提出一种新的移动机器人全局定位与自主泊位方法.该方法分为两阶段:离线阶段,采用SIFT(Scale In-variant Feature Transform)算法并提出一种基于DD-BBF(Double Direction Best Bin First)的特征匹配方法实现视觉特征三维重建;将进化策...提出一种新的移动机器人全局定位与自主泊位方法.该方法分为两阶段:离线阶段,采用SIFT(Scale In-variant Feature Transform)算法并提出一种基于DD-BBF(Double Direction Best Bin First)的特征匹配方法实现视觉特征三维重建;将进化策略应用于Rao-Blackwellized粒子滤波器,并结合自适应重采样,实现了移动机器人同时定位和特征地图创建.在线阶段,采用基于HMM(Hidden Markov Model)的方法实现全局泊位位置识别;采用RANSAC算法实现全局度量定位;提出极点伺服控制方法,实现机器人精确自主泊位.在室内环境下的实验结果证实了该方法的优良性能.展开更多
文摘提出一种新的移动机器人全局定位与自主泊位方法.该方法分为两阶段:离线阶段,采用SIFT(Scale In-variant Feature Transform)算法并提出一种基于DD-BBF(Double Direction Best Bin First)的特征匹配方法实现视觉特征三维重建;将进化策略应用于Rao-Blackwellized粒子滤波器,并结合自适应重采样,实现了移动机器人同时定位和特征地图创建.在线阶段,采用基于HMM(Hidden Markov Model)的方法实现全局泊位位置识别;采用RANSAC算法实现全局度量定位;提出极点伺服控制方法,实现机器人精确自主泊位.在室内环境下的实验结果证实了该方法的优良性能.
基金Supported by National Natural Science Foundation of China（60874002） Key Project of Shanghai Education Committee （09ZZ158） Leading Academic Discipline Project of Shanghai Municipal Government （S30501）
