基于特殊矩阵的同时定位与地图构建

同时定位与地图构建是机器人在未知环境中自主导航的一个重要研究内容。为了提高全协方差SLAM算法的计算和存储效率,通过对系统状态向量进行重构和选择适当的观测向量,系统模型和系统协方差矩阵可以表示成特殊形式的矩阵。基于这两个矩阵的特性,提出了一个改进的SLAM方法,对机器人的位置和方向进行间接地估计,同时降低了SLAM算法的时间复杂度和空间复杂度。实验表明改进算法是一致的和收敛的。     

基于ORB的多机器人SLAM地图融合算法

针对传统基于地图融合的多机器人同时定位与地图构建(Simultaneous Localization And Mapping,SLAM)算法实时性和准确性不高的问题,提出了基于ORB(Oriented FAST and Rotated BRIEF)的地图融合算法。首先提取栅格地图的ORB特征并找到最优的匹配点;然后计算地图最优匹配点集的单应矩阵,找到点集之间的最优仿射变换参数;最后,通过点对之间的偏仿射变换矩阵得到地图融合的转换关系,完成子地图的融合。搭建了基于树莓派的多机器人平台,通过将算法应用到实际多机器人系统,验证了算法的有效性、实时性和鲁棒性。     

基于SLAM的地磁导航定位

目前的地磁匹配制导算法多数需要基于高精度的地磁基准图,但实际中多种因素的影响,使得事先获取载体工作环境的精确地磁图很困难。为了实现载体不依赖于基准图的地磁导航定位,通过深入研究机器人和水下潜艇中所应用的导航定位方法,提出采用适用于地磁特点的同时定位与构图(SLAM)算法进行导航定位,并对基于SLAM的地磁导航定位关键技术进行了分析。     

基于SLAM算法的AUV组合导航系统

针对未知环境下某水下航行器组合导航系统在GPS信号长时间失效时,导航误差随时间积累的问题,采用了同时制图定位(SLAM)的导航方法,提出了一种将SLAM的信息融合于INS/GPS组合导航系统的方案,通过SLAM技术来限制惯导系统的误差积累,可以显著提高组合导航系统的性能并能在线建立环境的增量式地图。仿真结果表明,该方法充分利用了同时制图定位提供的信息,有效地提高了导航系统的精度。     

基于事件的视觉SLAM综述

事件相机是一种生物学启发的新型视觉传感器。不同于传统相机输出强度图像帧,事件相机检测每个像素点的亮度变化,当亮度变化超过某一阈值,产生包含像素位置、时间戳及变化极性的像素级事件输出。同步定位与地图构建(SLAM)是一种让机器人独立估计自身位置并同步增量式地构建周围环境地图的技术,使用传统相机进行SLAM已经是一个成熟的话题,但在高速、高动态范围等挑战性场景下,传统图像帧易产生运动模糊。事件相机具有低延时、高时间分辨率、高动态范围等优秀特性,可以在SLAM领域弥补传统相机的不足,但“事件”这种非常规的异步输出形式导致了处理范式的转变。首先介绍了SLAM技术的基本流程,其次介绍了DVS、ATIS和DAVIS三种典型的事件相机,列举了基于事件的SLAM性能评估方法,梳理了事件寿命估计、时间平面表示、事件帧表示等事件数据的不同处理方式,然后回顾了事件相机在国内外视觉SLAM领域的应用研究并进行了总结和对比,最后对基于事件的视觉SLAM技术作了总结并展望了其未来发展趋势。综述表明,事件相机可以进一步拓宽视觉SLAM的应用场景,但新的数据形式和尚不成熟的硬件体系限制了基于事件的SLAM的发展。未来基于事件的SLAM可以围绕以下主题开展进一步研究:新的基于事件的传感器的研发、新的处理事件数据的方法、基于事件的SLAM与深度学习的结合以及基于双目事件的SLAM。     

模拟电路的DCNN-ELM软故障诊断

为提高模拟电路的软故障诊断能力,提出一种基于深度卷积神经网络(DCNN)特征提取的极限学习机(ELM)诊断方法.先利用DCNN在特征提取方面的优势,从含有电路故障信息的信号中自主提取有辨识力的特征;利用ELM出色的分类性能,构建获取特征的故障诊断模型;通过Sallen-Key带通滤波器电路的故障诊断实验对提出方法进行了验证.仿真结果表明,提出的基于DCNN的故障特征提取方法优于传统KPCA与KSLPP方法,与ELM分类器集成后得到的诊断准确率达到98.2％,有助于改善模拟电路的故障诊断精度,从而验证了其可行性和有效性.     

基于RFID的室内移动机器人定位研究

随着社会和技术的发展,室内无线定位问题越来越受到人们的重视。GPS定位系统应用于室内定位时精度不高。本文提出采用RFID技术进行室内定位的方法。其原理是：利用RSSI（接收信号强度）来估算标签和读写器的距离,再根据读到的四个标签的坐标,采用极大似然估计方法来计算出装备有RFID读写器的机器人的坐标位置。仿真结果表明,该定位方法误差小于1m,满足室内定位的需求。     

基于ROS的自主无人机VSLAM研究

针对未知复杂环境中无人机无法获得外部辅助情况下自主导航所面临的严峻问题,提出在ROS框架下在板运行单目VSLAM算法的自主无人机方案,仅依靠自身摄像机自主地完成SLAM和导航任务。研究VSLAM算法原理与前沿算法ORB-SLAM,设计并搭建了自主导航无人机平台,针对搭建的无人机平台方案和特点完成视觉定位部分的改进设计。实验表明,自主无人机能够在未知环境中,自主实现同时定位和地图构建任务并完成精确的飞行控制与导航。     

单标预校的水下定位网络节点位置校准方法

针对水下定位网络节点校准耗时费力的问题及隐蔽校准的需求,提出了一种某一应答器预先校准的位置校准方法。该方法利用自主水下航行器(autonomous underwater vehicle,AUV)辅助进行应答器位置校准。首先,利用已校准应答器通过基于无迹卡尔曼滤波(unscen-ted Kalman filter,UKF)的单标距离辅助定位方法修正AUV自身定位误差;然后,利用基于容积卡尔曼滤波(cubature Kalman filters,CKF)的同步定位与建图(simutaneous localization and mapping,SLAM)方法估计其它未校准应答器位置。仿真结果表明:该方法不要求AUV具有高精度的初始位置,可同时实现AUV自身定位误差修正和应答器位置校准。     

基于推算定位和超声波定位融合的机器人自主定位技术

针对室内环境下的机器人定位问题,首先介绍了用鳊码器进行推算定位的原理和算法,为了解决在长距离导航时带来的累积误差.在机器人移动过程中,超声波传感器与已知路标的距离实现精确测量的前提下,通过卡尔曼滤波算法对测量数据进行融合,修正累积定位的误差,进行精确定位.实验结果表明,该方法从原理上是可行的,可以应用到机器人的定位导航中.