为解决传统自适应蒙特卡罗定位(Adaptive Monte Carlo Localization, AMCL)误差较大问题,提出一种基于非线性优化的改进AMCL定位算法。该算法在传统AMCL定位结果的基础上,对位姿信息进行非线性优化,即将需要优化的位姿作为优化项,通过...为解决传统自适应蒙特卡罗定位(Adaptive Monte Carlo Localization, AMCL)误差较大问题,提出一种基于非线性优化的改进AMCL定位算法。该算法在传统AMCL定位结果的基础上,对位姿信息进行非线性优化,即将需要优化的位姿作为优化项,通过优化位姿与激光点云在栅格地图中的概率残差,与原始AMCL结果的位置残差,以及与相关性匹配结果的角度残差,构建非线性最小二乘问题,实现最终位姿的优化。在实际场景中,利用带有SLAM功能的移动机器人进行实验验证,通过对比实验和数据分析,优化后位姿精度提高,误差较之前大大降低。本研究采用非线性优化的算法,相较于原始AMCL算法以及相关性匹配算法,能够取得较好的优化结果,优化时间较短,能够获得较高精度的定位结果。展开更多
对于AGV(Automated Guided Vehicle)传统导航定位方式存在的维护成本高、鲁棒性低,以及原始AMCL(Adaptive Monte Carlo Localization)激光定位方法位姿跟踪精度低、全局定位及机器人“被绑架”问题成功率低的问题,提出了一种基于改进AMC...对于AGV(Automated Guided Vehicle)传统导航定位方式存在的维护成本高、鲁棒性低,以及原始AMCL(Adaptive Monte Carlo Localization)激光定位方法位姿跟踪精度低、全局定位及机器人“被绑架”问题成功率低的问题,提出了一种基于改进AMCL算法的AGV激光定位方法。首先在位姿、权重更新阶段,采用最优粒子滤波器(OPF)取代原始AMCL中用于计算粒子新姿态和权重的传统蒙特卡洛定位方法,提高位姿跟踪精度;其次在重采样阶段,在原始AMCL算法KLD(Kullback-Leibler distance)采样粒子滤波器的基础上,新添加自适应粒子滤波器(SAPF)算法,提高全局定位及机器人“被绑架”问题成功率;最后,针对AGV工作时的特性,在真实车间环境中进行重复定位精度测试,改进后的算法比原算法均方根误差分别提高了54.5%、53.1%、44.7%,且位姿误差可以控制在4 cm、2°以内,满足实际使用要求。展开更多
为了解决落布机器人在纺织车间应用时,由于计算效率低和粒子贫化导致的定位精度降低问题,本文提出了一种基于AMCL(Adaptive Monte Carlo Localization)与点云匹配校正的全局定位方法。首先由AMCL中KLD(Kullback Leibler distance)采样...为了解决落布机器人在纺织车间应用时,由于计算效率低和粒子贫化导致的定位精度降低问题,本文提出了一种基于AMCL(Adaptive Monte Carlo Localization)与点云匹配校正的全局定位方法。首先由AMCL中KLD(Kullback Leibler distance)采样动态删除冗余粒子,并利用蝙蝠算法优化KLD调整后的粒子集,提高粒子多样性,有效压缩粒子规模,从而实现计算精度和效率的双重提升,最后通过NDT(Normal Distribution Transform)算法对二维栅格地图进行高精度激光测量匹配,对AMCL的全局位姿进一步修正,提高定位精度。实验结果验证了本文算法的有效性与可行性。展开更多
针对原始自适应蒙特卡洛定位(Adaptive monte carlo localization,AMCL)算法仅利用激光信息存在的缺陷,提出一种基于激光与视觉融合的语义地图进行全局定位,该语义地图融合基于深度学习的目标检测方法提取环境中的墙角语义;利用建立的...针对原始自适应蒙特卡洛定位(Adaptive monte carlo localization,AMCL)算法仅利用激光信息存在的缺陷,提出一种基于激光与视觉融合的语义地图进行全局定位,该语义地图融合基于深度学习的目标检测方法提取环境中的墙角语义;利用建立的包含墙角信息的二维语义栅格地图,结合视觉预定位方法及角点周围语义信息表来提高算法全局初始定位的效率和准确性,使得移动机器人可以在少量先验信息和运动的情况下更迅速地实现定位。提出视觉预定位的方法,改进了粒子权重更新方式,再同步结合AMCL算法与环境地图匹配进行精定位。最后通过搭建的移动机器人在不同场景下进行对比试验,验证了该方法的有效性。展开更多
由于变电站环境复杂,人工巡检强度大、效率低,文中研究了巡检机器人的硬件框架,基于自适应蒙特卡洛算法(Adaptive Monte Carlo Localization,AMCL)完成巡检机器人的定位研究;针对自适应蒙特卡洛算法在实际工程中应用的不足,给出了相应...由于变电站环境复杂,人工巡检强度大、效率低,文中研究了巡检机器人的硬件框架,基于自适应蒙特卡洛算法(Adaptive Monte Carlo Localization,AMCL)完成巡检机器人的定位研究;针对自适应蒙特卡洛算法在实际工程中应用的不足,给出了相应的解决策略;就AMCL算法无法快速进行定位,恢复设计了一种基于数据库的重定位方法,利用数据库存储定位值,当定位失匹配时,获取数据库存储的定位值用于初始化粒子,从而实现快速恢复定位。实验结果表明,改进后的AMCL算法在定位丢失后恢复定位的性能明显优于原始AMCL算法。展开更多
目的解决导向辊生产车间物料输送AGV的激光传感器存在的信息复杂度低、重复率高,且在不断迭代重采样过程中极易丢失正确位姿附近粒子造成定位失败等问题。方法提出一种基于视觉的自适应蒙特卡洛定位算法。建立相机观测模型和自动导引运...目的解决导向辊生产车间物料输送AGV的激光传感器存在的信息复杂度低、重复率高,且在不断迭代重采样过程中极易丢失正确位姿附近粒子造成定位失败等问题。方法提出一种基于视觉的自适应蒙特卡洛定位算法。建立相机观测模型和自动导引运输车本体运动模型,对观测模型进行去畸变处理,完成相机标定;设计基于视觉的自适应蒙特卡洛算法,获取特征信息,并用词袋模型进行分类,使用激光雷达构建2D栅格地图,采用特征点匹配估计位姿,实现AGV自我精确定位。结果仿真实验结果表明,本文所提算法与传统自适应蒙特卡洛定位(Adaptive Monte Carlo Localization,AMCL)算法相比,可使机器人更加快速地收敛到精度较高的位姿,具有更好的定位性能。结论基于视觉的AMCL算法设计,实现了导向辊生产车间机器人的高精度定位,优化了作业流程,提高了生产线系统智能化运行水平,可为其他场景定位应用提供参考。展开更多
文摘为解决传统自适应蒙特卡罗定位(Adaptive Monte Carlo Localization, AMCL)误差较大问题,提出一种基于非线性优化的改进AMCL定位算法。该算法在传统AMCL定位结果的基础上,对位姿信息进行非线性优化,即将需要优化的位姿作为优化项,通过优化位姿与激光点云在栅格地图中的概率残差,与原始AMCL结果的位置残差,以及与相关性匹配结果的角度残差,构建非线性最小二乘问题,实现最终位姿的优化。在实际场景中,利用带有SLAM功能的移动机器人进行实验验证,通过对比实验和数据分析,优化后位姿精度提高,误差较之前大大降低。本研究采用非线性优化的算法,相较于原始AMCL算法以及相关性匹配算法,能够取得较好的优化结果,优化时间较短,能够获得较高精度的定位结果。
文摘对于AGV(Automated Guided Vehicle)传统导航定位方式存在的维护成本高、鲁棒性低,以及原始AMCL(Adaptive Monte Carlo Localization)激光定位方法位姿跟踪精度低、全局定位及机器人“被绑架”问题成功率低的问题,提出了一种基于改进AMCL算法的AGV激光定位方法。首先在位姿、权重更新阶段,采用最优粒子滤波器(OPF)取代原始AMCL中用于计算粒子新姿态和权重的传统蒙特卡洛定位方法,提高位姿跟踪精度;其次在重采样阶段,在原始AMCL算法KLD(Kullback-Leibler distance)采样粒子滤波器的基础上,新添加自适应粒子滤波器(SAPF)算法,提高全局定位及机器人“被绑架”问题成功率;最后,针对AGV工作时的特性,在真实车间环境中进行重复定位精度测试,改进后的算法比原算法均方根误差分别提高了54.5%、53.1%、44.7%,且位姿误差可以控制在4 cm、2°以内,满足实际使用要求。
文摘为了解决落布机器人在纺织车间应用时,由于计算效率低和粒子贫化导致的定位精度降低问题,本文提出了一种基于AMCL(Adaptive Monte Carlo Localization)与点云匹配校正的全局定位方法。首先由AMCL中KLD(Kullback Leibler distance)采样动态删除冗余粒子,并利用蝙蝠算法优化KLD调整后的粒子集,提高粒子多样性,有效压缩粒子规模,从而实现计算精度和效率的双重提升,最后通过NDT(Normal Distribution Transform)算法对二维栅格地图进行高精度激光测量匹配,对AMCL的全局位姿进一步修正,提高定位精度。实验结果验证了本文算法的有效性与可行性。
文摘针对原始自适应蒙特卡洛定位(Adaptive monte carlo localization,AMCL)算法仅利用激光信息存在的缺陷,提出一种基于激光与视觉融合的语义地图进行全局定位,该语义地图融合基于深度学习的目标检测方法提取环境中的墙角语义;利用建立的包含墙角信息的二维语义栅格地图,结合视觉预定位方法及角点周围语义信息表来提高算法全局初始定位的效率和准确性,使得移动机器人可以在少量先验信息和运动的情况下更迅速地实现定位。提出视觉预定位的方法,改进了粒子权重更新方式,再同步结合AMCL算法与环境地图匹配进行精定位。最后通过搭建的移动机器人在不同场景下进行对比试验,验证了该方法的有效性。
文摘由于变电站环境复杂,人工巡检强度大、效率低,文中研究了巡检机器人的硬件框架,基于自适应蒙特卡洛算法(Adaptive Monte Carlo Localization,AMCL)完成巡检机器人的定位研究;针对自适应蒙特卡洛算法在实际工程中应用的不足,给出了相应的解决策略;就AMCL算法无法快速进行定位,恢复设计了一种基于数据库的重定位方法,利用数据库存储定位值,当定位失匹配时,获取数据库存储的定位值用于初始化粒子,从而实现快速恢复定位。实验结果表明,改进后的AMCL算法在定位丢失后恢复定位的性能明显优于原始AMCL算法。
文摘目的解决导向辊生产车间物料输送AGV的激光传感器存在的信息复杂度低、重复率高,且在不断迭代重采样过程中极易丢失正确位姿附近粒子造成定位失败等问题。方法提出一种基于视觉的自适应蒙特卡洛定位算法。建立相机观测模型和自动导引运输车本体运动模型,对观测模型进行去畸变处理,完成相机标定;设计基于视觉的自适应蒙特卡洛算法,获取特征信息,并用词袋模型进行分类,使用激光雷达构建2D栅格地图,采用特征点匹配估计位姿,实现AGV自我精确定位。结果仿真实验结果表明,本文所提算法与传统自适应蒙特卡洛定位(Adaptive Monte Carlo Localization,AMCL)算法相比,可使机器人更加快速地收敛到精度较高的位姿,具有更好的定位性能。结论基于视觉的AMCL算法设计,实现了导向辊生产车间机器人的高精度定位,优化了作业流程,提高了生产线系统智能化运行水平,可为其他场景定位应用提供参考。
