一、基于测角的自主移动机器人定位算法(论文文献综述)
孙贵杰[1](2021)在《自主移动机器人控制系统研究》文中认为SLAM包含定位和建图两层意思,本文首先设计了机器人运动模型,确定地图模型为拓扑图和栅格图。然后对基于粒子滤波的EKF和Gmapping算法展开分析,分别通过仿真进行了验证。分析结果表明EKF-SLAM局限性较大且算法复杂度较高,但是对其他SLAM算法具有指导意义。Gmapping算法基于粒子滤波算法实现,仿真建图结果误差量较小,需要现场实验验证具体算法运行情况。然后分析Hector-SLAM算法并针对缺点进行优化,采用双三次插值法提高数据连续性,并融合IMU和里程计的数据,最后基于AMCL算法进行定位。整体优化结果降低了传统Hector-SLAM对激光雷达性能的依赖,并且能够解决边界倾斜等问题,提高了定位精度。路径规划算法是自主移动机器人运行的核心算法,主要分为单机器人路径规划算法和多机器人路径规划算法。单机器人路径规划算法以传统A*算法为基础进行改进,修改代价函数,优化碰撞率,提升路径的平滑度,在本项目中主要应用于机器人SLAM自主导航。多机器人路径规划算法基于时间窗的原理对A*算法进行改进,并在地图中设置Bundle区,该区域需要进行资源的申请与释放。最后设计并开发了地面控制系统软件,主要负责机器人路径规划和调度,与机器人车载通讯系统进行实时通信,且在软件主视图可以观察机器人的实时位置。首先通过实验分析了Gmapping算法的建图精度,现场建图实验结果出现边界偏移的问题,表明现场实验受多种因素影响,原始算法不能满足项目要求。Hector-SLAM的现场实验数据表明改进SLAM算法的精度相对原始算法有了明显的提高,且定位精度可显着提高,并且对于长廊等环境的建图表现也不错。最终项目决定采用改进Hector-SLAM作为项目的建图算法。将SLAM建图结果作为调度系统运行界面的背景图,更加清晰看到机器人实时的位置,经实验证明单机器人运行的情况下,机器人任务执行正常。多机器人仿真运行环境下,多机器人平稳运行,且未发生碰撞、冲突和死锁等问题。
吴宇锋[2](2021)在《一种基于多相机光流视觉里程计的机器人增量定位方法》文中研究表明移动机器人定位是机器人运动的核心问题之一,传统的里程计定位其运动过程会不断累计定位误差。从视觉里程计定位方法出发,本文探究多相机视觉里程计。传统的多相机视觉定位算法是感知相机的四周环境,但容易受到环境的干扰。为了减小环境的干扰,本文提出一种基于三相机光流定位算法。设计了一种基于多相机三相机定位的视觉里程计的机器人平台,机器人的三个相机放置在机器人平台的等高的三个位置点。根据Cayley-Menger的三角重心坐标公式,机器人的当前位姿可以由三相机和机器人定位点的构型关系推算。相机采集地面图像实时定位,接着依据LK金字塔光流算法计算光流速度,根据特征点和实际点的空间位置变换计算相机的运动速度。并将相机在相机坐标系的速度转化为机器人的世界坐标系的速度,依据三相机定位融合三相机速度,并通过航迹推算计算机器人的位姿。由于视觉里程计中相机对周围环境感知存在一定的局限性。相机对地拍摄图像的方式减小了环境干扰的偶然性。接着分析了基于三相机的定位误差期望和协方差的非线性化计算方法,仿真分析不同三角构型的定位误差,证明了定位点位于三相机的面积等分点时误差最小,以及三相机融合的定位精度优于双相机和单相机定位。仿真分析不同轨迹下和不同相机数目的机器人定位误差,仿真验证了三相机的定位相对于双相机和单相机的优势,在不同轨迹和采样频率时,基于三相机算法的光流里程计在定位位置和角度精度优于轮式里程计。证明算法在不同轨迹运动的适用性和准确性。设计三相机光流机器人系统,并通过实验测试让机器人在平面做原地旋转,平移,矩形运动,通过机器人的三个相机采集光流速度,得到融合的位置信息。相机采样频率较高,并做出实时定位位姿曲线,证明了算法机器人的定位精度方面的准确性。本文实现三光流相机的机器人增量定位,满足低成本条件,定位精度高,实时性和鲁棒性好。
毛金根[3](2021)在《煤矿巷道掘进机器人捷联惯导与数字全站仪组合定位系统研究》文中进行了进一步梳理煤炭综采工作面智能化已初见成效,而目前综掘工作面智能化程度严重滞后,采掘失衡问题突出。煤矿巷道掘进智能化发展的首要任务是研发煤矿巷道掘进机器人,而掘进机器人的定位问题尤为重要。本论文针对本团队研发的煤矿巷道掘进机器人定位问题,提出了捷联惯导和数字全站仪组合定位系统。针对煤矿巷道掘进机器人的井下复杂的地质环境,根据巷道掘进定位需求分析,提出了捷联惯导和数字全站仪的组合定位系统的总体方案,将定位系统分为硬件和软件部分进行阐述。研究了捷联惯导和数字全站仪的位姿解算的基本理论,为两者信息融合提供了可靠的依据。分析捷联惯导、数字全站仪的位姿解算原理,并建立位姿解算数学模型;分析了捷联惯导和数字全站仪的位姿误差来源,并建立相应误差数学模型。研究了捷联惯导和数字全站仪的组合定位方法,实现两者数据融合,提高煤矿巷道掘进机器人的定位精度。建立了煤矿巷道掘进机器人的模型,定义其位姿,并进行导航坐标系和巷道坐标系的转换;研究了捷联惯导和数字全站仪的组合定位滤波方法,确定了紧组合间接滤波开环滤波法;建立了两者组合定位的系统状态方程和观测方程,并设计了无迹卡尔曼滤波器实现两者数据融合,输出煤矿巷道掘进机器人的精确位姿。设计了捷联惯导和数字全站仪组合定位软硬件系统,实现煤矿煤矿巷道掘进机器人的自主定位,为巷道掘进纠偏提供依据。完成了捷联惯导和数字全站仪的选型,进行了数据处理、传输等硬件系统设计,编写了捷联惯导和数字全站仪数据采集、显示界面和数据存储等软件系统。搭建了捷联惯导和数字全站仪组合定位实验平台,对组合定位方法进行实验验证。结果表明:单一捷联惯导定位误差较大,捷联惯导和数字全站仪组合定位系统能够补偿捷联惯导的累积误差,而且定位精度较高,能够满足煤矿巷道掘进机器人定位要求。
李杰玉[4](2021)在《移动机器人的建图与定位研究》文中研究指明传感器、计算机技术的发展推动机器人向自动化、智能化的方向迈进,机器人开始广泛应用于智能制造、空间探索和物流系统等行业中。但是面对复杂多变的应用环境,机器人还存在建图不完整和定位精度低等问题,因此导航算法的鲁棒性、准确性成为研究的热点。本文以焊接机器人的自主导航为应用背景,结合移动机器人平台,基于多传感器数据融合,探讨机器人在未知环境下建图和定位的改进方案,实现高质量建图和高精度定位,最后完成机器人的自主导航功能。本文从以下方面进行了研究分析。针对导航功能的条件,研究并设计移动机器人的总体架构(包括软件系统和硬件系统),建立机器人的导航系统框架,并对机器人系统的各个模型(包括坐标转换、传感器模型、SLAM数学模型)进行分析研究。从局部SLAM和闭环检测技术两方面研究基于图优化的Cartographer算法,使用数据集验证建图算法的可行性,建立Cartographer算法的参数模型,提出自适应配置Cartographer算法参数的改进方案,提高算法的建图精度和鲁棒性。建立编码器和IMU的定位模型,探讨两种传感器的优缺点,基于扩展卡尔曼方法,搭建融合编码器和IMU数据的里程计,为机器人提供准确的里程计信息;研究基于自适应蒙特卡洛的定位方法,使用MATLAB仿真验证定位方法的有效性,为提高定位精度,使用三值化方法处理地图数据。针对空旷、长走廊等环境下出现的回环检测误匹配问题,对Cartographer方法提出全局优化的改进方案,进行长走廊建图实验,结果表明本文提出的建图方法具有很好的建图效果和建图精度;对AMCL定位方法进行性能测试和精度测试,结果表明定位方法具有很好的鲁棒性,能够满足导航需求。
常雅琪[5](2021)在《基于便携关节式坐标测量机的机器人定位误差补偿方法研究》文中研究表明工业机器人因加工等误差源的作用,定位精度较差,适用范围受到了限制。然而,随着“中国制造2025”概念的提出,航天制造等领域对工业机器人精度提出了更高的要求。并且针对现有测量仪器效率低下等缺点,本文研制一台应用于机器人标定的变臂长便携关节式坐标测量机,实现定位误差补偿。主要内容如下:(1)建立了一种基于MDH的工业机器人运动学模型。分析UR5型工业机器人结构特点及工作模式,建立基于MDH模型的UR5机器人运动学模型。进一步分析结构参数误差与非结构参数误差对精度的影响,并建立运动学误差模型。(2)提出了一种基于支持向量回归机(SVR)实现机器人误差预测的方法。介绍SVR模型的推导过程,并建立基于SVR的机器人误差模型。通过建立机器人关节转角与机器人定位误差之间的模型,实现工业机器人定位误差的预测。(3)研制了一台应用于机器人标定的变臂长便携关节式坐标测量机。建立变臂长便携式坐标测量机运动学模型,采用LM算法实现变臂长便携关节式坐标测量机整机标定。最终获得定位误差小于0.03mm的较高精度仪器。(4)开展了基于自研变臂长便携关节式坐标测量机的机器人定位误差补偿实验验证。搭建机器人标定实验平台,并通过SVR方法实现机器人定位误差的预测与补偿实验,对实验结果进行分析。实验结果表明,SVR方法能有效的预测与补偿定位误差,提高了其定位精度。
王强[6](2021)在《机器人运动学标定与误差补偿技术研究》文中指出工业机器人作为先进工业的智能化代表,绝对定位精度成为高精密设备生产制造中的关键指标。本课题以六轴工业机器人为研究本体,基于机器人运动学分析模型,完成了机器人运动学标定及误差补偿技术研究。研究内容如下:首先以六轴工业机器人为研究对象,采用标准D-H建模方法建立运动学分析模型,得到正向运动学方程与逆向求解公式。在此基础上,采用微分法建立机器人末端几何误差模型。其次,选择API Radian Pro激光跟踪仪、STS六维传感器和API RMS软件作为测量系统,为机器人运动学参数辨识以及误差补偿方法研究提供可靠数据。再次,基于机器人末端几何误差模型,以末端实际位置数据和理想位置数据为样本,采用最小二乘法和遗传算法完成参数辨识。在控制器内修正D-H参数,完成运动学参数标定任务。最后,考虑到机器人定位误差是由多因素共同影响的复合误差,利用BP神经网络的非线性拟合能力,完成六轴工业机器人关节变量误差预测,通过补偿关节变量误差的方式达到提高机器人定位精度的目的。同时引入遗传算法(GA算法)和微分算法(DE算法)解决了BP神经网络中权值和阈值初始值难以选择的问题,提高了传统BP神经网络的收敛速度和全局最优搜索能力,使机器人定位误差补偿效果更佳。
李猛钢[7](2020)在《面向井下钻孔机器人应用的精确定位与地图构建技术研究》文中研究表明随着智能机器人、无人驾驶、人工智能等相关学科的快速发展,煤矿装备的智能化和机器人化,是继机械化、电气化、自动化变革之后新的发展趋势,将改变煤矿现有生产方式,为煤矿工业的发展带来生产力和安全性的巨大变革。作为煤矿机器人研发和应用之一的井下瓦斯防治钻孔机器人是一种可以实现井下工作面巷道瓦斯自动抽放、无需人工干预的,具备自主行走、自动钻进等功能的全自主钻孔作业机器人。然而,井下复杂场景下的精确定位和高精度地图构建作为支撑钻孔机器人实现自主行走的关键技术,目前尚未有行之有效的解决方案。煤矿井下环境复杂、工况恶劣、无GPS,地面常规使用的定位和建图技术无法直接在此环境中应用。井下现有定位技术如航迹推算定位、惯性导航定位、射频标签定位、视频监控等,无法满足钻孔机器人在井下各种复杂环境中的长期大范围定位,无法为机器人自主导航和自动钻孔作业提供精确位姿估计;现有基于激光扫描仪和全站仪等测量设备的井下测绘和地图构建方法效率低,不适合场景变化环境的三维地图构建和模型快速更新,无法为钻孔机器人提供精确而高效的先验地图。因此,本文根据钻孔机器人的实际需求,围绕精确定位和地图构建这两个关键技术问题开展研究,主要内容包括:针对钻孔机器人自主行走的实际需求,分析了钻孔机器人的工况环境,探讨了钻孔机器人实现自主导航需要具备的功能需求,对移动机器人定位和地图构建问题的本质进行研究;分析构建欧式空间和流形空间的三维运动描述、基于滤波与优化的状态估计求解方法,以及传感器观测模型的数学描述,为提出适合钻孔机器人应用的定位和建图方法奠定理论基础。针对井下尚无可以为移动机器人提供可靠定位服务的定位系统和定位定姿方法,提出基于EKF-UWB的井下伪GPS定位系统构建方法,以及最优锚节点部署策略;进一步通过融合定位系统提供的位置估计与IMU观测,设计了基于ESKF-Fusion的6自由度位姿估计方法。通过仿真和真实场景试验,证明提出的基于EKF-UWB的定位系统和基于ESKF-Fusion的位姿估计方法可以实现井下机器人长期作业的鲁棒而精确的定位,可以在线估计UWB与IMU的外参和IMU的零偏。为了解决井下常规非结构环境的高效定位和点云地图构建问题,提出一种基于激光的3D NDT-graph-SLAM方法。根据井下巷道环境特点,设计了基于激光里程计约束因子、平面特征约束因子、回环约束因子的位姿图优化方法,可以实现在线定位和建图功能。在公开的数据集和井下模拟巷道进行了试验,结果表明提出的方法可以实现地面和井下非结构化场景的实时高精度地图构建,可以满足机器人在井下非结构化环境的精确定位和高效地图构建。为实现井下颠簸路面和复杂场景的可靠定位和高精度地图构建,提出一种基于激光雷达和IMU紧耦合的多传感器融合方法—LI-SLAM。为应对机器人快速旋转、剧烈运动等工况,提出了利用IMU数据辅助雷达进行点云畸变校正,设计了雷达相对位姿因子、IMU预积分因子、边缘化先验因子和回环检测因子,基于因子图优化框架实现了紧耦合融合传感器信息的功能。在野外复杂地形场景进行的大量试验结果表明,提出的方法对于复杂地形、剧烈运动等工况有很强的适应性,可以满足野外以及井下颠簸路面和复杂场景下的精确定位和高精度先验地图构建。针对井下尚无可以实现包含绝对地理信息、克服场景退化问题的定位和地图构建方法,提出一种基于雷达、IMU和UWB融合的LIU-SLAM方法。利用LI-SLAM方法提供的紧耦合局部激光惯性里程计,进一步基于全局因子图优化与UWB定位系统提供的绝对位置和距离观测进行融合。地下车库的现场试验表明,提出的方法实现了UWB信号覆盖范围内局部区域和长距离大范围场景的精确定位,可以在线实现点云地图与地理坐标系的对齐,提高了激光定位和建图的精度和鲁棒性。为了验证本文提出算法的实用性和可行性,开发了钻孔机器人定位导航软硬件系统,并在煤矿救援机器人平台上开展了在模拟煤矿巷道内的试验验证。结果表明,基于EKF-UWB方法的UWB定位系统可以实现在定位系统内的静态绝对定位精度均值10 cm以内,满足钻孔机器人在局部区域作业的精确定位需求,并且可以通过移架或部署更多UWB节点拓展应用范围;ESKF-Fusion和LIU-SLAM方法均可以实现UWB定位系统内局部区域的机器人连续运动时的精确位姿估计,LIU-SLAM鲁棒性和精度更高,局部区域绝对定位精度均值25 cm以内;LIU-SLAM方法可以实现UWB信号覆盖的大范围场景下的高精地图构建,地图一致性和局部建模效果好,大场景绝对定位精度均值25 cm以内,可靠地实现了点云地图与地理坐标系的对齐,对于井下复杂和退化场景的鲁棒性最好。通过对UWB定位系统、基于UWB和IMU融合的ESKF-Fusion位姿估计方法、基于3D NDT-graph-SLAM高效定位和地图构建方法、基于LiDAR/IMU/紧耦合的LI-SLAM以及进一步融合UWB的LIU-SLAM精确定位和地图构建方法的研究,为钻孔机器人在井下不同环境的定位和地图构建提供了可行的解决方案,为下一步在钻孔机器人上实际应用奠定了研究基础和应用经验。该论文有图116幅,表34个,参考文献197篇。
张武刚[8](2020)在《智能工作面综采设备激光跟踪实时定位方法研究》文中指出综采工作面智能化是煤矿发展的重要方向,综采设备精确绝对定位是实现工作面智能化的关键。由于井下环境的复杂性和现有定位技术的局限性,综采设备精确绝对定位已成为制约工作面智能化的主要因素之一。针对此问题,本文提出智能工作面综采设备激光跟踪实时定位方法,通过预设于上、下顺槽的已知地理坐标的顶板控制点建立工作面绝对坐标系,采用激光跟踪技术实现对综采设备的实时定位。论文从激光跟踪实时定位系统构建方法入手对光斑位置检测与跟踪控制方法、激光跟踪头结构误差实时校正方法和系统测量误差去噪方法进行深入研究,主要包括以下内容:针对智能工作面综采设备精确绝对定位问题,提出基于绝对坐标的激光跟踪实时定位方法。对激光跟踪实时定位系统绝对坐标系建立方法和系统组成核心激光跟踪器的整体架构与软、硬件实现方法进行研究,完成光斑位置检测模块、系统跟踪光路、双轴振镜式激光跟踪头、测量模块及控制器等组成部分的设计。搭建了工作面激光跟踪器实验平台,为智能综采设备激光跟踪实时定位系统理论研究和方法验证奠定实验基础。在工作面激光跟踪实时定位系统光斑位置检测与跟踪控制方法研究方面,针对传统四象限探测器(4-QD)光斑位置检测方法精度不足的问题,提出基于多段低次曲线拟合的光斑位置检测方法和基于时变噪声在线估值器的4-QD输出电压自适应滤波算法。通过两种算法结合,有效提高了光斑位置检测精度。针对双轴振镜式激光跟踪头交流伺服驱动控制问题,提出循环比较伺服控制算法,实现了工作面激光跟踪器高精度目标跟踪功能。设计旋转跟踪实验台对所提出算法进行验证,结果表明,采用本文所提出算法可显着提高系统目标跟踪性能。在工作面激光跟踪实时定位系统跟踪头结构误差实时校正方法研究方面,针对双轴振镜式激光跟踪头因非线性畸变和装配误差等引起的结构误差,提出基于核极限学习机(K-ELM)的实时校正算法,有效解决校正精度和实时性之间的矛盾。通过实验对采用四种不同核函数的结构误差实时校正算法进行验证,结果表明,基于Morlet和Mexican Hat小波核函数的实时校正方法的精度显着优于其他方法,能有效减小跟踪头结构误差,满足系统实时性要求。在工作面激光跟踪实时定位系统测量误差去噪方法研究方面,为了抑制目标位置测量噪声,提高目标跟踪的稳定性,提出基于交互多模型(IMM)和自适应高阶容积卡尔曼滤波(AHCKF)相结合的方法对采煤机运动过程实施跟踪滤波,降低测量噪声的影响。通过对采煤机激光跟踪定位过程进行仿真,对目标跟踪算法进行验证,结果表明,所提出的测量误差去噪方法可显着降低系统测量噪声,提高目标跟踪定位精度。为了验证工作面激光跟踪实时定位系统性能,搭建激光跟踪定位实验系统,进行综采设备激光跟踪实时定位系统模拟实验,对目标最大跟踪距离和刮板输送机推移曲线精度进行验证,结果表明,本文所提出的综采设备激光跟踪实时定位方法正确可行,所提出的光斑位置检测方法和跟踪控制算法、激光跟踪头结构误差校正方法和系统测量误差去噪算法能有效提高系统跟踪性能和定位精度。本文所提出的智能工作面综采设备激光跟踪实时定位方法为工作面综采设备精确绝对定位提供了一条新的可行途径,为工作面智能化发展做出了有益探索,为实现煤矿综采工作面智能化和无人化奠定了理论基础。
高明镜[9](2020)在《视觉与IMU组合室内导航定位方法研究》文中认为当今世界,随着科学技术的不断发展进步,机器人开始出现在我们的视野中,并服务于各个领域,代替或协助人类完成各种工作。机器人在很多方面已经不可或缺,成为了人类的左膀右臂,被应用于各个领域当中。因此,面对不断增长的机器人导航定位的需求,针对机器人在室内、深海或者高楼林立的大都市导航定位存在的问题,本文展开了基于视觉里程计与惯性测量单元(Inertial Measurement Unit,IMU)松组合的移动机器人室内定位算法的研究。所谓的视觉里程计(Visual Odometry,VO)是指相机在光照充分、纹理清晰的环境中移动时,通过摄影周围环境的变化特征来逐步迭代获取其自身位置和姿态。相机一般都是搭载在载体上面,这里所说的载体可以是机器人,也可以是车辆等。本文所采用的Xtion视觉里程计是一个RGBD摄像头,可以在载体移动的过程当中同时采集两种信息:彩色信息和深度信息,这一点与传统的单目双目视觉里程计不同。在机器人移动过程中Xtion摄像头能够采集到的相比较传统视觉里程计密度更大的点云,这样通过采用图像特征提取与匹配算法处理之后就会得到更准确的点云匹配对,同时可以减少一些错误的点云匹配对,最终得到的机器人运动轨迹就会比单目双目里程计更准确。我们知道要想通过视觉里程计获取精确地机器人移动轨迹是存在一些前提条件的,比如上面所说的,环境光源充足,周围环境有足够多的清晰纹理等。如果机器人所处的场景光线较暗,光线不充分,或者周围环境存在多玻璃场景,纹理不清晰,就会导致图像特征匹配的效率降低,同时错误匹配也会增加,影响最终结果的准确度。这需要在以后的研究当中去进一步提高改进现有的图像特征匹配算法。众所周知的是采用视觉里程计进行导航定位时,其搭载的摄像头会采集几个G甚至几十个G的环境信息,这就会对现有的特征处理算法和计算机的性能提出更高的要求,而现实的情况是现有的算法处理效率跟不上,这样机器人的定位时间就会增加,很显然这不符合快速准确定位的要求。回顾其他现有的导航定位传感器我们会自然而然的想到惯性测量单元,IMU具有快速、简单以及完全自主导航的特点,能弥补Xtion在实时性和准确性方面的不足,但是惯性测量单元在定位时存在位移误差累计问题,无法长时间准确定位。本文采用了组合导航及自适应渐消扩展卡尔曼滤波算法(Adaptive Fading Extended Kalman Filter,AFEKF)方法,将视觉SLAM定位与惯性测量单元数据进行融合,提高精度,具有创新性。利用视觉传感器获得的目标帧和参考帧的图像,并在后续对获得的目标帧与参考帧的图像利用一系列算法去处理,得到可靠点云信息,最终得到移动轨迹,再与IMU进行组合。最后在室内进行多组不同轨迹的机器人组合导航定位实验来验证算法。
张驰洲[10](2020)在《基于惯性导航的扫地机器人关键技术研究与实现》文中指出智能扫地机器人是如今科学技术领域研究的重点,而其关键技术的研究与实现旨在以高效率地智能清扫替代传统的人工清扫工作。本文以与长虹格兰博公司合作开发的基于惯性导航的智能扫地机为研究对象,研究了惯导扫地机器人的定位导航和多传感器融合技术,提出了一种基于多传感器感知生成实时地图的扫地机器人全局路径规划方法。首先,通过选取单轴陀螺仪与码盘对扫地机器人进行了双定位,分析了传感器的误差以及常用的修正方式。使用卡尔曼滤波算法实现了多传感器数据融合,通过Matlab仿真验证了融合算法的优越性。其次,研究现有智能扫地机的技术方法及功能特性,完成了扫地机器人的电机选型和硬件设计,考虑到地图存储、MCU资源及功能特性设计等,主控器选择STM32F103单片机,所组成的单片机系统功能强,能实现扫地机器人的功能要求。然后,以内外部传感器、有刷电机的底层驱动为基础,以航迹推算和地图构建为应用,以电机控制和路径规划为核心,完成扫地机器人控制系统的软件功能设计。其中采用了多级PID沿线控制、动态PID沿边控制和BFS算法以及基于有限状态机的目标点导航算法完成基于栅格地图的全局路径规划。同时提出并阐述了清扫任务中的突发情况以及具体解决方法。最后,搭建了基于V-REP的扫地机器人仿真实验平台,对路径规划算法进行测试。同时搭建了扫地机器人的实验平台,对之前所提出的各个算法模块实现的有效性和可行性进行了验证,也对清扫任务中的突发情况处理方法进行了验证。
二、基于测角的自主移动机器人定位算法(论文开题报告)
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、基于测角的自主移动机器人定位算法(论文提纲范文)
(1)自主移动机器人控制系统研究(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 课题研究背景及意义 |
1.2 移动机器人国内外研究现状 |
1.3 AGV导引技术及SLAM发展现状 |
1.3.1 导引技术分类 |
1.3.2 SLAM发展及研究现状 |
1.4 自主移动机器人算法研究现状 |
1.4.1 单AGV路径规划算法研究现状 |
1.4.2 多AGV路径规划算法研究现状 |
1.5 论文研究内容及主要结构 |
第2章 移动机器人总体方案设计 |
2.1 系统整体框架 |
2.2 结构设计 |
2.2.1 车体参数 |
2.2.2 机器人运动学模型 |
2.2.3 激光雷达选型及原理 |
2.3 地图建模 |
2.3.1 可视图法 |
2.3.2 栅格图法 |
2.3.3 拓扑图法 |
2.4 本章小结 |
第3章 基于激光雷达的2D-SLAM研究 |
3.1 基于滤波器的SLAM |
3.1.1 扩展卡尔曼滤波及算法 |
3.1.2 EKF-SLAM |
3.2 基于Gmapping的 SLAM算法研究 |
3.2.1 粒子滤波原理 |
3.2.2 Gmapping算法研究 |
3.2.3 仿真实验分析 |
3.3 基于Hector-SLAM的 SLAM算法研究 |
3.3.1 Hector-SLAM算法原理 |
3.3.2 Hector-SLAM算法优化 |
3.3.3 仿真实验分析 |
3.4 本章小结 |
第4章 路径规划算法设计 |
4.1 路径规划算法 |
4.1.1 Dijkstra算法 |
4.1.2 A*算法 |
4.2 基于A*算法的路径规划算法优化设计 |
4.2.1 设计评价函数 |
4.2.2 避障优化及多区域划分 |
4.2.3 路径优化 |
4.3 改进A*算法仿真测试及应用 |
4.3.1 单区域测试 |
4.3.2 多区域测试 |
4.4 多移动机器人路径规划问题 |
4.4.1 问题描述 |
4.4.2 冲突类型 |
4.5 多移动机器人冲突解决 |
4.5.1 Bundle区 |
4.5.2 时间窗模型 |
4.5.3 基于时间窗的A*算法 |
4.6 本章小结 |
第5章 控制系统软件设计及实验分析 |
5.1 地面控制系统软件 |
5.1.1 系统介绍 |
5.1.2 工作流程 |
5.1.3 运输订单 |
5.1.4 数据库设计 |
5.2 实验平台搭建 |
5.3 SLAM现场实验 |
5.3.1 Gmapping实验 |
5.3.2 Hector-SLAM实验 |
5.3.3 自主导航实验 |
5.4 运输任务执行实验 |
5.4.1 单机器人运行实验 |
5.4.2 多机器人运行实验 |
5.5 本章小结 |
第6章 总结与展望 |
6.1 全文总结 |
6.2 工作展望 |
参考文献 |
致谢 |
(2)一种基于多相机光流视觉里程计的机器人增量定位方法(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 课题来源 |
1.2 研究背景意义 |
1.3 国内外研究现状及趋势 |
1.3.1 国外研究现状 |
1.3.2 国内研究现状 |
1.4 本文主要研究内容 |
第2章 机器人系统设计与姿态估计 |
2.1 引言 |
2.2 基于三相机的机器人系统设计 |
2.3 三相机定位原理 |
2.3.1 三相机定位数学原理 |
2.3.2 基于三相机的位姿估计 |
2.4 光流估计 |
2.4.1 角点检测 |
2.4.2 LK金字塔光流分析 |
2.5 速度估计 |
2.5.1 相机速度变换原理 |
2.5.2 相机速度变换和三相机速度合成 |
2.6 本章小结 |
第3章 多相机构型优化 |
3.1 引言 |
3.2 多相机构型误差分析与仿真 |
3.2.1 非线性化误差分析 |
3.2.2 多相机构型仿真比较 |
3.3 单相机,双相机模型误差分析 |
3.4 三相机定位仿真设计 |
3.5 不同相机里程计定位误差对比 |
3.5.1 不同相机数目的里程计定位误差对比 |
3.5.2 不同误差等级的里程计定位误差对比 |
3.5.3 不同角速度的里程计定位误差对比 |
3.6 光流里程计和轮式里程计定位位置对比 |
3.6.1 直线,曲线轨迹对比 |
3.6.2 圆轨迹对比 |
3.6.3 矩形轨迹对比 |
3.7 本章小结 |
第4章 三相机定位系统实验 |
4.1 引言 |
4.2 实验平台构建 |
4.2.1 实验平台 |
4.2.2 相机标定实验 |
4.3 三相机光流里程计实验 |
4.3.1 原地旋转运动实验 |
4.3.2 沿直线轨迹运动实验 |
4.3.3 沿矩形轨迹运动实验 |
4.3.4 三相机与单相机对比实验 |
4.4 三相机光流里程计定位精度研究 |
4.4.1 光流点 |
4.4.2 采样频率 |
4.5 本章小结 |
结论 |
7 参考文献 |
攻读硕士学位期间取得创新性成果 |
致谢 |
(3)煤矿巷道掘进机器人捷联惯导与数字全站仪组合定位系统研究(论文提纲范文)
摘要 |
abstract |
1 绪论 |
1.1 选题背景与意义 |
1.2 国内外研究现状 |
1.2.1 掘进机的定位研究现状 |
1.2.2 捷联惯导与其他传感器组合定位的研究现状 |
1.3 研究内容和技术路线 |
1.3.1 论文主要研究内容 |
1.3.2 技术路线 |
2 煤矿巷道掘进机器人定位总体方案设计 |
2.1 煤矿巷道掘进机器人定位需求分析 |
2.1.1 煤矿巷道掘进机器人简介 |
2.1.2 煤矿巷道掘进机器人的掘进环境分析 |
2.1.3 组合定位系统的需求分析 |
2.2 煤矿巷道掘进机器人定位系统总体方案设计 |
2.2.1 硬件系统方案设计 |
2.2.2 软件系统方案设计 |
2.3 本章小结 |
3 捷联惯导和数字全站仪的定位原理及误差分析 |
3.1 捷联惯导定位原理 |
3.1.1 捷联惯导解算原理 |
3.1.2 捷联惯导常用坐标系 |
3.1.3 基于四元数的姿态变换矩阵 |
3.1.4 捷联惯导姿态解算 |
3.1.5 捷联惯导的速度解算 |
3.1.6 捷联惯导的位置解算 |
3.2 捷联惯导的误差分析与建模 |
3.2.1 捷联惯导的惯性测量元件误差与建模 |
3.2.2 捷联惯导的姿态误差模型 |
3.2.3 捷联惯导的速度误差模型 |
3.2.4 捷联惯导的位置误差模型 |
3.3 数字全站仪的定位原理 |
3.3.1 数字全站仪的简述 |
3.3.2 数字全站仪的坐标测量原理 |
3.3.3 数字全站仪的测量误差分析与建模 |
3.4 本章小结 |
4 捷联惯导和数字全站仪组合定位方法研究 |
4.1 煤矿巷道掘进机器人的位姿定义和相关坐标系转换 |
4.2 捷联惯导和数字全站仪的组合定位原理 |
4.3 捷联惯导与数字全站仪的组合研究 |
4.3.1 捷联惯导与数字全站仪组合方式 |
4.3.2 卡尔曼滤波的估计方法 |
4.3.3 卡尔曼滤波数学模型建立 |
4.3.4 基于无迹卡尔曼滤波的信息融合算法 |
4.3.5 算法仿真 |
4.4 本章小结 |
5 捷联惯导和数字全站仪组合定位系统设计 |
5.1 组合定位系统的硬件设计 |
5.1.1 组合定位系统的硬件组成 |
5.1.2 组合定位系统数据融合处理硬件设计 |
5.2 组合定位系统的软件设计 |
5.2.1 下位机软件设计 |
5.2.2 下位机软件设计流程 |
5.2.3 上位机软件设计 |
5.2.4 上位机软件主程序设计流程 |
5.2.5 组合定位系统通信网络设计 |
5.3 本章小结 |
6 实验验证和分析 |
6.1 捷联惯导的自主定位实验验证 |
6.2 捷联惯导和数字全站仪组合定位实验验证 |
6.2.1 组合定位井上实验验证 |
6.2.2 组合定位井下实验验证 |
6.3 本章小结 |
7 结论与展望 |
7.1 结论 |
7.2 展望 |
致谢 |
参考文献 |
附录 |
(4)移动机器人的建图与定位研究(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 研究背景 |
1.2 国内外发展现状 |
1.2.1 机器人国内外发展现状 |
1.2.2 机器人建图与定位发展现状 |
1.3 本文的主要研究内容 |
第2章 移动机器人系统模型 |
2.1 机器人硬件 |
2.2 机器人导航系统软件设计 |
2.2.1 ROS操作系统 |
2.2.2 机器人软件架构 |
2.3 机器人系统常用数学模型 |
2.3.1 坐标系统模型 |
2.3.2 激光扫描模型 |
2.3.3 SLAM数学模型 |
2.4 本章小结 |
第3章 SLAM算法的分析与研究 |
3.1 地图构建方法研究 |
3.2 基于图优化的SLAM算法 |
3.2.1 图优化模型 |
3.2.2 位姿轨迹优化对比 |
3.2.3 基于图优化的Cartographer算法 |
3.3 Cartographer地图质量优化及实验 |
3.4 本章小结 |
第4章 基于增强位姿融合的定位方法研究 |
4.1 机器人定位模型 |
4.1.1 轮式里程计模型 |
4.1.2 IMU定位模型 |
4.2 IMU/轮式里程计的EKF融合 |
4.2.1 扩展卡尔曼滤波 |
4.2.2 多传感器数据的融合 |
4.2.3 实验分析 |
4.3 已知环境下机器人定位 |
4.3.1 定位方法 |
4.3.2 基于自适应蒙特卡洛的定位方法 |
4.3.3 仿真实验分析 |
4.3.4 提高定位精度的方法研究 |
4.4 本章小结 |
第5章 建图与定位实验研究 |
5.1 机器人系统整体设计 |
5.2 数据处理 |
5.2.1 里程计数据 |
5.2.2 激光数据 |
5.3 Cartographer算法实验研究 |
5.3.1 Cartographer全局优化的改进 |
5.3.2 实验环境 |
5.3.3 建图实验 |
5.4 定位导航实验研究 |
5.4.1 实验环境 |
5.4.2 ROS中 AMCL定位模块 |
5.4.3 定位性能测试 |
5.4.4 定位精度测试 |
5.5 本章小结 |
结论 |
参考文献 |
致谢 |
(5)基于便携关节式坐标测量机的机器人定位误差补偿方法研究(论文提纲范文)
致谢 |
摘要 |
abstract |
第一章 绪论 |
1.1 机器人研究背景 |
1.2 工业机器人发展与应用现状 |
1.2.1 工业机器人概述 |
1.2.2 工业机器人国内外现状 |
1.3 工业机器人定位误差补偿方法 |
1.3.1 工业机器人运动学建模 |
1.3.2 机器人位姿测量技术研究 |
1.3.3 机器人参数辨识算法研究 |
1.4 课题主要研究内容 |
第二章 机器人模型建立 |
2.1 UR5 型工业机器人 |
2.2 机器人运动学建模 |
2.2.1 MDH模型 |
2.2.2 UR5 机器人运动学建模 |
2.3 运动学误差分析 |
2.3.1 运动学误差分析 |
2.3.2 坐标转换方法 |
2.4 本章小结 |
第三章 支持向量回归机的机器人误差模型 |
3.1 支持向量回归机模型 |
3.1.1 SVM模型 |
3.1.2 SVR模型 |
3.1.3 核函数的选择 |
3.2 基于SVR的机器人误差补偿方法 |
3.2.1 基于SVR的机器人误差模型 |
3.2.2 空间网格划分 |
3.3 本章小结 |
第四章 变臂长便携关节式坐标测量机 |
4.1 变臂长便携关节式坐标测量机结构 |
4.1.1 坐标测量机功能分析 |
4.1.2 坐标测量机结构说明 |
4.2 便携关节式坐标测量机关节标定 |
4.2.1 坐标测量机关节误差分析 |
4.2.2 坐标测量机关节误差修正 |
4.3 变臂长便携关节式坐标测量机整机标定 |
4.3.1 变臂长便携关节式坐标测量机运动学模型 |
4.3.2 变臂长便携关节式坐标测量机整机标定实验 |
4.4 本章小结 |
第五章 UR5 工业机器人标定实验 |
5.1 基于变臂长便携关节式坐标测量机实验平台搭建 |
5.2 基于SVR的模型训练 |
5.3 机器人单点标定实验 |
5.3.1 UR5 机器人单点定位误差修正 |
5.3.2 对比实验 |
5.4 本章小结 |
第六章 总结与展望 |
6.1 工作总结 |
6.2 工作展望 |
参考文献 |
攻读硕士学位期间的学术活动及成果清单 |
(6)机器人运动学标定与误差补偿技术研究(论文提纲范文)
摘要 |
abstract |
1 绪论 |
1.1 选题背景及意义 |
1.1.1 课题来源 |
1.1.2 研究背景 |
1.1.3 研究意义 |
1.2 国内外研究现状 |
1.2.1 建模 |
1.2.2 数据测量 |
1.2.3 参数辨识 |
1.2.4 误差补偿 |
1.3 本文研究内容及章节安排 |
2 六轴机器人运动学分析及误差建模 |
2.1 机器人运动学概述 |
2.2 机器人主要参数 |
2.3 机器人运动学分析 |
2.3.1 机器人坐标系及坐标变换 |
2.3.2 机器人末端位姿表示 |
2.3.3 机器人正向运动学分析 |
2.3.4 机器人逆运动学求解分析 |
2.4 机器人运动学仿真 |
2.5 基于D-H模型的机器人末端误差模型 |
2.5.1 相邻坐标系之间的误差模型 |
2.5.2 机器人末端误差模型 |
2.6 本章小结 |
3 基于激光跟踪仪的机器人末端位姿测量 |
3.1 位姿测量与测量装备概述 |
3.2 激光跟踪仪组成和原理 |
3.3 机器人末端位姿测量 |
3.3.1 安装测量系统 |
3.3.2 预热系统 |
3.3.3 测量坐标系与基坐标系的坐标变换 |
3.3.4 工具坐标系校准 |
3.3.5 数据测量及处理 |
3.4 本章小结 |
4 机器人运动学参数误差辨识 |
4.1 运动学参数辨识概述 |
4.2 基于最小二乘法参数误差辨识 |
4.2.1 最小二乘法 |
4.2.2 参数辨识 |
4.2.3 参数辨识结果及误差补偿实验 |
4.3 基于遗传算法的参数误差辨识 |
4.3.1 遗传算法概述 |
4.3.2 遗传算法关键概念 |
4.3.3 参数辨识 |
4.3.4 参数辨识结果及误差补偿实验 |
4.4 本章小结 |
5 基于神经网络算法的定位误差补偿方法 |
5.1 工业机器人定位误差补偿概述 |
5.2 神经网络误差补偿方法 |
5.2.1 神经网络概述及定位误差补偿思路 |
5.2.2 基于BP神经网络的机器人定位误差补偿 |
5.2.3 仿真分析 |
5.3 进化算法优化BP神经网络补偿误差方法 |
5.3.1 优化的必要性和进化算法的介绍 |
5.3.2 基于GA-BP网络的误差补偿方法 |
5.3.3 基于DE-BP网络的误差补偿方法 |
5.3.4 仿真分析 |
5.4 本章小结 |
6 总结与展望 |
6.1 总结 |
6.2 展望 |
参考文献 |
致谢 |
作者简历 |
学位论文数据集 |
(7)面向井下钻孔机器人应用的精确定位与地图构建技术研究(论文提纲范文)
致谢 |
摘要 |
abstract |
变量注释表 |
1 绪论 |
1.1 课题的背景、意义及来源 |
1.2 国内外研究现状及分析 |
1.3 主要研究内容 |
2 钻孔机器人定位导航需求分析与状态估计方法 |
2.1 引言 |
2.2 钻孔机器人工况环境及自主导航功能需求分析 |
2.3 三维空间刚体运动 |
2.4 机器人状态估计方法 |
2.5 传感器观测模型 |
2.6 本章小结 |
3 井下UWB定位系统与位姿估计方法 |
3.1 引言 |
3.2 UWB传感器特性分析 |
3.3 井下UWB定位系统构建 |
3.4 基于ESKF的 UWB/IMU融合位姿估计 |
3.5 仿真及现场试验分析 |
3.6 本章小结 |
4 平面辅助的NDT-graph-SLAM定位与地图构建 |
4.1 引言 |
4.2 NDT扫描配准 |
4.3 位姿图优化模型构建 |
4.4 工程应用问题 |
4.5 数据集及现场试验 |
4.6 本章小结 |
5 LiDAR-IMU紧耦合的LI-SLAM定位与地图构建 |
5.1 引言 |
5.2 系统架构与因子图模型构建 |
5.3 约束因子构建 |
5.4 工程应用问题 |
5.5 野外复杂地形现场试验 |
5.6 本章小结 |
6 LiDAR-IMU-UWB融合的LIU-SLAM定位与地图构建 |
6.1 引言 |
6.2 系统架构与全局因子图模型构建 |
6.3 约束因子构建 |
6.4 工程应用问题 |
6.5 地下车库封闭环境现场试验 |
6.6 本章小结 |
7 井下钻孔机器人定位导航系统研发及定位建图应用试验 |
7.1 引言 |
7.2 井下钻孔机器人定位导航系统研发 |
7.3 UWB定位系统绝对定位精度测试 |
7.4 局部区域连续定位试验 |
7.5 大范围巷道地图构建与定位试验 |
7.6 本章小结 |
8 全文总结 |
8.1 研究内容与成果 |
8.2 创新点 |
8.3 展望 |
参考文献 |
作者简历 |
学位论文数据集 |
(8)智能工作面综采设备激光跟踪实时定位方法研究(论文提纲范文)
摘要 |
abstract |
1 绪论 |
1.1 选题背景及研究意义 |
1.1.1 选题背景 |
1.1.2 问题提出 |
1.1.3 研究意义 |
1.2 国内外研究现状 |
1.2.1 智能综采工作面研究现状 |
1.2.2 煤矿工作面综采设备定位方法研究现状 |
1.2.3 激光跟踪定位技术研究现状 |
1.2.4 目标位置检测与跟踪控制方法研究现状 |
1.2.5 激光跟踪头结构误差校正方法研究现状 |
1.2.6 激光跟踪实时定位系统测量误差去噪方法研究现状 |
1.3 研究内容 |
1.4 研究方法与技术路线 |
2 综采设备激光跟踪实时定位系统构建 |
2.1 综采设备协同作业过程分析 |
2.1.1 采煤工艺分析 |
2.1.2 综采工作面采煤机运行规律分析 |
2.2 综采工作面激光跟踪实时定位系统绝对坐标系建立 |
2.2.1 坐标原点确定 |
2.2.2 测量基准传递 |
2.2.3 测量基准重构 |
2.3 综采设备激光跟踪实时定位系统架构与方案 |
2.3.1 系统框架 |
2.3.2 系统方案 |
2.4 工作面激光跟踪器设计 |
2.4.1 方案设计 |
2.4.2 光路设计 |
2.4.3 光斑位置检测模块设计 |
2.4.4 激光跟踪头结构与测量模型 |
2.5 工作面激光跟踪器实验平台搭建 |
2.6 本章小结 |
3 激光跟踪实时定位系统光斑位置检测与跟踪控制方法 |
3.1 系统跟踪控制方案与光学测量模型 |
3.1.1 系统跟踪控制方案 |
3.1.2 光学测量模型 |
3.2 四象限探测器光斑位置检测算法 |
3.2.1 目标反射器回波光斑检测 |
3.2.2 多段低次曲线拟合光斑位置检测算法 |
3.2.3 四象限探测器输出电压滤波算法 |
3.3 跟踪控制系统伺服控制策略 |
3.3.1 AC伺服系统全闭环控制 |
3.3.2 循环比较跟踪控制算法 |
3.4 四象限探测器输出电压自适应滤波算法 |
3.4.1 渐消记忆指数加权Sage-Husa时变噪声估值器 |
3.4.2 自适应滤波算法 |
3.5 工作面激光跟踪器目标跟踪实验 |
3.5.1 旋转跟踪实验台设计 |
3.5.2 跟踪速度和精度实验 |
3.6 本章小结 |
4 激光跟踪实时定位系统跟踪头结构误差校正方法 |
4.1 基于数据驱动法的双轴振镜式激光跟踪头结构误差校正 |
4.1.1 结构误差产生机理 |
4.1.2 结构误差校正方法 |
4.1.3 结构误差校正数据集获取 |
4.2 基于小波核极限学习机的在线误差校正方法 |
4.2.1 基于极限学习机的数据驱动算法 |
4.2.2 核极限学习机误差校正算法 |
4.2.3 小波核极限学习机误差校正算法 |
4.2.4 实时校正算法设计 |
4.3 激光跟踪头结构误差校正精度验证方法 |
4.3.1 校正数据集与交叉验证 |
4.3.2 Circle测试数据集与精度验证方法 |
4.3.3 SinC数据集与精度验证方法 |
4.4 激光跟踪头结构误差实时校正算法性能验证 |
4.4.1 结构误差实时校正实验设计 |
4.4.2 不同核函数校正算法对比实验 |
4.5 本章小结 |
5 激光跟踪实时定位系统测量误差去噪方法 |
5.1 综采工作面采煤机运动状态建模 |
5.1.1 采煤机目标跟踪运动模型建立 |
5.1.2 采煤机交互多模型目标跟踪算法 |
5.2 激光跟踪实时定位系统目标跟踪滤波算法 |
5.2.1 贝叶斯框架下的高斯近似滤波 |
5.2.2 球面-径向容积准则 |
5.2.3 HCKF滤波算法 |
5.3 激光跟踪实时定位系统AHCKF目标跟踪滤波算法 |
5.3.1 STF滤波算法实现 |
5.3.2 次优无偏MAP噪声估值器 |
5.3.3 AHCKF滤波算法 |
5.4 激光跟踪实时定位系统测量误差去噪仿真 |
5.4.1 采煤机激光跟踪定位误差滤波仿真 |
5.4.2 仿真结果分析 |
5.5 本章小结 |
6 综采设备激光跟踪实时定位系统模拟实验 |
6.1 综采工作面激光跟踪定位实验系统搭建 |
6.2 激光跟踪实时定位系统跟踪距离实验 |
6.3 刮板输送机推移曲线测量实验 |
6.3.1 推移曲线全站仪测量实验 |
6.3.2 推移曲线激光跟踪定位实验 |
6.3.3 刮板输送机推移曲线误差对比分析 |
6.4 综采工作面全长跟踪定位误差估计 |
6.5 本章小结 |
7 结论与展望 |
7.1 结论 |
7.2 创新点 |
7.3 展望 |
致谢 |
参考文献 |
附录 |
A.作者在攻读博士学位期间取得的成果 |
B.攻读博士学位期间参与的科研项目 |
C.攻读博士学位期间的获奖 |
(9)视觉与IMU组合室内导航定位方法研究(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 课题研究背景与意义 |
1.2 研究历史及现状 |
1.3 研究内容 |
1.4 章节安排 |
第2章 视觉传感器技术 |
2.1 前言 |
2.2 坐标系之间的转换 |
2.2.1 世界坐标系与相机坐标系的转换 |
2.2.2 相机坐标系与图像坐标系的转换 |
2.2.3 图像坐标系与像素坐标系的转换 |
2.3 Xtion深度相机 |
2.3.1 相机的结构及原理 |
2.3.2 Xtion相机模型 |
2.4 畸变 |
2.5 相机标定 |
2.6 本章小结 |
第3章 惯性导航系统 |
3.1 引言 |
3.2 惯性测量单元 |
3.3 惯性导航系统中常见的坐标系 |
3.3.1 惯性坐标系 |
3.3.2 地球坐标系 |
3.3.3 地理坐标系 |
3.3.4 载体坐标系 |
3.4 捷联惯导的力学编排 |
3.5 姿态更新算法 |
3.5.1 四元数与姿态矩阵 |
3.5.2 基于四元数微分方程的皮卡算法 |
3.5.3 等效旋转矢量法 |
3.6 传感器误差分析 |
3.6.1 速度误差分析 |
3.6.2 陀螺仪误差分析 |
3.7 捷联惯导更新算法 |
3.8 本章小结 |
第4章 机器人视觉SLAM定位算法 |
4.1 引言 |
4.2 视觉SLAM定位原理 |
4.3 SIFT算法 |
4.3.1 建立尺度空间 |
4.3.2 确定关键点方向 |
4.3.3 生成描述子 |
4.4 改进SIFT算法 |
4.5 算法验证实验 |
4.6 随机抽样一致性算法 |
4.7 绝对定向算法 |
4.8 单一视觉SLAM定位 |
4.9 本章小结 |
第5章 机器人室内组合导航定位 |
5.1 引言 |
5.2 机器人室内组合定位系统算法 |
5.2.1 卡尔曼滤波算法 |
5.2.2 扩展卡尔曼滤波算法 |
5.2.3 AFEK滤波算法 |
5.3 滤波算法仿真实验 |
5.4 状态方程的建立 |
5.5 观测方程的建立 |
5.6 时间同步 |
5.7 实验 |
5.7.1 直线轨迹实验 |
5.7.2 椭圆轨迹实验 |
5.7.3 多边形轨迹实验 |
5.8 本章小结 |
第6章 总结与展望 |
致谢 |
参考文献 |
攻读硕士学位期间发表的论文 |
(10)基于惯性导航的扫地机器人关键技术研究与实现(论文提纲范文)
摘要 |
ABSTRACT |
第1章 绪论 |
1.1 研究背景及意义 |
1.2 国内外研究现状 |
1.2.1 国外研究现状 |
1.2.2 国内研究现状 |
1.3 智能扫地机器人的常用关键技术 |
1.3.1 室内定位技术 |
1.3.2 路径规划技术 |
1.3.3 多传感器融合技术 |
1.4 现有关键技术分析 |
1.4.1 常见传感器的选取 |
1.4.2 自主定位方法分析 |
1.4.3 全遍历路径规划方法分析 |
1.5 论文主要研究内容 |
第2章 智能扫地机器人的运动学模型与航迹定位 |
2.1 智能扫地机器人的运动学模型建立 |
2.2 航迹定位传感器模型及误差分析 |
2.3 本章小结 |
第3章 智能扫地机器人的硬件设计 |
3.1 设计目标 |
3.2 智能扫地机器人的系统组成 |
3.3 基于STM32F103的控制器设计 |
3.3.1 STM32F103ZET6芯片介绍 |
3.3.2 STM32F103ZET6功能模块介绍 |
3.4 动力系统 |
3.4.1 结构系统 |
3.4.2 驱动轮电机控制电路 |
3.4.3 风扇和边刷电机驱动电路 |
3.4.4 大轮离地检测电路 |
3.4.5 电池模块 |
3.4.6 稳压电路模块 |
3.4.7 蓝牙模块 |
3.5 回充设计 |
3.6 传感器电路 |
3.7 本章小结 |
第4章 智能扫地机器人的软件设计 |
4.1 软件整体结构设计 |
4.2 硬件驱动层设计 |
4.2.1 系统时钟程序 |
4.2.2 电机控制驱动程序 |
4.2.3 传感器模块程序 |
4.3 数据处理层设计 |
4.3.1 航迹推算程序 |
4.3.2 地图建立 |
4.4 算法应用层设计 |
4.4.1 PID算法设计 |
4.4.2 基于有限状态机的全遍历路径规划算法设计 |
4.5 清扫过程中的突发情况 |
4.6 本章小结 |
第5章 实验与分析 |
5.1 样机仿真模型测试 |
5.1.1 V-REP建模环境介绍 |
5.1.2 样机模型建立 |
5.1.3 样机模型通信建立 |
5.1.4 样机路径规划仿真分析 |
5.2 实验样机 |
5.3 定位模型测试 |
5.4 直线及除尘测试 |
5.5 机器人系统PID参数整定 |
5.6 目标点导航算法测试实验 |
5.7 路径规划测试实验 |
5.8 机器人系统性能指标 |
5.9 清扫过程中的突发状况实验 |
5.9.1 脱困实验 |
5.9.2 防跌落实验 |
5.10 本章小结 |
第6章 结论与展望 |
6.1 结论 |
6.2 进一步工作的方向 |
致谢 |
参考文献 |
附录 |
攻读学位期间的研究成果 |
四、基于测角的自主移动机器人定位算法(论文参考文献)
- [1]自主移动机器人控制系统研究[D]. 孙贵杰. 吉林大学, 2021(01)
- [2]一种基于多相机光流视觉里程计的机器人增量定位方法[D]. 吴宇锋. 哈尔滨工业大学, 2021
- [3]煤矿巷道掘进机器人捷联惯导与数字全站仪组合定位系统研究[D]. 毛金根. 西安科技大学, 2021
- [4]移动机器人的建图与定位研究[D]. 李杰玉. 燕山大学, 2021(01)
- [5]基于便携关节式坐标测量机的机器人定位误差补偿方法研究[D]. 常雅琪. 合肥工业大学, 2021
- [6]机器人运动学标定与误差补偿技术研究[D]. 王强. 煤炭科学研究总院, 2021(01)
- [7]面向井下钻孔机器人应用的精确定位与地图构建技术研究[D]. 李猛钢. 中国矿业大学, 2020(07)
- [8]智能工作面综采设备激光跟踪实时定位方法研究[D]. 张武刚. 西安科技大学, 2020
- [9]视觉与IMU组合室内导航定位方法研究[D]. 高明镜. 南昌大学, 2020(01)
- [10]基于惯性导航的扫地机器人关键技术研究与实现[D]. 张驰洲. 南昌大学, 2020(01)