GPS在移动机器人导航定位系统中的应用

为了获得移动机器人定位数据的真实性，减少各种随机误差对定位精度的影响，通过运动载体当前统计模型，取位置作为观测量建立移动机器人动态定位模型，同时针对传统卡尔曼滤波的不足进行了分析，提出自适应卡尔曼滤波算法，该算法始终保持噪声模型接近于真实模型，从而较好地解决了GPS动态定位中状态噪声与观测噪声建模不准确和时变问题，在此基础上，通过模拟噪声和轨迹曲线，进行了仿真，结果显示效果显著。     

摄像机与车体之间的坐标变化关系的研究

建立了摄像机坐标系,轮式移动机器人车体坐标系以及目标物体(世界坐标系)之间的位姿关系模型,着重论述了摄像机与轮式移动机器人车体之间的坐标变化关系,并求出了其变换矩阵Mct．通过此变换矩阵Mct能进一步求取目标物体在车体坐标系下的深度值及车体的运动参数,从而为车体提供导航与定位的依据．     

福特发布自动驾驶原型车Fusion

<正>时至今日,越来越多的汽车厂商将目光投向无人驾驶汽车领域。自动驾驶技术是近年来汽车行业的发展热点之一,不少汽车企业已经陆续在旗下车型中配置了自动驾驶元素。早在2006年.丰田就推出了具备自动停车系统的雷克萨斯车型。全球最大的汽车零部件供应商博世公司也在积极研发一系列的自动驾驶技术.并提出自动汽车未来成功起售的前提必须是:确保100%的安全系数。无人驾驶汽车是一种智能汽车.主要依靠车内以计算机系统为主的智能驾驶仪来实现无人驾驶,也可以称之为轮式移动机器人。无人驾驶汽车集自动控制、体系     

电商RMFS系统订单分配与路径规划联合优化方法

随着电子商务的蓬勃发展,海量客户需求和高频率、多品种、小批量的订单特性为订单拣选业务带来巨大挑战。在物流智能化的趋势下,大量电商企业采用移动机器人拣货系统(Robotic Mobile Fulfillment System,RMFS)进行订单拣选。订单分配和拣选路径规划是影响仓库订单拣选效率的关键决策。为了提高电商RMFS系统拣选效率,降低仓库运营成本,基于电商企业多订单、多货架、多拣选站下的拣选业务场景,以最小化机器人负载距离为目标,构建订单分配与路径规划联合优化模型,设计两阶段的A*算法和自适应大领域搜索算法(Adaptive Large Neighborhood Search,ALNS),在ALNS算法原有框架的基础上提出新的移除和修复算子以适应订单分配问题,并针对30个不同规模算例进行计算分析。计算结果表明,所提出的优化方法收敛快、性能稳定,能够有效缩短机器人行走距离,相比先到先拣选策略最大可缩短47.6%的机器人负载距离。同时,也可在更短时间内获得与CPLEX求解质量相近的解。尤其是当订单数量增长时,相比CPLEX具有突出时间优势,可以实现电商仓储资源的合理调度和配置,从而为...     

美军无人地面车辆测试规范探析

美军关于无人地面车辆（unmanned ground vehicles．UGV）的研究,可以追溯到20世纪60年代．从尝试应用人工智能技术研制移动机器人开始。20世纪80年代中期,传感器和人工智能技术不断成熟．军方管理机构也不断完善,UGV的研究呈现出突飞猛进的发展态势。     

动态环境下的移动机器人避障策略研究

近年来针对传统人工势场法(artificialpotentialfield,APF)易陷入局部最小值问题所提出的优化算法依然存在适用性不高、计算效率低等问题,基于部分优化算法的不足,笔者创新性地引入了基于采样的快速扩展随机树算法(rapidlyexploringrandomtree,RRT)在静态已知地图上预先选取数个临时目标点,避免移动机器人在使用人工势场法时陷入局部最小值区域并在动态障碍物环境中进行实时路径规划的避障策略.结果表明:该方法简单易实现,同时结合了RRT算法概率性完备、收敛性良好与APF算法计算小、实时性高等优点,能够适应动态环境变化,满足移动机器人动态避障的要求.     

多层感知器自监督在线修正的道路识别算法

为解决自主移动机器人非结构化道路识别检测准确性、鲁棒性及实时性的问题，提出一种基于感兴趣区域(Region of Interest，ROI)与多层感知器(Multi-Layer Perceptron，MLP)为核心的自监督在线修正算法.首先，通过ROI算法规定被处理图像的有效计算区域；其次，利用多层感知器对样本数据进行训练，将感兴趣区域按相应特征实现分类处理，并对分类区域进行形态学处理及特征提取处理，筛选出有效的行驶区域；最后，通过自监督在线修正算法替换错误处理结果，进一步保障道路分类识别的准确性.实验结果表明，改进算法能准确地识别出环境中的道路区域，具有良好的实时性与可靠性.     

场地搜救机器人路径规划

介绍了场地搜救轮式移动机器人的硬件组成及工作原理。提出了一种能迅速、准确的搜索到目标信号的路径规划算法。实验表明,该算法可使搜救机器人避开障碍物、识别边界、自动定位,降低了搜索时间,提高了搜索到目标的可靠性。     

多层感知器自监督在线修正的道路识别算法

为解决自主移动机器人非结构化道路识别检测准确性、鲁棒性及实时性的问题,提出一种基于感兴趣区域(Region of Interest,ROI)与多层感知器(Multi-Layer Perceptron,MLP)为核心的自监督在线修正算法.首先,通过ROI算法规定被处理图像的有效计算区域;其次,利用多层感知器对样本数据进行训练,将感兴趣区域按相应特征实现分类处理,并对分类区域进行形态学处理及特征提取处理,筛选出有效的行驶区域;最后,通过自监督在线修正算法替换错误处理结果,进一步保障道路分类识别的准确性.实验结果表明,改进算法能准确地识别出环境中的道路区域,具有良好的实时性与可靠性.     

基于果蝇算法优化的移动机器人RBPF-SLAM研究

针对基于传统Rao-Blackwellized粒子滤波(Rao-Blackwellised Particle Filter,RBPF)算法的移动机器人在进行同时定位与地图构建(Simultaneous Location and Mapping,SLAM)时易发生粒子退化导致移动机器人位姿估计不准确以及地图一致性较差的问题,提出一种基于果蝇优化算法的RBPF-SLAM算法。该算法将果蝇种群觅食过程中果蝇具有的趋味特性引入RBPF算法,将粒子视为果蝇个体,粒子的适应度值作为空气中食物味道的浓度,利用果蝇优化算法的高寻优能力使粒子向高似然区域移动并不断迭代寻优,以优化粒子种群的整体分布。同时,在果蝇寻优后的新种群中引入自适应交叉变异操作,以增加种群多样性。根据粒子的适应度值确定交叉概率,对配对好的粒子进行自适应交叉操作,再根据变异概率对当前种群的最优粒子进行变异操作,选取适应度值更高的粒子作为当前最优解。采用指数函数步长公式更新粒子状态,增加寻优过程中的搜索距离,有效提高算法的收敛效率。基于ACES building和MIT Killian Court数据集的仿真实验以及移动机器人实机测试结...