定位精度.仿真结果和跑车实验验证结果表明上述方法是行之有效的.地图匹配算法不增加系统的硬件成本,对目前广泛应用的车载GPS导航定位系统是一个有效的解决方案.      

基于地面基站的定位系统构建和方案

针对大型、复杂、多功能建筑,其内部信号环境恶劣,卫星导航的信号衰减较大,较难稳定捕获跟踪,建筑内多径效应严重,短多径对定位精度的影响较大,直接使用卫星导航信号进行定位难度大的问题,提出了一种基于地面基站的大区域（建筑群）室内定位方案。根据频率与信号穿透性能和空间衰减之间的关系,选择甚高频频段作为信号载波,采用码伪距和载波伪距联合定位的方式,可同时兼顾覆盖性和定位性能。利用所提出的新型定位方式,搭建了一个基本测试系统,通过信号的产生、发射、无线传播,进行了信号的捕获、跟踪和伪距求差解算,初步验证了本文方法的可行性及覆盖能力。      

基于概念空间学习认知的机器人目标识别方法

针对复杂环境中机器人多类目标识别通常所依托的原始特征空间中数据区分度低、难以直接表达高层次特征知识的挑战性问题,采用概念空间知识表达方法,通过多传感器数据融合与特征提取建立基本特征空间,并运用高斯混合模型表示目标的各种属性,形成具有高层知识特性的概念空间,在此基础上进行高层知识的概念学习,增强多类目标在概念空间中的可区分性.利用支持向量机作为机器人的分类器,实现针对室内环境的多类目标物体的准确识别.实验结果表明:该方法不但有效地获取和表达待识别目标的高层特征知识,而且能有效提高机器人的目标识别与环境感知能力,展现出优越的分类识别性能.     

空间机器人自主定位定向方法研究

针对机器人在月球或火星上进行采矿的应用背景,研究了切平面捷联惯导方案、视觉定位方案、静态和动态的视觉/惯性组合定位定向方案.所提出的视觉/惯性组合导航系统使惯导系统的导航精度有很大的提高,同时只要求机器人携带很少的设备,大大降低了系统的成本.仿真结果表示该方案可行.      

新型八轮月球车不同运动学建模方法及分析

为使月球车具有更好的自主导航能力,完成崎岖地形路径规划和崎岖地形可通过性仿真测试,必须建立相应的运动学模型.针对提出的新型八轮移动子系统构型月球车和地形特征,利用不同的坐标系定义和建模方法建立了八轮月球车的3种不同运动学模型:关节机器人D-H坐标建模方法运动模型、平面几何运动学关系和三维几何运动学关系运动学模型.在此基础上对建立的3种运动学模型进行分析对比,提出了3种运动学模型的适用条件和范围.最后指出构建的运动学方程可以作为月球车多轮协调运动控制模型和月球车仿真环境中运动关系的求解器模型.     

基于自适应迭代的机器人曲面恒力跟踪

针对利用机器人进行打磨、抛光、去毛刺等场合时末端执行器对曲面工件轮廓跟踪时难以得到恒定接触力的问题,对机器人末端执行器和工件轮廓接触时的接触力进行研究,建立了实际跟踪过程中机器人末端执行器的接触力和已知传感器坐标系的映射关系,提出了一种基于自适应迭代学习算法的机器人力/位混合曲面恒力跟踪控制方法。该方法由两部分组成:基于机器人和环境接触时的阻抗模型设计了迭代学习控制律,在PD反馈控制的基础上通过迭代项克服机器人的未知参数和不确定性,并构建Lyapunov能量函数证明所提控制律的收敛性;将迭代学习控制律和力/位混合曲面恒力跟踪控制方法结合起来设计了用于曲面工件轮廓跟踪的控制方法。实验结果显示,经过15次迭代,接触力的波动范围逐渐变小并稳定在±3 N之内,验证了所提方法的有效性。      

一种爬壁机器人的动力学建模

City-Climber是1台爬壁机器人,为研究该机器人的3D路径规划问题,建立了City-Climber在方形房间内运动的运动学模型和动力学模型,该动力学模型包括3个子模型,机器人在地面、墙壁和天花板的运动分别用1个子模型描述.引入无量纲变量分别对3个子模型进行简化,再用Matlab软件对模型进行仿真,验证了动力学模型的正确性.该模型可用于解决City-Climber在3D环境下的路径规划和避障问题.     

The AGROBOT project.

The aim of this paper is to illustrate the AGROBOT project. This project was initiated to develop a complete robotic system for the production cycle of tomato plants in a greenhouse environment. The robot architecture is based on a vehicle carrying the picking arm (a six degrees of freedom anthropomorphic arm with a gripper/hand), the head with the two micro cameras (for the color stereoscopic vision system) and the VME rack for the complete control of the system. The head was purposely developed to permit complete visibility of the overall area. The vision system drives the head to point the path during navigation or to explore the plants looking for the work objects. The robot will be able to navigate between rows of plants, stop near each plant and identify the relevant objects (fruits or flowers) so as to be able to pick ripe tomatoes or spray anticryptogamic substances on flowers. Due to its flexible architecture, the system can be suited to operate on other kinds of cultivation or could be modified to perform other kinds of operations such as transplanting or packaging. Also the field of action could be different from greenhouses: changing from a wheeled locomotion system to a tracked system, the robot will be able to operate on particularly irregular surfaces. These features make this robotic system particularly adapted to replace human from tiring and harmful tasks or operating within adverse environment.