导读:本文包含了自主机器人导航论文开题报告文献综述及选题提纲参考文献，主要关键词:移动机器人,导航避障,单目视觉,光流
自主机器人导航论文文献综述
郑宇凌[1]（2017）在《基于改进光流法的自主移动机器人导航方法研究》一文中研究指出随着移动机器人被越来越广泛应用于军事、工业以及人们生活等众多邻域,机器人的工作环境也逐渐向复杂的野外、太空等非结构化环境拓展。如何在具有随机性、多样性的非结构化环境中有效地获取目标物体的各种信息,从而进行自主导航成为了当前机器人领域重要的研究课题之一。移动机器人与其他生物一样主要是靠视觉来获取周围的环境信息,视觉传感器相比于其他传感器具有的优势相当明显。而且,随着研究者对飞行昆虫视觉神经系统研究的深入,发现使用复眼的飞行昆虫是通过检测视觉图像的时域变化(即光流)来控制自身的起飞、降落和避障等行为。受到昆虫飞行机理的启发,基于光流算法的仿生导航研究逐渐受到关注。目前,基于光流的避障方式比较单一,通常都是通过平衡左右两侧的光流幅值实现的。在实际的复杂场景中,这种方法会导致机器人频繁地变化转向,而且无法实现对称场景的避障,只能适应类似走廊的简单环境。因此本文对基于光流的机器人导航方法进行了研究,从优化导航方法的方向出发,进行了以下叁个方面的研究工作:(1)在实际场景中应用中,传统光流算法常常存在对光照变化敏感,抗噪性差,不适应大位移运动等问题,计算结果误差较大,针对这些问题研究实现了一种光流的改进算法。通过带有真实光流数据的光流图像序列和真实场景图,将改进的光流算法与两种优秀的光流算法TV-L~1和SimpleFlow进行了算法的性能对比实验,实验结果证明了本文方法能有效地处理光照变化、噪声、遮挡和不连续区域对光流计算的影响,提高光流计算的精度,算法的总体性能最好。(2)基于改进的光流算法,设计了一种能适应非结构化环境的移动机器人避障算法。该算法将拍摄的连续图像序列作为输入,利用光流散度计算出碰撞时间TTC。通过TTC的平均值判断机器人是否需要避障,如果需要避障,通过设计的航向计算方法得出机器人需要旋转的角度,控制机器人实现避障。通过在未知的环境中进行的仿真实验和物理实验的结果说明,该算法能实现机器人的自主避障。(3)由于之前提出的基于光流的避障算法只是无目的的随意行走,无法实现机器人的导航问题。因此以人工势场法为理论基础,利用光流计算出的相对深度TTC构造人工势场的斥力势场,机器人的位置信息与目标的位置信息构造引力势场,将光流与人工势场法结合起来,在这两种势场的共同作用下实现了机器人实时地躲避障碍物和到达目标的任务。课题得到国家自然科学基金项目(NO.61573029)和北京市自然科学基金项目(NO.4162012)的资助。课题的研究工作对于仿生的移动机器人导航方法研究具有重要的参考意义。(本文来源于《北京工业大学》期刊2017-05-01）
崔利洋[2]（2017）在《基于嵌入式视觉的自主机器人导航系统》一文中研究指出随着移动机器人逐渐走入人们的生活,机器人导航作为移动机器人的关键技术越来越多的受到研究者们的关注。由于移动式机器人需要高效的传感器感知复杂的工作环境,因此实时采集周围的环境信息的视觉传感器成为机器人导航传感器的首选。进而,移动式机器人的视觉导航技术研究已成为机器人导航领域的研究热点。本文基于嵌入式处理器并以RGBD深度摄像头为传感器采集周围的环境信息,设计了一套机器人视觉导航系统。本文的具体工作如下:首先,针对嵌入式平台计算能力有限的问题,本文采用ORB特征作为图像特征点提取算法,在快速提取特征点的前提下进行机器人姿态和位置的估计,并利用随机采样一致性算法消除ORB特征匹配过程中的误匹配问题。其次,针对机器人运动过程中产生积累误差的问题,采用基于视觉词典的机器人回环检测算法,通过计算当前帧图像与地图关键帧之间的相似度,检测机器人是否回到了过去的某个位置,同时利用光束平差法消除运动过程的累积误差。最后,针对当前视觉导航算法构建的叁维点云地图很难直接应用于移动机器人的路径规划的问题,提出了一种基于地面投影的栅格地图构建算法。该方法通过提取叁维点云地图中的地平面,将复杂的叁维点云地图投影到机器人运动平面上,降低点云地图的复杂度。然后基于投影后的地平面点云地图构建栅格地图。最后采用A*算法实现机器人的路径导航。实验结果表明,本文提出的系统提高了稀疏点云地图的点云密度,增加了点云地图对机器人运动环境的描述,并且能够准确的提取到机器人的运动平面,解决了点云地图不能直接应用于路径规划的问题。(本文来源于《燕山大学》期刊2017-05-01）
杜丹丹[3]（2017）在《自主物流移动机器人导航系统研究》一文中研究指出近年来,电商的爆发式增长催生了物流行业蓬勃发展。配送运输作为物流的末端环节,其复杂度不断提高,对于运输过程的效率和安全性的要求也越来越高。物流行业正在进行着快速发展与创新,机器人、云仓储、无人机等接踵出现在物流行业,加快了物流行业的自动化进程。智能移动机器人具有高度自主智能,集多学科知识于一体,具有机动性好、环境感知能力强等特点,使其投入到智能物流是必然趋势。智能移动机器人具有类似人类活动的人工智能,将其用于物流末端的配送运输环节,可以提高物流运输效率,防止交通意外和交通阻塞的发生,并且能够改善环境问题。自主物流移动机器人工作在户外,工作环境部分信息是未知的,具有不确定性,所以需要稳定性强、精度高的导航系统作支撑。捷联惯导系统SINS与GPS的组合导航系统在导航领域具有重要地位。SINS抗干扰能力强,但误差容易积累;GPS导航精度高,但信号易丢失,组合系统弥补了各自的不足。对于组合导航的研究,国外已经比较成熟,特别是在导弹制导方面;而国内还处于研发阶段。目前组合系统能够提高单GPS的动态稳定性,单SINS的误差发散程度,但导航精度没有明显地提高。本文对GPS/SINS组合导航系统进行深入研究,并利用Matlab/Simulink仿真工具对其进行仿真实验,应用常规卡尔曼滤波和Sage-Husa自适应卡尔曼滤波算法,验证了组合系统基本满足自主物流移动机器人的高稳定性和高精度的要求。并且设计了以手机作为自主物流移动机器人的控制终端,用户可通过手机APP实现远程控制机器人,并实时跟踪物流信息。(本文来源于《天津理工大学》期刊2017-02-01）
周维,李斌,张国伟,刘鹏,郑怀兵[4]（2014）在《自主移动机器人导航与定位性能测试设备研究》一文中研究指出进行了基于轨迹分析方法测试自主移动机器人自主导航能力的研究,成功研制出了一种基于高精度GPS系统的机器人导航与定位性能测试仪器。从理论上论证了这一导航性能测试装备的软硬件设计、数据处理方法和导航测试指标的研究,并通过实验验证了该设备自身定位的精确性以及对实验机器人进行快速自主导航性能测试的能力。(本文来源于《高技术通讯》期刊2014年07期）
丁文[5]（2014）在《基于双目立体视觉的全自主移动机器人导航研究》一文中研究指出随着移动机器人在人类生活中各个领域的广泛应用，提高机器人智能化水平的研究受到国内外学者的高度关注。由于双目立体视觉技术能模仿人眼视觉成像原理，可通过图像传感器以非接触的方式获得叁维场景的深度信息。加之近年来大规模集成电路技术、半导体技术、精密加工技术等领域的飞速发展，使得基于双目立体视觉导航的移动机器人成为国内外智能机器人领域的研究热点。因此，研究视觉导航中的关键技术是一项具有实际意义的工作。本文主要针对双目立体视觉导航关键技术中的立体标定、图像采集、图像预处理做了深入研究；特别的，研究了视觉导航中对室内环境下球形物体的快速、准确定位。首先为了满足视觉导航相关技术的研究需要，本文设计搭建了一个基于双目视觉的全向移动机器人。先介绍了该移动机器人的硬件系统架构，然后分别逐一对机器人各主要组成模块做了介绍。接着系统介绍了摄像机的成像模型，引出摄像机标定所要求取的内外参数。概述了基于张正友标定法的单目摄像机标定的主要原理，并分析了双目立体标定的目的是求取包含两个摄像机几何关系的旋转和平移矩阵。在Visual Studio2010开发环境下，利用开源计算机视觉库OpenCV实现了对移动机器人上的双目摄像机立体标定，实验结果验证了标定算法的可靠性。其次介绍了设计的移动机器人所采用的基于DirectShow技术的图像采集系统。研究分析得出在图像预处理环节决定利用高斯滤波算法进行平滑滤波并利用Canny算法进行边缘检测。提出了一种改进的基于对称性的Hough变换圆形检测算法，介绍了该算法的基本原理并通过实验证实了算法能够快速精确的识别室内环境下具有圆形特征的物体。最后介绍了基于视差法的球形目标定位原理。在Visual Studio2010开发环境下，利用了OpenCV和DirectShow技术设计实现了基于MFC的视觉移动机器人的定位跟踪程序。通过实验证实了程序的可行性，并分析了影响目标定位精度的原因。(本文来源于《江苏科技大学》期刊2014-04-28）
冯晓[6]（2013）在《基于粒子滤波器的自主式水下机器人导航定位算法研究》一文中研究指出自主式水下机器人是当今研究的热点问题之一。机器人由于其自身具有的智能性、机动性以及自主性，可以在极其复杂危险的环境中完成人类不可完成的探测、探险和操作等工作。在未知环境下，移动机器人的自主导航能力是其能实现真正自主移动的基础，而自主定位则是自主导航的前提。为了实现机器人自主导航，机器人的同时定位与地图构建（Simultaneous Localization andMapping, SLAM）能力成为机器人领域亟需解决的问题。同时定位与地图构建（SLAM）是实现自主移动机器人的核心问题，也是机器人自主导航的关键，是机器人感知能力和智能水平的体现。同时定位与地图构建（SLAM）是指在未知环境下，机器人根据传感器提供周围环境信息和位置估计，逐步确定自身位姿并且建立增量式地图的过程。近年来，众多研究者在室内、室外、水下环境中取得了显着的成果。然而，依然存在很多问题需要解决。本论文首先介绍了AUV的发展情况及研究现状；其次，介绍了当今应用比较广泛及本文需要了解的几种SLAM算法，在建立系统模型的基础上，对SLAM算法的原理和过程进行详细介绍，并指出这些算法中存在的需要解决的问题。本文主要在粒子滤波器的基础上，提出一种基于粒子群优化的无迹FastSLAM算法，并用实验验证该算法的可行性及有效性。该算法首先将UPF与UKF算法相结合，利用UPF估计机器人位姿后验概率估计，同时利用UKF处理地图估计部分，避免了雅克比矩阵的运算以及非线性函数的线性化问题，大大提高了算法精度，并且同等精度下，减少所用粒子数。此外，针对FastSLAM算法中重采样引起的粒子退化和衰竭问题，利用粒子群优化技术(PSO)对重采样过程进行优化，在重采样后，选定目标机器人位置，然后利用PSO算法调整粒子分布，使得粒子集中于机器人的真实位姿附近，通过上述步骤对粒子集进行PSO优化，缓解粒子退化和衰竭问题。最后，通过公开仿真平台进行仿真实验以及实验室自主实验平台水下机器人C-ranger的团岛海试实验来验证该提议算法的有效性和准确性，将提议算法与其他算法等进行比较，验证了该算法满足了定位与构图精度满足机器人自主导航的可行性及有效性的要求。(本文来源于《中国海洋大学》期刊2013-05-23）
Salmi,Abdenour[7]（2011）在《一种新的自主移动机器人导航模糊行为控制系统的开发》一文中研究指出移动机器人在未知环境，多障碍物环境中的导航问题一直是一个困难的问题。机器人要能够感知其所处的环境，解释感知到的信息，以获得其位置和环境的知识，然后规划一条无障碍路径，从初始位置到目标位置，并能够避开障碍物，控制机器人方向和速度达到目标。行为方法已经显示出其在不确定的未知环境和动态环境中的成功应用。行为控制方法分解导航系统为特殊的特定任务的行为模块，比如避障，目标搜索，路径跟随等，与传感器和执行机构直接连接，并行操作。简单的行为结合在一起以产生复杂的策略，能够达到策略目标，有效的对任何紧急情况作出反应。因此，该结构能够实时发挥作用，有很好的鲁棒性。模糊逻辑方法是许多方法之一，设计行为控制结构，由于对于行为设计的重要问题是确保不确定性出现时的鲁棒操作。模糊系统能利用语法规则处理不确定和不准确的信息，提供了实现人类知识和经验的可能性。本文对机器人自主移动和导航提出模糊行为控制系统，要求机器人自主到达给顶目标，避开其路径上遇到的任何静态和动态障碍物。仿真结果证明了方法的有效性。(本文来源于《哈尔滨工程大学》期刊2011-12-15）
宋玉龙,常然然[8]（2011）在《基于GPS的自主移动机器人导航定位系统的实现》一文中研究指出GPS导航是自主移动机器人室外完成导盲等复杂任务的首选导航方式。本系统以Samsang公司的ARM芯片S3C6410为处理器,嵌入Windows CE 6.0操作系统,采用Visual Studio 2008开发上位机软件,以读取串口的方式从GPS模块GS-91中获取NMEA格式的导航数据,并从中提取出位置坐标信息,以供构建行进路线图和指导机器人运动。系统在开阔场地进行了试验,运行正常并得到了正确的导航结果,为机器人的GPS导航提供了范例。(本文来源于《电子设计工程》期刊2011年20期）
郝昕玉,姬长英[9]（2010）在《自主移动农用机器人导航系统故障诊断分析》一文中研究指出通过对自主移动农用机器人运行过程数据序列的统计辨识,逐步累积故障识别能力,建立有效的故障诊断体系。运用时间序列分析法对正常和故障情况下导航系统中定位部件GPS输出随机信号进行分析,得到判断GPS性能故障的方法。建立GPS随机漂移数学模型AR(p)模型,并采用K-L(Kullback-Leibler)信息测度检测法构造相应的信息距离差别函数进行系统状态检测。利用该时序分析法能够有效地检测出系统故障。(本文来源于《江西农业学报》期刊2010年12期）
任建功[10]（2010）在《基于强化学习的自主式移动机器人导航控制》一文中研究指出自主式移动机器人可以工作在复杂非结构化环境中,无需人工干预,对环境无特定要求,具有高度自规划和自适应能力,这是一种有目的地自主式移动和完成任务的智能系统。其中,导航技术是移动机器人实现智能化的关键技术之一。在未知环境中,移动机器人需要拥有快速的学习能力,以提高对环境的适应能力,解决在自身不完备知识情况下的复杂问题。强化学习具有通过自我学习来逐渐获取智能行为的特征,在自主式移动机器人导航应用中受到广泛关注。强化学习模拟动物学习的过程,通过不断试错寻求从状态到动作相适应的映射关系,最终获得最优化的动作状态策略集。针对学习过程中传统算法存在收敛慢,非即时报酬的估计存在时间约束,占用较多内存资源和计算时间的问题,本文通过对传统强化学习理论的研究,结合了相对值迭代理论和最优化理论,通过合理变形,提出了一种相对值迭代强化学习(RVI-RL)算法,这是基于离散马尔科夫决策过程(MDP)环境下的无需估计平均报酬的强化学习算法。RVI-RL算法是一种无模型算法,免除了对整个任务平均报酬的估计,也免除了因不断修正平均报酬估计所带来的偏差。本论文的实验环境为经典的出租车问题,初始化为栅格型地图,相对于出租车为未知或动态环境,出租车自主行驶过程中,通过试错技术来获取环境状态信息,最终寻求状态与动作的最佳映射。实验表明,在单自主移动机器人导航过程中,RVI-RL算法比Q学习算法和R学习算法更快更稳地收敛于最优策略集;在多自主移动机器人导航环境中,新算法表现出诱发两个机器人协作规划行为的特征,比传统的Q学习算法更合适多机器人协作规划的应用环境。尽管RVI-RL算法消除了平均报酬参数的估计,在大规模状态空间中仍然存在“维数灾难”问题,本论文也讨论了将分层概念引入RVI-RL算法的可行性,实验表明,在收敛于最优策略速度上,RVI-RL算法比MAXQ算法也具有优越性。(本文来源于《哈尔滨工业大学》期刊2010-12-01）
自主机器人导航论文开题报告
（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：
随着移动机器人逐渐走入人们的生活,机器人导航作为移动机器人的关键技术越来越多的受到研究者们的关注。由于移动式机器人需要高效的传感器感知复杂的工作环境,因此实时采集周围的环境信息的视觉传感器成为机器人导航传感器的首选。进而,移动式机器人的视觉导航技术研究已成为机器人导航领域的研究热点。本文基于嵌入式处理器并以RGBD深度摄像头为传感器采集周围的环境信息,设计了一套机器人视觉导航系统。本文的具体工作如下:首先,针对嵌入式平台计算能力有限的问题,本文采用ORB特征作为图像特征点提取算法,在快速提取特征点的前提下进行机器人姿态和位置的估计,并利用随机采样一致性算法消除ORB特征匹配过程中的误匹配问题。其次,针对机器人运动过程中产生积累误差的问题,采用基于视觉词典的机器人回环检测算法,通过计算当前帧图像与地图关键帧之间的相似度,检测机器人是否回到了过去的某个位置,同时利用光束平差法消除运动过程的累积误差。最后,针对当前视觉导航算法构建的叁维点云地图很难直接应用于移动机器人的路径规划的问题,提出了一种基于地面投影的栅格地图构建算法。该方法通过提取叁维点云地图中的地平面,将复杂的叁维点云地图投影到机器人运动平面上,降低点云地图的复杂度。然后基于投影后的地平面点云地图构建栅格地图。最后采用A*算法实现机器人的路径导航。实验结果表明,本文提出的系统提高了稀疏点云地图的点云密度,增加了点云地图对机器人运动环境的描述,并且能够准确的提取到机器人的运动平面,解决了点云地图不能直接应用于路径规划的问题。
（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。
自主机器人导航论文参考文献
[1].郑宇凌.基于改进光流法的自主移动机器人导航方法研究[D].北京工业大学.2017
[2].崔利洋.基于嵌入式视觉的自主机器人导航系统[D].燕山大学.2017
[3].杜丹丹.自主物流移动机器人导航系统研究[D].天津理工大学.2017
[4].周维,李斌,张国伟,刘鹏,郑怀兵.自主移动机器人导航与定位性能测试设备研究[J].高技术通讯.2014
[5].丁文.基于双目立体视觉的全自主移动机器人导航研究[D].江苏科技大学.2014
[6].冯晓.基于粒子滤波器的自主式水下机器人导航定位算法研究[D].中国海洋大学.2013
[7].Salmi,Abdenour.一种新的自主移动机器人导航模糊行为控制系统的开发[D].哈尔滨工程大学.2011
[8].宋玉龙,常然然.基于GPS的自主移动机器人导航定位系统的实现[J].电子设计工程.2011
[9].郝昕玉,姬长英.自主移动农用机器人导航系统故障诊断分析[J].江西农业学报.2010
[10].任建功.基于强化学习的自主式移动机器人导航控制[D].哈尔滨工业大学.2010