摘要：移动机器人定位已成为机器人研究的重要任务。提出基于递归卷积神经网络的移动机器人定位(Recurrent Convolutional Neural Networks-Based Mobile Robot Localization,RCNN-MRL)算法。递归卷积神经网络(Recurrent Convolutional Neural Networks,RCNN)结合卷积神经网络(Convolutional Neural Networks,CNN)和递归神经网络(Recurrent Neural Networks,RNN)的特性,并依据机器人上嵌入的照相机拍摄的第一人称视角图像,RCNN-MRL算法利用RCNN实现自主定位。具体而言,先通过RCNN有效地处理多个连续图像,再利用RCNN作为回归模型,进而估计机器人位置。同时,设计双轮机器人移动,获取多个时间序列图像信息。最后,依据双轮机器人随机移动建立仿真环境,分析机器人定位性能。实验数据表明,提出的RCNN模型能够实现自主定位。

摘要：移动机器人里程计非系统误差建模是研究移动机器人定位问题的基础。现有的移动机器人里程计非系统误差建模方法多数针对某一种驱动类型移动机器人设计,运动过程中缺乏对里程计累计误差的实时反馈补偿功能,经过长距离运动过程定位精度大幅度降低。基于此,针对同步驱动和差动驱动轮式移动机器人平台提出一种通用的里程计非系统误差建模方法。在假设机器人运动路径近似弧线基础上,依据里程计误差传播规律推导非系统误差与里程计过程输入量之间的近似函数关系,进而对移动机器人位姿跟踪过程中产生的里程计累计误差给予实时反馈补偿。里程计非系统误差建模前后定位过程的对比试验表明,这种非系统误差实时补偿方法有效地减少了移动机器人导航过程中产生的里程计累计误差,提高了定位精度。

摘要：移动机器人里程计误差建模是研究移动机器人定位问题的基础.现有的移动机器人里程计误差建模方法多数针对某一种驱动类型移动机器人设计,运动过程中缺乏对里程计累计误差的实时反馈补偿,经过长距离运动过程定位精度大幅度降低.因此本文针对同步驱动和差动驱动轮式移动机器人平台提出了一种通用的里程计误差建模方法.在假设机器人运动路径近似弧线基础上,依据里程计误差传播规律推导了非系统误差、系统误差与里程计过程输入之间的近似函数关系,进而提出一种具有闭环误差实时反馈补偿功能的移动机器人定位算法,对定位过程中产生的里程计累计误差给予实时反馈补偿.实验表明新算法有效地减少了里程计累计误差,提高了定位精度.

摘要：针对组合导航系统中,融合算法结构难以在线进行配置的问题,基于误差状态扩展卡尔曼滤波器(ES-EKF)和标准观测模型库,提出一种不依赖特定平台、可在线配置结构的多源融合估计框架,赋予组合导航系统动态变更信息源融合方式的能力。对多种导航子系统的输出信息进行分类和建模,建立一个不依赖于特定传感器和平台的标准观测模型库。设计一种算法结构的表示规则,将算法结构映射为融合模式,实现信息源和变量的灵活选择。基于该融合估计框架,设计并实现了一个惯性测量单元/磁力计/编码器/相机/激光雷达组合导航系统。最后,在野外数据集上进行了多种测试,该系统能够通过人工静态地或自主动态地变更融合模式灵活配置融合算法的结构,且定位精度优于robot-localization算法。试验结果表明,该框架可有效地实现多源融合估计、可在线地配置融合结构。

摘要：介绍了一种应用于仓储自动化的移机器人,该机器人基于特殊地标和模糊PID控制器。针对定位和路径规划问题,采用特殊地标进行定位。针对运动矫正问题,首先对移动机器人进行理论分析和运动学建模,之后基于特殊地标的设计,提出采用模糊PID控制器进行矫正控制,最后在MATLAB/Simulink上仿真验证,能够达到矫正要求。基于特殊地标的矫正方法与常规的矫正方法比:比单纯的循迹算法更精简、速度快;比单纯的基于角度的运动矫正则更加精准实现闭环,最终确保可以到达下一个二维码坐标进行作业。基于模糊PID控制的矫正控制器也比单纯的PID控制器更加快速与自适应效果好。

摘要：针对卫星拒止环境中移动机器人高精度定位需求,提出一种基于误差状态扩展卡尔曼滤波(ES-EKF)的激光定位子系统/视觉定位子系统/全局速度测量子系统松耦合融合定位方法,并设计了一个误差低漂移的组合定位系统。首先,根据向量加法和矩阵乘法对系统状态的误差进行最小表示,建立误差形式的卡尔曼滤波模型,以误差状态的最优估计对系统状态的估计值进行补偿。然后,针对激光和视觉定位子系统位姿不确定度未知的问题,将位姿输出依时间戳转化为位姿增量,并建立位姿增量观测模型。其次,针对组合定位系统缺少全局速度约束的问题,利用姿态航向参考系统(AHRS)和正向运动学模型构建全局速度测量子系统,并建立全局速度观测模型。最后,在街道和野外两个场景中进行测试,本文算法的相对定位误差小于0.4%,相较于仅受局部速度约束的EKF和ES-EKF融合定位算法降低了约40%。实验结果表明,所提出的算法有效提升了定位系统的精度。

摘要：针对移动机器人超声定位中超声收发传感器角度偏向造成的测距精度下降,本文提出了一种基于归一化波形参数特征修正的超声测距系统.传统的增益控制、可变阈值等抗起伏措施对抑制传播过程中的幅度起伏造成的测距误差效果较好,但如果传感器角度偏向使波形发生畸变,此类方法仍将造成较大误差.本文通过对传感器角度偏向造成接收信号波形畸变及测距精度下降的理论分析及实验研究,建立了超声接收信号归一化波形特征脉宽与前沿变化的关系,设计了基于单片机实现误差校正的大偏向角高精度超声波测距系统.测距实验结果表明本系统显著减小了传感器角度偏向引起的测距误差,在不同的距离上使测距精度平均提高了1.6%,同时具有成本低、使用简单、方便的特点.

摘要：针对现有煤矿井下移动机器人定位方法存在定位难、精度低的问题,提出了一种基于捷联惯导和里程计的井下机器人定位方法。该方法利用卡尔曼滤波对捷联惯导进行初始对准,以此确定定位的初始坐标,得到初始姿态转换矩阵;利用捷联惯导独立完成机器人位置解算,同时利用里程计输出的速度信息与捷联惯导输出的实时姿态转换矩阵进行航位推算解算,再次得到机器人的位置信息;为了减少累积误差对捷联惯导的影响,使用里程计和捷联惯导构成航位推算系统,采用Sage-Husa自适应滤波设计组合定位算法,选择误差作为系统状态,经过滤波计算和校正,可获得机器人的精确位置信息。实验结果表明,该方法可实现机器人实时定位,有效减少捷联惯导累积误差的影响;定位精度较高,机器人在Y向运动4.3m,Z向运动0.25m后,Y向定位误差为0.25m,Z向定位误差为0.005m。

摘要：为了满足移动机器人定位系统测试平台中对机器人几何中心位置的测量,设计了机器人定心装置。通过该装置能对机器人进行定心,并可用该装置上与其同心的激光测距仪作为机器人中心对机器人坐标进行测量。首先对移动机器人定位系统测试平台进行总体介绍,并对定心装置的需求与功能进行分析,然后对定心装置进行总体结构设计及核心机构的具体设计,并对其进行优化设计。实际应用表明,这种方式测量机器人的位置坐标是可行的。