多机器人刚性编队无法灵活调整队形,易出现追捕死角现象,导致追捕者无法准确高效地完成追捕。为此,提出一种自适应刚性结构编队算法。构造编队中心控制器使编队中心无限趋近目标,设计队形控制器随目标所处位置动态调整队形。在此基础上,追捕者根据目标所在位置和环境条件,结合改进的刚性结构法自适应地选择合适队形,从而完成围捕。仿真结果表明,相对刚性编队算法,该算法的追捕时间和能耗比均较低,且能够避免追捕死角现象产生。

针对传统电脑鼠迷宫搜索算法无法适应随机迷宫图搜索的问题,提出一种新的电脑鼠走迷宫融合算法。运用概率距离将迷宫划分为八 区域,标定各区域概率距离特征并进行算法填充,实现概率距离向心算法和洪水算法的高效融合,提高迷宫搜索效率并降低对高性能 CPU的依赖性。通过对6张迷宫的测试结果表明,与传统向心和洪水算法相比,该算法迷宫搜索时间可减少50%,搜索成功率达到100%,是 一种高效的迷宫融合搜索算法。

室内移动机器人同时定位与地图构建(SLAM)的前端位姿估计与后端优化容易受运动模糊的干扰。为此,提出一种基于Inliers跟踪统计的室内定位与地图构建算法。对RGB图像进行特征提取和匹配,运用RANSAC算法得到Inliers后,通过对Inliers数量的跟踪与统计剔除受相机 运动影响的模糊图像,然后利用最近邻迭代的非线性优化方法求解相机位姿。在此基础上,通过闭环检测和优化后的全局位姿拼接出运动轨迹和三维稠密点云图。实验结果表明,相对RGB-D SLAM算法,该算法能够有效提高SLAM系统的建图鲁棒性与精度。

针对Gmapping算法在高相似度多闭环环境下出现的因粒子耗尽而无法精确定位的问题,提出一种融合萤火虫算法的Rao-Blackwellized粒子滤波器RBPF同步定位与地图构建优化算法。利用萤火虫算法提高粒子滤波器的估计能力,将采样后的粒子集移向高似然区域,改善粒子的分布,同时保证低似然粒子多样性以降低粒子贫乏的影响。在MIT和FHW数据集下的仿真结果表明,优化算法在不同的实验环境下能够建立更为精确的栅格地图,从而验证其有效性和可行性。

传统变电站的人工巡检方式受到客观制约因素较多,存在一定的误检、漏检等问题。为此,在对变电站实时定位时采用机器人巡检方式,提出一种基于自适应蒙特卡洛算法。利用开源机器人操作系统,通过将激光传感器和里程计相结合,实现巡检机器人的实时定位。在Matlab 环境下进行仿真对比实验,结果表明,与基于蒙特卡洛算法相比,基于自适应蒙特卡洛算法的定位精度更高、抗干扰性更强,适用于变电站巡检机器人的实时定位研究。

传统的手眼关系齐次矩阵方程求解过程繁琐、复杂,且精度易受环境影响。为此,引入将图像坐标直接转换为机器人坐标的思想,利用OpenCV库函数的分析计算能力,提出基于两平面单应矩阵的手眼关系标定方法。采用虚拟“九宫格”和一个固定参考点的标定方式,建立线性 摄像机成像模型,得到两平面的单应矩阵,据此引导机械臂定位。实验结果表明,该方法完成标定程序只需38 s,且系统精度高于传统的齐次矩阵方程标定方法。

针对农业机器人视觉路径识别的识别率低、速度慢以及易受光照、杂草影响的问题,提出基于混合阈值与偏移行中线的视觉导航路径识别方法。采用光照无关量进行光照干扰的剔除,利用混合阈值方法分割图像,给出基于偏移行中线的方法划分作物行。实验结果表明,与传 统农业机器人作物行识别方法相比,该方法数据运算量小,平均耗时200 ms左右,作物行识别准确率达98%,能够有效地确定农业机器人的导航路径。

为实现移动机器人的实时精确定位,提出一种新的双目视觉里程计算法。利用加速尺度不变特征变换(SIFT)算子提取左右图像特征并做稀疏立体匹配,对前后帧图像进行帧间SIFT特征追踪,在RANSAC策略下通过运动估计获得初始位姿(旋转和平移矩阵)。在此基础上,将图像序列分为关键帧和非关键帧,采用可变滑动窗口对相邻关键帧的位姿局部非线性优化以减小帧间运动估计误差,同时通过词袋模型进行回环检测,对环内所有关键帧的位姿全局优化,避免位姿误差的累积和轨迹漂移。实验结果表明,该算法满足实时性要求,并且能够减小位姿误差,提高定位精度。

研究足式机器人行走过程的稳定性优化控制策略,设计一种基于机器人上身平台振动加速度为反馈的小腿减振控制系统。通过虚拟仿真分析软件——机械系统动力学自动分析构建足式机器人小腿虚拟样机,并导入到Matlab中进行主动减振的自抗扰控制算法设计,根据主动和被动减振分别抑制低频和高频振动。仿真结果表明,主被动联合减振大幅衰减了机器人上身平台的振动,弥补被动减振对低频振动无法抑制的情况,有效提高了机器人行走的稳定性。