基于认知地图的移动机器人自主导航技术研究精品PPT课件
自主移动机器人教学课件第4章 导航规划 1 概述及路径规划
熊蓉
浙江大学 控制科学与工程学院
4.1 概述
导航规划
目标
规划
执行
定位
地图
感知
机器人
地图构建
导航规划
在给定环境的全局或局
部知识以及一个或者一
系列目标位置的条件下,
使机器人能够根据知识
和传感器感知信息高效
可靠地到达目标位置
导航方式
固定路径导引:
有人工标识导引
无轨导航:
个单元,以单元为顶点、以单元之间的相邻关系为边构成一张连通图;
其次,在连通图中寻找包含初始姿态和目标姿态的单元,搜索连接初始
单元和目标单元的路径;
最后,根据所得路径的单元序列生成单元内部的路径
主要方法
精确单元分解
近似单元分解
2.1 精确单元分解
单元边界严格基于环境几何形状分解,所得单元完全空闲
位置,规划一条使机器人
到达目标位置的路径
轨迹规划
根据机器
人的运动
学模型和
约束,寻
互
互补
找适当的
补
避障规划
控制命令,
将可行路
根据所得实时传感器测量
径转化为
信息,调整轨迹以避免发
可行轨迹
生碰撞
机
器
人
执
行
4.2 路径规划
4.2.1 基本概念
路径规划
根据所给定的地图和目标位置,规划一条使机器人到达目标
U att (x) U rep ( x)
Fatt (x) Frep (x)
力的方向就是机器人运动方向,大小可以对应加速度控制
3. 人工势场法
移动机器人自主导航技术研究
开封技师学院首开封市高级技工学校第十九届田径运动会通知为提高学生身体素质,开展学校“阳光体育运动〞,活泼校园学生文体生活,经学院研究决定举行开封市技师学院首届暨开封市高级技工学校第十九届学生田径运动会。
现通知如下:一、运动会时间:2021年10月29日—30日二、召开地点:校田径场三、参加单位:各系以班级为单位,除毕业班以外的所有在校班级均可报名参加。
望各系接到通知后,按照学校要求积极备战,认真选拔参赛队员,届时参加。
四、竞赛工程:男子组:100M 200M 400M 800M 1500M 5000M 4×100M跳远跳高铅球(5KG)实心球(2KG)女子组:100M200M400M800M1500M3000M4×100M跳远跳高铅球(4KG)实心球(2KG)五、参加方法:1.每班每项可报2人;每人限报2项,可兼报4×100M接力。
2.运发动资格:参加比赛的运发动必须是在校注册的学生。
3.报名方法:报名截止日期为2021年10月20日。
报名以班为单位,将电子报名表发送本系,各系汇总后统一发送至体育教研组班笑元老师。
〔电子报名表格式使用OA系统中统一报名表,请各班按要求认真填写,否那么不予编排〕六、竞赛方法采用国家体育总局审定的最新田径竞赛规那么。
径赛工程:100M、200M、400M、800M、4×100M接力为两个赛次,即预赛、决赛;其他工程均为一个赛次。
田赛工程:按成绩取前8名。
运发动参赛必须佩戴号码布,并携带本人身份证,否那么不得参加比赛。
5.所有参赛班级要求全体出勤,经查低于80%出勤率的班级将通报批评或扣减班级总分。
七、录取名次和计分方法:1.各单项均录取前8名,按9、7、6、5、4、3、2、1计分。
2.接力工程加倍计分,按18、14、12、10、8、6、4、2计分。
3.参赛缺乏8人的工程那么采用减一录取的原那么,计分不变;参赛人数缺乏3人的工程,取消比赛。
移动机器人的自主导航
移动机器人的自主导航移动机器人的自主导航一、研究的背景二、移动机器人是一个集环境感知、动态决策与规划、行为控制与执行等多功能于一体的综合系统。
它集中了传感器技术、计算机技术、机械工程、电子工程、自动化控制工程以及人工智能等多学科的研究成果,是目前科学技术发展最活跃的领域之一。
随着机器人性能不断地完善,移动机器人的应用范围大为扩展,不仅在工业、农业、国防、医疗、服务等行业中得到广泛的应用,而且在排雷、搜捕、救援、辐射和空间领域等有害与危险场合都得到很好的应用。
因此,移动机器人技术已经得到世界各国的普遍关注。
三、在自主式移动机器人相关技术的研究中,导航技术是其研究核心,同时也是移动机器人实现智能化及完全自主的关键技术。
导航是指移动机器人通过传感器感知环境信息和自身状态,实现在有障碍的环境中面向目标的自主运动。
导航主要解决以下三方面的问题:(l)通过移动机器人的传感器系统获取环境信息;(2)用一定的算法对所获信息进行处理并构建环境地图;(3)根据地图实现移动机器人的路径规划及运动控制。
四、相关技术五、移动机器人定位是指确定机器人在工作环境中相对于全局坐标的位置,是移动机器人导航的基本环节。
定位方法根据机器人工作环境的复杂性、配备传感器种类和数量等方面的不同而采用多种方法。
主要方法有惯性定位、标记定位、GPS定位、基于地图的定位等,它们都不同程度地适用于各种不同的环境,括室内和室外环境,结构化环境与非结构化环境。
六、惯性定位是在移动机器人的车轮上装有光电编码器,通过对车轮转动的记录来粗略地确定移动机器人位置。
该方法虽然简单,但是由于车轮与地面存在打滑现象,生的累积误差随路径的增加而增大,导致定位误差的逐渐累积,从而引起更大的差。
七、标记定位法是在移动机器人工作的环境里人为地设置一些坐标已知的标记,八、超声波发射器、激光反射板等,通过机器人的传感器系统对标记的探测来确定机器人在全局地图中的位置坐标。
三角测量法是标记定位中常用的方法,机器人在同一点探测到三个陆标,并通过三角几何运算,由此可确定机器人在工作环境中的坐标。
自主移动机器人教学课件第4章 导航规划 2 避障规划和轨迹规划
机器人的速度控制运动模型
假设没有噪声,控制时间间隔为 t
(, , )
时间间隔内机器人速度和角速度保
持不变,则机器人绕着半径为r的
(′, ′, ′)
圆周运动
r
v
机器人的速度控制运动模型
(, , )
(′, ′, ′)
æ x ' ö æ x - wv sin(q ) + wv sin(q + wDt)
2
根据条件 , 1 和对终止速度1 的要求
= = 3
1 = 1 = 3 + 4 1 − + 5 1 −
ሶ 1 = 1 = 4 + 25 1 −
如果要求轨迹对称
即 =
0 + 1
0 + 1
, = =
ç
÷ ç
ç y ' ÷ = ç y + wv cos(q ) - wv cos(q + wDt)
ç q ' ÷ çç
q + wDt
è
ø è
ö
÷
÷
÷
÷
ø
不同的速度指令 (v,w)会得到不同的运动半径,同样的时
间间隔到达不同的终止位置。有些位置是安全的,有些
会与障碍物发生碰撞
可以让机器人停止不与障碍物相碰的可行速度集合
边界约束
中间位置
匀速起点位置 (给定)
匀速起点位置处与前面轨迹的路径连续性
匀速起点位置处与前面轨迹的速度连续性
匀速起点位置处与前面轨迹的加速度连续性
减速位置 (给定)
减速位置处与前面轨迹的路径连续性
基于认知地图的移动机器人自主导航技术研究
人与环境交互提供技术基础。
论文主要内容
绪论—— 移动机器人自主导航技术综述 移动机器人 SLAM 技术综述 移动机器人认知地图创建技术综述 认知地图创建中的环境特征匹配算法——
基于双向-最优矩形优先(DD-BBF)的比例不变性视觉特征匹配算法
激光测距仪极坐标扫描匹配算法 基于多传感器联合顺序粒子滤波的认知地图创建算法——
来描述。
对于机器人的系统模型和观测模型,EKF 使用最小平均方差融合所 有可以使用的状态信息,计算系统状态估计值,这通过预测、观测和更 新三步迭代完成。 基于 EKF 的 SLAM 方法的主要缺点: (1)假设机器人运动模型传感模型的噪声都是单模态高斯白噪声 (2)计算复杂度与特征数的二次方成正比
基于传统粒子滤波的 SLAM 技术:主要思想是采用一个
激光测距仪极坐标扫描匹配算法
激光测距仪传感器的测量结果为距离扫描,是一个长度有限的离散的 数字序列,每个元素表示对应角度方向上最近目标的距离。 激光扫描匹配算法将当前扫描与参考扫描相匹配以保证距离残差平 方和最小化,并且假定在参考扫描坐标系中描述的当前扫描的初始位姿
已经给定。
极坐标扫描匹配算法主要包括以下步骤: 1)扫描数据预处理,去除噪声,约减数据,提高匹配的精度和效率; 2)扫描投影,将当前扫描数据转换到参考坐标系; 3)平移估计,估计当前扫描与参考扫描的平移距离; 4)旋转估计,估计当前扫描与参考扫描的旋转角度; 5)误差协方差估计。
带权重的离散粒子的集合 表示系统的后验概率。 与传统的扩展卡尔曼滤波器相比,粒子滤波器不需要假设
系统模型服从高斯分布,它可以表示任何形式的系统模型。
缺点:从后验概率中采样十分困难
粒子的耗散问题
快速 SLAM 技术:FastSLAM将SLAM分解为机器人定位和
《移动机器人》课件-第7章 移动机器人路径规划
问题是研究者需要重点研究的问题。
移动机器人
11
7.2 全局路径规划
• 全局路径规划是指机器人在障碍环境下,按照一种或多种性能指
标(如:最短路径等),寻找一条起点到终点的最优无碰撞路径。
全局规划首先要建立环境模型,在环境模型里进行路径规划。环
划。
• 行为执行层:结合上层发送的指令以及路径规划,给出移动机器人的当前行
为。
移动机器人
10
7.1 引言
• 作为移动机器人研究的一个重点领域,移动机器人路径规划算法
的优劣很大程度上决定了机器人的工作效率。随着机器人路径规
划研究的不断深入,路径规划算法也越来越成熟,并且朝着下面
的趋势不断发展中:
• 从单一机器人移动路径规划算法向多种算法相结合的方向发展。目前的路径
资源。除栅格法外,还有构型空间法、拓扑法、Dijkstra算法、
A*算法等。下面将着重介绍一下Dijkstra算法和A*算法。
移动机器人
12
7.2 全局路径规划
• 7.2.1 Dijkstra算法
Dijkstra 算法是由荷兰计算机科学家 E.W.Dijkstra 于 1956 年提出。
Dijkstra 算法是一种贪心算法,使用宽度优先搜索解决权有向图的
解决方案。而启发式算法能在较短的时间内寻找高质量的解决方案。
• 地图知识:移动机器人路径规划基本上是依靠现有的地图作为参考,来确定
初始位置和目标位置以及它们之间的联系。地图的信息量对路径规划算法的
设计起着重要的作用。根据对环境的了解情况,路径规划可以分为全局路径
规划和局部路径规划。其中,全局路径规划需要知道关于环境的所有信息,
移动机器人的智能导航与定位技术研究
移动机器人的智能导航与定位技术研究随着科学技术的不断发展,机器人已经逐渐步入人们的生活中,服务于各个领域。
移动机器人作为一种最为广泛应用的机器人,具有诸多优良特性,可以实现物品搬运、无人巡视、拍摄等多种功能,具有广阔的市场前景和应用前景。
而机器人面临的一个重要问题就是如何掌握机器人智能导航与定位技术。
机器人导航与定位技术是机器人技术中的重要组成部分,其复杂程度和可靠性关系到机器人执行任务的成功率,因此这个问题一直以来都是机器人研究领域中的一个重要研究方向。
了解机器人导航和定位技术,有助于我们更深入地了解机器人的整体结构和工作原理。
一、机器人的导航技术机器人导航技术可以分为两种类型:基于地标的导航和基于地图的导航。
基于地标的导航:机器人通过感知设备获取地标的信息,然后根据地标的位置和差异标志进行导航。
这种方法可以实现室内和室外的机器人定位,但是需要在环境中放置足够的地标,非常依赖环境。
基于地标的导航技术通常用于无人巡逻、追踪和物品搬运等场景。
基于地图的导航:机器人通过地图和传感器获取周围环境的信息,并计算出机器人的行动路径。
这种导航技术可以实现高效的室内和室外导航,减少对环境的依赖。
基于地图的导航技术通常用于物品运输、自动交通、灰色地带探索等领域。
二、机器人的定位技术机器人的定位技术可以分为三种类型:里程计定位、惯性导航定位和外部定位。
里程计定位:机器人的轮子与地面的接触产生滚动,机器人可以通过测量轮子转动的角度来跟踪自己的位置。
这种方法容易受到地面摩擦力的影响而导致误差,常用于地面平坦的室内定位。
惯性导航定位:机器人通过惯性导航仪跟踪姿态和加速度,然后根据运动学公式算出位置。
惯性导航定位可以在无GPS信号的情况下进行定位,但常常会积累误差。
外部定位:机器人获取周围环境的信息来定位自己的位置,常见的外部定位技术包括GPS、超声波、激光等。
外部定位通常是基于地图的定位,所以通常需要先建立地图才能进行。
2024版智能机器人技术课件pptx
2024/1/28
26
07
总结与展望
2024/1/28
27
当前存在问题和挑战
2024/1/28
技术瓶颈 目前智能机器人技术仍面临一些技术瓶颈,如自然语言处 理、机器视觉等方面的技术难题,限制了机器人的智能化 水平。
数据安全与隐私保护 随着智能机器人技术的广泛应用,数据安全和隐私保护问 题日益突出,如何保障用户隐私和数据安全成为亟待解决 的问题。
案例三
ROS在工业机器人中的应用。ROS提供了运动规划、碰撞检测、机器视觉等功能模块,支持工业机器人实现 高精度、高效率的作业任务,提高了生产效率和产品质量。
22
06
硬件设计与选型指南
2024/1/28
23
核心控制器选型建议
1 2
选择高性能、低功耗的处理器 如ARM架构的处理器,具备强大的计算能力和 优秀的能效比。
数据预处理
去噪、滤波、归一化等方法。
特征提取
时域特征、频域特征、时频域特征等。
特征选择
基于统计、信息论、机器学习等方法进行特征选 择。
2024/1/28
9
深度学习在感知认知中应用
2024/1/28
卷积神经网络(CNN)
01
在图像识别、目标检测等领域应用广泛。
循环神经网络(RNN)
02
适用于处理序列数据,如语音、文本等。
定义
智能机器人是一种能够感知、思考、 学习和执行任务的自主机器系统。
发展历程
从20世纪50年代的初步概念,到 21世纪的快速发展,智能机器人技 术不断取得突破,涉及领域也越来 越广泛。
4
应用领域及市场前景
应用领域
智能机器人已广泛应用于工业生产、 医疗服务、军事安防、家庭服务等领 域,发挥着越来越重要的作用。
第七章 智能机器人自主导航与路径规划ppt课件
精选PPT课件
22
1. 主动灯塔法
主动灯塔是可以很可靠地被检测到的信号发射源,将 该信号进行最少的处理就可以提供精确的定位信息。
2. 路标导航定位法
路标导航定位法是利用环境中的路标,给移动机器人 提供位置信息。路标分为人工路标和自然路标。
3. 地图匹配法
基于地图的定位方法称为地图匹配法。机器人运用各
精选PPT课件
17
2)非系统误差 非系统误差是在机器人和外界环境接触过程中,由于外界 环境不可预料特性引起的。主要误差来源如下: (1)轮子打滑; (2)地面不平; (3)地面有无法预料的物体(例如石块); (4)外力作用和内力作用; (5)驱动轮和地板是面接触而不是点接触。
精选PPT课件
18
对于机器人定位来说,非系统误差是异常严重的问题,因 为它无法预测并导致严重的方向误差。
式计算先验概率密度
:
(7.2)
式中: 度)。
称为系统的运动模型(状态转移先验密
精选PPT课件
28
2)更新
通过观测模型利用新的观测信息更新系统的状态,即通过
如下公式计算后验概率密度
:
(7.3)
式中: 称为系统的观测模型(观测密度)。
当机器人获得编码器信息或者利用外界传感器感知环境后, 马尔可夫定位算法必须对所有的栅格进行计算,因此需要大 量的计算资源和内存,导致定位处理的实时性很差。
运动学 (x, y, , v)
里程计
精选PPT课件
7
7.2 环境地图的表示
构造地图的目的是用于绝对坐标系下的位姿估计。地图的 表示方法通常有四种:拓扑图、特征图、网格图及直接表征 法(Appearance based methods)。不同方法具有各自的特点 和适用范围,其中特征图和网格图应用较为普遍。
小学教育ppt课件教案,理解机器人的自主导航与路径规划
案例介绍
以某品牌的救援机器人为例,介绍其自主导航和路径规划系统的组成和工作原理,以及在灾难救援中的应用场景和优势。
01
02
03
04
05
THANKS
感谢您的观看。
提高效率
机器人自主导航和路径规划技术使得机器人能够适应复杂多变的环境,提高其适应性和生存能力。
增强适应性
家庭机器人可以通过自主导航和路径规划,自主地完成家务、照顾老人和儿童等任务。
家庭服务
工业自动化
救援与探测
在工业生产线上,机器人可以通过自主导航和路径规划,实现自动化搬运、装配等作业。
在灾难现场、危险区域等环境下,机器人可以通过自主导航和路径规划,进行救援、探测等工作。
02
医疗护理
在医疗领域,自主导航与路径规划技术将有助于机器人实现更精准的医疗服务,如药物配送、手术辅助等。
技术瓶颈
01
目前自主导航与路径规划技术仍面临一些技术瓶颈,如环境感知、决策控制等方面的难题。解决方案是加强基础研究和技术创新。
安全问题
02
自主导航与路径规划技术可能带来安全风险,如机器人误闯禁区或与人类发生碰撞。解决方案是建立完善的安全监管机制和技术标准。
智能性
基于人工智能的路径规划方法利用机器学习、深度学习等技术,让机器人能够自我学习和改进路径规划。这种方法具有很高的灵活性和适应性,是当前研究的热点。
这个小学教育PPT课件教案设计旨在通过生动的图片和简洁的文字,帮助小学生理解机器人的自主导航与路径规划技术。通过介绍基于规则、基于采样和基于人工智能的路径规划方法,使学生能够初步了解不同方法的优缺点和适用场景。同时,通过一些实际案例和机器人演示,让学生更加直观地感受机器人自主导航与路径规划的魅力。
基于视觉识别的机器人自主导航技术研究
基于视觉识别的机器人自主导航技术研究Introduction随着科技的发展与机器人技术不断进步,机器人的自主移动和自主导航在工业、农业、医疗、客户服务、军事等诸多领域得到了广泛应用。
机器人的自主导航技术是实现机器人自主控制和智能决策的核心支撑技术之一,而基于视觉识别的机器人自主导航技术作为其中的重要分支,已成为机器人科技发展和应用的热点之一。
Vision-Based Navigation基于视觉识别的机器人自主导航技术,是指机器人在运动过程中,利用摄像头获取环境信息,通过对拍摄的图像、视频进行处理、分析和识别,获得环境的大致情况和局部细节,从而自主确定行进路线,控制方向、速度等参数,实现机器人的自主运动和任务执行。
Visual Localization视觉定位技术是基于视觉信息处理和机器人位置估计技术的相结合,是实现机器人自主导航系统的核心之一。
视觉定位主要包括两种形式:基于特征点的视觉定位(F-FL)和基于直接法的视觉定位(DFL)。
F-FL通过匹配环境特征点和预存储特征点来确定机器人位置,而DFL则是通过将相机所拍摄的图片转换为图像亮度的梯度和直接匹配来确定机器人的位置,具有较小的误差和更高的精度。
Obstacle Detection基于视觉识别的机器人自主导航技术也可以应用于障碍物检测。
障碍物检测主要基于深度学习技术和卷积神经网络技术的发展,将机器人拍摄的图像或视频输入到神经网络中进行处理和分析,从而得到输入图像的语义分割信息,可以有效地检测出环境中的障碍物,避免机器人碰撞和损坏。
Navigation Control在基于视觉识别的机器人自主导航过程中,导航控制是实现机器人自主移动和任务执行的重要手段。
通过对视觉信息进行流程感知和分析,确定机器人的位置和环境情况,可根据机器人在环境中的实时位置和运动状态,自主调整运动轨迹、速度和方向等参数,从而实现有效的导航控制和环境应对能力。
Conclusion基于视觉识别的机器人自主导航技术是机器人科技发展和应用的重要分支之一,它可以利用摄像头获取环境信息,通过处理和分析视觉信息,实现机器人的自主导航和任务执行。
移动机器人的定位PPT课件
.
33
动作更新
.
34
.
35
.
36
.
37
考点
.
38
.
39
.
40
.
41
.
42
.
43
.
44
.
45
.
46
.
47
.
48
.
49
.
50
第5章 移动机器人的定位
1.引言 2. 定位的挑战:噪声和混叠 3.基于定位的导航及信任度的表示 3.地图表示方法 4.基于概率地图的定位方法
.
1
5.1 引言
导航成功需要: 1.感知 2.定位 3.认知 4.运动控制
.
2
5.1 引言
导航成功需要: 1.感知 2.定位 3.认知 4.运动控制
.
3
5.1 引言
.
9
5.2 定位的挑战:噪声和混叠
.
10
5.2 定位的挑战:噪声和混叠
.
11
5.2 定位的挑战:噪声和混叠
里程表位置估计的误差模型
.
12
5.2 定位的挑战:噪声和混叠
里程表位置估计的误差模型
.
13
里程表位置估计的误差模型
.
14
里程表位置估计的误差模型
.
15
里程表位置估计的误差模型
.
.
4
5.1 引言
.
5
5.2 定位的挑战:噪声和混叠
.
6
5.2 定位的挑战:噪声和混叠
1.传感器噪声:办公楼内的视觉系统的照明相 关性,图象抖动、模糊、混乱 2.传感器混叠:传感器读数的非唯一性 3.执行器噪声:环境建模不完整
基于认知发育的移动机器人自主导航
基于认知发育的移动机器人自主导航蔡建羡;阮晓钢;于乃功;柴洁;朱晓庆【期刊名称】《计算机工程》【年(卷),期】2018(044)001【摘要】To solve the navigation problem of mobile robot in unknown environment,based on cognitive development mechanism of biology,a cognitive development model is constructed for mobile robot autonomous navigation.The neural network which can dynamically adjust the structureis designed by autonomous inserting neuron.It is used to imitate the properties of biological development and to obtain the network that can match the application requirements.The asymptotic learning characteristic is imitated through the thermodynamic process and a cognitive learning algorithm is designed,which is proved to be convergence in theory.The results of experiments show that the proposed model can make the robot obtain knowledge automatically and accumulate experience from environment like animal,and learn the skill of autonomous navigation through cognitive development.%针对未知环境中移动机器人的导航问题,基于生物学的认知和发育机理构建自主导航的认知发育模型.通过自主插入神经元节点,设计结构可动态发育的神经网络,模拟生物的发育特性达到与应用需求相匹配的网络规模.通过热力学过程模拟动物的渐近学习特性,设计认知学习算法,并从理论上证明算法的收敛性.实验结果表明,该模型可使机器人模拟动物从环境中自动获取知识、积累经验,通过认知发育具备自主导航技能.【总页数】8页(P9-16)【作者】蔡建羡;阮晓钢;于乃功;柴洁;朱晓庆【作者单位】北京工业大学电子信息与控制工程学院,北京100124;防灾科技学院防灾仪器系,河北三河065201;北京工业大学电子信息与控制工程学院,北京100124;计算智能与智能系统北京市重点实验室,北京100124;北京工业大学电子信息与控制工程学院,北京100124;计算智能与智能系统北京市重点实验室,北京100124;北京工业大学电子信息与控制工程学院,北京100124;计算智能与智能系统北京市重点实验室,北京100124;北京工业大学电子信息与控制工程学院,北京100124;计算智能与智能系统北京市重点实验室,北京100124【正文语种】中文【中图分类】TP181【相关文献】1.基于Kinect传感器的移动机器人自主导航研究 [J], 邹永卫;吴斌2.基于情感与环境认知的移动机器人自主导航控制 [J], 张惠娣;刘士荣3.基于改进人工势场法的移动机器人自主导航和避障研究 [J], 沈凤梅;吴隆4.基于特征地图的移动机器人EKF-SLAM和FastSLAM算法自主导航研究 [J], 陶辉;吴怀宇;程磊;杨升5.基于语义ORB-SLAM2算法的移动机器人自主导航方法研究 [J], 陈国军; 陈巍; 郁汉琪; 王涵立因版权原因,仅展示原文概要,查看原文内容请购买。
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
移动机器人认知地图创建技术综述
为了定位和导航,机器人必须对环境有所感知,环境信息在移动机 器人自主导航中占据着十分重要的位置。
环境表示方法主要包括: 度量地图(按照距离描述世界,地图中的距离对应实际世界中的距离)
度量地图又可被分成两种: (1)栅格地图,它的原理是将整个环境分成若干大小相同的栅格,每一栅 格代表环境的一部分,并包含一个表示该单元格被占据可能性的概率值。 (2)几何地图,机器人收集对环境的感知信息,从中提取更为抽象的几何 特征,例如线段或曲线,使用这些几何信息描述环境。
如果机器人初始位姿、环境及目标已知,导航问题转化为全局路 径规划问题。
全局路径规划方法:环境分割法 图搜索法 遗传算法 可视图法 人工势场法
局部路径规划方法:人工势场法 神经网络法 模糊推理法 向量场矩形法 速度空间寻优方法 动态窗口法
移动机器人目标跟踪技术:按照目标的类型可以分为静态目标的跟踪
与动态目标的跟踪。
静态目标跟踪:目标点是静止不动的,机器人需要识别目标,估 计目标在机器人坐标系下的位置,然后尽量保持目标在自己的视野范围 中,并且逐渐的接近目标。
动态目标跟踪:目标点是运动的,机器人需要预测目标点的运动,然 后调整自己的姿态,保持目标在自己的视野中,然后接近目标点
移动机器人 SLAM 技术综述
SLAM (同时定位与地图创建问题)基本思想:利用已创建地 图修正基于运动模型的机器人位姿估计误差;同时根据可靠的 机器人位姿,创建出精度更高的地图。
简单的说,SLAM利用观测到的特征计算它们的世界坐标以实现 地图创建,同时更新机器人的位姿以实现机器人的定位。
SLAM的目的是,根据输入信息估计机器 人运动路径S以及地图M。
机器人从位姿S0开始通过控制命 令序列Ui移动,随着机器人的移动, 附近的路标被感知到,时刻t=1,感 知到路标m1,并获得测量数据z1(包 括距离和方向),时刻t=2,感知到路 标m2,并在时刻t=3,重新感知到路 标m1,现在已经形成的地图为:
M={m1,m2,mn}
SLAM 问题的图形模式
基于扩展卡尔曼滤波(EKF)的 SLAM 技术:主要是建立机器人的
运动模型和观测模型。 运动模型是用来获取从状态XK-1到XK的变化。 在机器人运动时,在 k 时刻观测到的路标的状态值可以通过观测模型
来描述。 对于机器人的系统模型和观测模型,EKF 使用最小平均方统模型。
缺点:从后验概率中采样十分困难 粒子的耗散问题
快速 SLAM 技术:FastSLAM将SLAM分解为机器人定位和
特征标志的位置估计两个过程。 粒子滤波器中的每个粒子代表机器人的一条可能运动路径,
对于每个粒子来说,机器人的运动路径是确定的,因此特征标 志之间相互独立,特征标志的观测信息只与机器人的位姿有关, 每个粒子可以采用N个卡尔曼滤波器分别估计地图中N个特征 的位置。 缺点:早熟问题,也称为退化问题,即在经过若干次迭代之后,
机器人定位的方法可以分为: 非自主定位:是在定位的过程中机器人需要借助机器人本身以外的装置
如:全球定位系统(GPS)、全局视觉系统等进行定位。 自主定位两大类:是机器人仅依靠机器人本身携带的传感器进行定位。
按照初始位姿是否已知,可把机器人自主定位分为: 初始位姿已知的位姿跟踪:位姿跟踪是在已知机器人的初始位姿的条件
有可以使用的状态信息,计算系统状态估计值,这通过预测、观测和更 新三步迭代完成。 基于 EKF 的 SLAM 方法的主要缺点:
(1)假设机器人运动模型传感模型的噪声都是单模态高斯白噪声 (2)计算复杂度与特征数的二次方成正比
基于传统粒子滤波的 SLAM 技术:主要思想是采用一个
带权重的离散粒子的集合 表示系统的后验概率。 与传统的扩展卡尔曼滤波器相比,粒子滤波器不需要假设
(3)研究移动机器人目标监测和跟踪问题 在认知地图下,提出三种有效的环境监测及目标跟踪方法,为机器
人与环境交互提供技术基础。
论文主要内容
绪论—— 移动机器人自主导航技术综述 移动机器人 SLAM 技术综述 移动机器人认知地图创建技术综述 认知地图创建中的环境特征匹配算法—— 基于双向-最优矩形优先(DD-BBF)的比例不变性视觉特征匹配算法 激光测距仪极坐标扫描匹配算法 基于多传感器联合顺序粒子滤波的认知地图创建算法—— 基于认知地图的移动机器人自主导航技术—— 基于认知地图的目标跟踪技术—— 认知地图中基于鲁棒背景差分算法的目标跟踪技术 认知地图中基于视觉特征匹配的目标跟踪技术 认知地图中基于视觉-激光测距仪的人体跟踪技术
移动机器人自主导航技术综述
移动机器人导航是指移动机器人依靠传感器在特定环境中,按时 间最优、路径最短或能耗最低等准则实现从起始位置到目标位置的 无碰撞运动。
导航问题三大要素:地图创建 定位 运动控制
通过三大要素解决三大问题: 我在哪 我要去哪 如何去
地图创建、定位和运动控制的关系
机器人定位的目的是回答“我在什么地方?”这个基本的问题。
大多数的粒子权重都趋于零,从而只有少数的粒子真正对系统状态的 估计起作用。
基于扫描匹配的 SLAM 技术:基于最近邻扫描匹配来
估计两次扫描间机器人的平移和旋转的算法。 该算法通过迭代细调由机器人里程计给出的初始位姿,
限定了搜索空间。然而,该算法假定机器人的初始位姿和机 器人的真实位姿之间的偏差足够小,以便于达到全局最优匹 配。
下,在机器人的运动过程中通过将观测到的特征与地图中的特征进行匹配, 求取它们之间的差别,进而更新机器人的位姿的机器人定位方法。
初始位姿未知的全局定位:全局定位是在机器人的初始位姿不确定的条 件下,利用局部的、不完全的观测信息估计机器人的当前位姿。
移动机器人路径规划技术:全局路径规划和局部路径规划。
基于认知地图的移动机器人 自主导航技术研究
本文研究的三大问题:
(1)研究移动机器人环境感知问题 提出了基于多传感器联合顺序粒子滤波的认知地图创建算法,将移动
机器人对环境的学习,从感知层次提高到认知层次。
(2)研究移动机器人自主导航问题 在认知地图下实现了全局定位、位置识别、避障路径规划、基于位置
的导航及精确末段泊位问题。