激光室内定位的混合式高效点云地图构建方法CSCD

针对机器人在室内定位中存在的点云地图形式单一、存储空间大等问题,提出了一种包含特征地图、通行地图和精简地图的混合形式地图构建方法。构建特征地图时,利用曲率、法线和局部显著性等要素提取环境中的显著特征点。构建通行地图时,首先,采用区域生长分割平面;其次,基于室内曼哈顿假设,利用平面空间关系分割出地平面;最后,根据预设高度构建出2D通行地图,并将3D边缘信息融入到通行地图中。在精简地图中,分别采用主方向权重、随机采样和K均值聚类方法对不同类型体素网格内点云进行精简。实验表明,特征地图可为机器人提供丰富的特征信息。通行地图中地面分割的准确度大于95%,可提供准确的先验通行信息。精简地图有效降低了点云地图的冗余度,在精简比例达到95%时,仍可取得0.8mm的平均模型误差,其精简性能优于传统的随机采样和体素格网方法。     

基于虚拟现实的空间机器人共享控制系统及其仿真

研究了一种基于虚拟现实的空间机器人共享控制系统及其仿真。首先提出了一种增强型虚拟现实仿真系统方案，并建立了空间机器人仿真的虚拟环境。其次开发了基于此虚拟环境的自主与遥控相结合的共享控制系统，最后进行了计算机仿真研究。     

移动机器人视觉伺服仿真系统研究

采用基于单应矩阵的视觉伺服方法,利用机器人仿真工具箱（Robotics Toolbox for Matlab）,在Matlab／Simuiink环境下,构建移动机器人视觉仿真系统。仿真试验表明所构建的移动机器人视觉伺服系统的有效性。     

Homotopy based optimal configuration space reduction for anytime robotic motion planning

Anytime sampling-based motion planning algorithms are widely used in practical applications due to limited real-time computing resources. The algorithm quickly finds feasible paths and incrementally improves them to the optimal ones. However, anytime sampling-based algorithms bring a paradox in convergence speed since finding a better path helps prune useless candidates but also introduces unrecognized useless candidates by sampling. Based on the words of homotopy classes, we propose a Homotopy class Informed Preprocessor (HIP) to break the paradox by providing extra information. By comparing the words of path candidates, HIP can reveal wasteful edges of the sampling-based graph before finding a better path. The experimental results obtained in many test scenarios show that HIP improves the convergence speed of anytime sampling-based algorithms.