CN114415655B - 一种基于改进slam的巡检机器人导航控制方法 - Google Patents
一种基于改进slam的巡检机器人导航控制方法 Download PDFInfo
- Publication number
- CN114415655B CN114415655B CN202111462620.3A CN202111462620A CN114415655B CN 114415655 B CN114415655 B CN 114415655B CN 202111462620 A CN202111462620 A CN 202111462620A CN 114415655 B CN114415655 B CN 114415655B
- Authority
- CN
- China
- Prior art keywords
- inspection robot
- speed
- robot
- inspection
- moment
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000007689 inspection Methods 0.000 title claims abstract description 100
- 238000000034 method Methods 0.000 title claims abstract description 29
- 238000011156 evaluation Methods 0.000 claims abstract description 18
- 230000001133 acceleration Effects 0.000 claims abstract description 13
- 230000002159 abnormal effect Effects 0.000 claims abstract description 7
- 238000012545 processing Methods 0.000 claims abstract description 7
- 230000006870 function Effects 0.000 claims description 32
- 239000002245 particle Substances 0.000 claims description 24
- 230000008569 process Effects 0.000 claims description 16
- 230000033001 locomotion Effects 0.000 claims description 7
- 238000005070 sampling Methods 0.000 claims description 6
- 238000012952 Resampling Methods 0.000 claims description 3
- 230000009471 action Effects 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims description 3
- 230000004807 localization Effects 0.000 claims description 3
- 238000013507 mapping Methods 0.000 claims description 3
- 230000007246 mechanism Effects 0.000 claims description 3
- 238000005315 distribution function Methods 0.000 abstract description 4
- 238000011160 research Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 3
- 238000010276 construction Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 241000282414 Homo sapiens Species 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
- G05D1/0221—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving a learning process
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
- G05D1/0223—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving speed control of the vehicle
Landscapes
- Engineering & Computer Science (AREA)
- Aviation & Aerospace Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
一种基于改进SLAM的巡检机器人导航控制方法。该方法包括以下步骤：步骤1，采集巡检机器人运行时的数据；步骤2，建立改进的SLAM机器人定位算法；步骤3，依据步骤2所获得的地图对机器人进行路径规划；步骤4，对巡检机器人加速度、速度和目标方位角闭环控制；步骤5，巡检路线上的异常情况处理。本发明通过巡检机器人相邻时刻的位姿差对SLAM算法中的提议分布函数进行改进，并通过线速度和角速度的轨迹评价函数对下一时刻的速度进行更新，并通过矢量控制和PID闭环算法完成巡检机器人的导航控制，可提高巡检机器人位姿的精确度和可靠性。
Description
技术领域
本发明涉及巡检车循迹领域，特别是涉及一种基于改进SLAM的巡检机器人导航控制方法。
背景技术
随着社会的发展与科技的进步，特种作业机器人在军用、民用、科学研究等多个领域得到了广泛的应用。在众多危险、不宜人类活动的环境下，机械、重复性高的岗位上，特种作业机器人正在逐步替代人类完成各种危险工作。作为一种具有高度灵活性的自主移动机器人，需具备环境感知、路径规划、自主充电和远程通讯能力。巡检机器人自主巡检过程中，会面临各种复杂的不确定性环境，自主巡检功能主要体现在对环境的感知能力，而这种环境感知能力依赖于自身携带的外部传感器，如激光雷达、相机、毫米波雷达和超声波雷达等，这些传感器能够感知外部环境变化，可协助机器人完成更多的危险工作。
在机器人感知外部环境过程中实时定位与地图构建技术作为巡检机器人研究的核心技术之一，能够构建精确的环境地图是实现机器人巡检功能的重要环节，而机器人SLAM的关键在于自身定位功能的实现，以确保机器人在感知外部环境信息的同时能确定自身的位姿信息；同时，对周围环境地图信息感知的准确程度又是机器人能否实现精确定位的基础。目前基于先验地图的机器人自主导航研究已经趋于成熟并被广泛应用，但在未知环境下，机器人仅根据自身携带的外部传感器自主探索感知环境并生成高精度地图仍然是一个研究难点。
发明内容
为解决上述问题，本发明提出了一种基于改进SLAM的巡检机器人导航控制方法，通过SLAM算法对定位与地图的构建，结合路径规划算法，实现巡检机器人自主运动。为了提高巡检机器人位姿的精确度和可靠性，通过巡检机器人相邻时刻的位姿差对SLAM算法中的提议分布函数进行改进。本发明提供一种基于改进SLAM的巡检机器人导航控制方法，具体步骤如下，其特征在于：
步骤1，采集巡检机器人运行时的数据：通过激光雷达采集巡检机器人的位置信息，并根据驱动器反馈记录巡检机器人的动作信息；
步骤2，建立改进的SLAM机器人定位算法：将当前时刻与上一时刻的位姿差作为SLAM的提议分布，获得改进后的SLAM机器人定位算法，并通过SLAM算法对当前运行环境建立全局地图；
步骤3，依据步骤2所获得的地图对机器人进行路径规划，对巡检机器人行驶速度进行采样，并根据评价公式对巡检机器人当前行驶的速度进行更新；
步骤4，对巡检机器人加速度、速度和目标方位角闭环控制：通过矢量控制实现巡检机器人的电机控制，并对巡检机器人的加速度、速度和目标方位角进行PID闭环控制
步骤5，巡检路线上的异常情况处理：通过实时图像采集系统采集巡检路线上的人员求助和违法犯罪等紧急情况，同时启动中断处理机制，日志模块记录车载终端的异常情况。
进一步，步骤2中建立改进的SLAM机器人定位算法的过程可以表示为：
通过联合概率密度函数将算法模型表示成定位和建图两个过程
p(xk，m|zk，uk-1)＝p(xk|zk，uk-1)p(m|xk，zk) (1)
式中，xk为k时刻巡检机器人的运动轨迹，m为所估计的环境地图，zk为k时刻的环境观测历史信息，uk-1位巡检机器人控制的历史信息，p为后验概率密度函数，k-1为k-1时刻；
步骤2.1，首先初始化粒子状态x0和粒子权重w0，其中0代表0时刻
步骤2.2，对k时刻的运动轨迹进行采集，获得粒子集其中i代表第i个传感器，在单位时间内读取巡检机器人控制的历史信息uk，，并计算提议分布q(xk|zk，uk-1)，更新粒子权值/>
为提高巡检机器人位姿的精确性和可靠性，将提议分布改进为：
q(xk|zk，uk-1)＝xk-1+g(xk|zk，uk-1) (3)
式中，g(xk|zk，uk-1)为巡检机器人当前时刻与上一时刻的位姿差：
步骤2.3，通过粒子权重对粒子集重新采样，计算有效粒子数Neff：
步骤2.4，根据粒子权重计算巡检机器人位姿估计值
步骤2.5，根据公式1建立的局部地图信息和巡检机器人位姿估计值更新全局地图p(m|xk,zk)。
进一步，步骤3中依据步骤2所获得的地图对机器人进行路径规划的过程可以表示为：
步骤3.1，对当前的巡检机器人的速度进行采样，获得速度的矢量信号(v,a)，其中v为当前巡检机器人的线速度，a为角速度；
步骤3.2，通过评价函数对当前速度进行评价，更新下一时刻的速度，评价公式G如下：
G＝σ(b.heading(v,a)+β·dist(v,a)+γ.vel(v,a)) (7)
式中，b为目标方位角权重，β为机器人与障碍物间隔的权重，γ为速度函数的权重，heading(v,a)为目标方位角计算公式，dist(v,a)为机器人与障碍物间隔函数,vel(v,a)为速度函数；
步骤3.3，根据评价函数对巡检机器人下一时刻的速度值进行更新：
式中，为更新后的速度，ArgMax(G(v,a))函数表示当评价函数最大时，所对应的速度组合。
进一步，步骤4中对巡检机器人加速度、速度和目标方位角闭环控制的过程可以表示为：
三级串联PID控制巡检机器人的加度、速度值和目标方位角，完成加速度、速度和航向角的闭环控制，最终实现巡检机器人的位置跟踪。
本发明一种基于改进SLAM的巡检机器人导航控制方法，有益效果：本发明的技术效果在于：
1.本发明通过巡检机器人相邻时刻的位姿差对SLAM算法中的提议分布函数进行改进，提高巡检机器人位姿的精确度和可靠性。
2.本发明通过线速度和角速度的轨迹评价函数对下一时刻的速度进行更新，并通过矢量控制和PID闭环算法完成巡检机器人的导航控制，可提高巡检机器人导航控制的精确度；
3本发明为巡检机器人的高精度循迹提供了一种重要技术手段。
附图说明
图1为本发明的流程图；
图2位本发明的改进SLAM算法结构图。
具体实施方式
下面结合附图与具体实施方式对本发明作进一步详细描述：
本发明提出了一种基于改进SLAM的巡检机器人导航控制方法，图1为本发明的流程图，下面结合流程图对本发明的步骤作详细介绍。
步骤1，采集巡检机器人运行时的数据：通过激光雷达采集巡检机器人的位置信息，并根据驱动器反馈记录巡检机器人的动作信息；
步骤2，建立改进的SLAM机器人定位算法：将当前时刻与上一时刻的位姿差作为SLAM的提议分布，获得改进后的SLAM机器人定位算法，并通过SLAM算法对当前运行环境建立全局地图；
步骤2中建立改进的SLAM机器人定位算法的过程可以表示为：
通过联合概率密度函数将算法模型表示成定位和建图两个过程
p(xk，m|zk，uk-1)＝p(xk|zk，uk-1)p(m|xk，zk) (1)
式中，xk为k时刻巡检机器人的运动轨迹，m为所估计的环境地图，zk为k时刻的环境观测历史信息，uk-1位巡检机器人控制的历史信息，p为后验概率密度函数，k-1为k-1时刻，改进SLAM算法结构图如图2所示；
步骤2.1，首先初始化粒子状态x0和粒子权重w0，其中0代表0时刻
步骤2.2，对k时刻的运动轨迹进行采集，获得粒子集其中i代表第i个传感器，在单位时间内读取巡检机器人控制的历史信息uk，，并计算提议分布q(xk|zk，uk-1)，更新粒子权值/>
为提高巡检机器人位姿的精确性和可靠性，将提议分布改进为：
q(xk|zk，uk-1)＝xk-1+g(xk|zk，uk-1) (3)
式中，g(xk|zk，uk-1)为巡检机器人当前时刻与上一时刻的位姿差：
步骤2.3，通过粒子权重对粒子集重新采样，计算有效粒子数Neff：
步骤2.4，根据粒子权重计算巡检机器人位姿估计值
步骤2.5，根据公式1建立的局部地图信息和巡检机器人位姿估计值更新全局地图p(m|xk,zk)。
步骤3，依据步骤2所获得的地图对机器人进行路径规划，对巡检机器人行驶速度进行采样，并根据评价公式对巡检机器人当前行驶的速度进行更新；
步骤3.1，对当前的巡检机器人的速度进行采样，获得速度的矢量信号(v,a)，其中v为当前巡检机器人的线速度，a为角速度；
步骤3.2，通过评价函数对当前速度进行评价，更新下一时刻的速度，评价公式G如下：
G＝σ(b·headimg(v,a)+β·dist(v,a)+γ·vel(v,a)) (7)
式中，b为目标方位角权重，β为机器人与障碍物间隔的权重，γ为速度函数的权重，heading(v,a)为目标方位角计算公式，dist(v,a)为机器人与障碍物间隔函数,vel(v,a)为速度函数；
步骤3.3，根据评价函数对巡检机器人下一时刻的速度值进行更新：
式中，为更新后的速度，ArgMax(G(v,a))函数表示当评价函数最大时，所对应的速度组合。
步骤4，对巡检机器人加速度、速度和目标方位角闭环控制：通过矢量控制实现巡检机器人的电机控制，并对巡检机器人的加速度、速度和目标方位角进行PID闭环控制；
步骤4中对巡检机器人加速度、速度和目标方位角闭环控制的过程可以表示为：
三级串联PID控制巡检机器人的加度、速度值和目标方位角，完成加速度、速度和航向角的闭环控制，最终实现巡检机器人的位置跟踪。
步骤5，巡检路线上的异常情况处理：通过实时图像采集系统采集巡检路线上的人员求助和违法犯罪等紧急情况，同时启动中断处理机制，日志模块记录车载终端的异常情况。
本发明通过SLAM算法对定位与地图构建同时进行，并结合路径规划算法，使得巡检机器人实现自主运动，为了提高巡检机器人位姿的精确度和可靠性，通过巡检机器人相邻时刻的位姿差对SLAM算法中的提议分布函数进行改进。此外，本发明在改进SLAM算法的基础上，对巡检机器人进行路径规划，通过线速度和角速度的轨迹评价函数对下一时刻的速度进行更新。最后，在通过驱动器端的矢量控制和PID三级串联闭环控制，实现巡检机器人的导航控制。
以上所述，仅是本发明的较佳实施例而已，并非是对本发明作任何其他形式的限制，而依据本发明的技术实质所作的任何修改或等同变化，仍属于本发明所要求保护的范围。
Claims (1)
1.一种基于改进SLAM的巡检机器人导航控制方法，具体步骤如下，其特征在于：
步骤1，采集巡检机器人运行时的数据：通过激光雷达采集巡检机器人的位置信息，并根据驱动器反馈记录巡检机器人的动作信息；
步骤2，建立改进的SLAM机器人定位算法：将当前时刻与上一时刻的位姿差作为SLAM的提议分布，获得改进后的SLAM机器人定位算法，并通过SLAM算法对当前运行环境建立全局地图；
步骤2中建立改进的SLAM机器人定位算法的过程表示为：
通过联合概率密度函数将算法模型表示成定位和建图两个过程
p(xk,m|zk,uk-1)＝p(xk|zk，uk-1)p(m|xk，zk) (1)
式中，xk为k时刻巡检机器人的运动轨迹，m为所估计的环境地图，zk为k时刻的环境观测历史信息，uk-1位巡检机器人控制的历史信息，p为后验概率密度函数，k-1为k-1时刻；
步骤2.1，首先初始化粒子状态x0和粒子权重w0，其中0代表0时刻
步骤2.2，对k时刻的运动轨迹进行采集，获得粒子集其中i代表第i个传感器，在单位时间内读取巡检机器人控制的历史信息uk，，并计算提议分布q(xk|zk,uk-1)，更新粒子权值/>
为提高巡检机器人位姿的精确性和可靠性，将提议分布改进为：
q(xk|zk,uk-1)＝xk-1+g(xk|zk，uk-1) (3)
式中，g(xk|zk,uk-1)为巡检机器人当前时刻与上一时刻的位姿差：
步骤2.3，通过粒子权重对粒子集重新采样，计算有效粒子数Neff：
步骤2.4，根据粒子权重计算巡检机器人位姿估计值
步骤2.5，根据公式1建立的局部地图信息和巡检机器人位姿估计值更新全局地图p(m|xk,zk)；
步骤3，依据步骤2所获得的地图对机器人进行路径规划，对巡检机器人行驶速度进行采样，并根据评价公式对巡检机器人当前行驶的速度进行更新；
步骤3中依据步骤2所获得的地图对机器人进行路径规划的过程表示为：
步骤3.1，对当前的巡检机器人的速度进行采样，获得速度的矢量信号(v,a)，其中v为当前巡检机器人的线速度，a为角速度；
步骤3.2，通过评价函数对当前速度进行评价，更新下一时刻的速度，评价公式G如下：
G＝σ(b·heading(v，a)+β·dist(v，a)+γ·vel(v,a)) (7)
式中，b为目标方位角权重，β为机器人与障碍物间隔的权重，γ为速度函数的权重，heading(v,a)为目标方位角计算公式，dist(v,a)为机器人与障碍物间隔函数,vel(v,a)为速度函数；
步骤3.3，，根据评价函数对巡检机器人下一时刻的速度值进行更新：
式中，为更新后的速度，ArgMax(G(v,a))函数表示当评价函数最大时，所对应的速度组合；
步骤4，对巡检机器人加速度、速度和目标方位角闭环控制：通过矢量控制实现巡检机器人的电机控制，并对巡检机器人的加速度、速度和目标方位角进行PID闭环控制
步骤4中对巡检机器人加速度、速度和目标方位角闭环控制的过程表示为：
三级串联PID控制巡检机器人的加度、速度值和目标方位角，完成加速度、速度和航向角的闭环控制，最终实现巡检机器人的位置跟踪；
步骤5，巡检路线上的异常情况处理：通过实时图像采集系统采集巡检路线上的人员求助和违法犯罪紧急情况，同时启动中断处理机制，日志模块记录车载终端的异常情况。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111462620.3A CN114415655B (zh) | 2021-12-02 | 2021-12-02 | 一种基于改进slam的巡检机器人导航控制方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111462620.3A CN114415655B (zh) | 2021-12-02 | 2021-12-02 | 一种基于改进slam的巡检机器人导航控制方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114415655A CN114415655A (zh) | 2022-04-29 |
| CN114415655B true CN114415655B (zh) | 2024-05-07 |
Family
ID=81264789
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111462620.3A Active CN114415655B (zh) | 2021-12-02 | 2021-12-02 | 一种基于改进slam的巡检机器人导航控制方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114415655B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117055639B (zh) * | 2023-09-04 | 2024-03-29 | 珠海习坎智能科技有限公司 | 一种隧道巡检机器人自适应控速方法 |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106949895A (zh) * | 2017-04-13 | 2017-07-14 | 杭州申昊科技股份有限公司 | 一种适用于变电站环境下的巡检机器人定位方法 |
| CA3032812A1 (en) * | 2016-08-04 | 2018-02-08 | Reification Inc. | Methods for simultaneous localization and mapping (slam) and related apparatus and systems |
| CN107741745A (zh) * | 2017-09-19 | 2018-02-27 | 浙江大学 | 一种实现移动机器人自主定位与地图构建的方法 |
| CN109459033A (zh) * | 2018-12-21 | 2019-03-12 | 哈尔滨工程大学 | 一种多重渐消因子的机器人无迹快速同步定位与建图方法 |
| CN109933056A (zh) * | 2017-12-18 | 2019-06-25 | 九阳股份有限公司 | 一种基于slam的机器人导航方法以及机器人 |
| CN111006655A (zh) * | 2019-10-21 | 2020-04-14 | 南京理工大学 | 机场巡检机器人多场景自主导航定位方法 |
| CN111522339A (zh) * | 2020-04-20 | 2020-08-11 | 北京农业信息技术研究中心 | 畜禽舍巡检机器人自动路径规划与定位方法及装置 |
| CN111664843A (zh) * | 2020-05-22 | 2020-09-15 | 杭州电子科技大学 | 一种基于slam的智能仓储盘点方法 |
| CN112486171A (zh) * | 2020-11-30 | 2021-03-12 | 中科院软件研究所南京软件技术研究院 | 一种基于视觉的机器人避障方法 |
| CN112857379A (zh) * | 2021-01-22 | 2021-05-28 | 南京邮电大学 | 一种基于改进的Gmapping-SLAM地图更新方法及系统 |
-
2021
- 2021-12-02 CN CN202111462620.3A patent/CN114415655B/zh active Active
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CA3032812A1 (en) * | 2016-08-04 | 2018-02-08 | Reification Inc. | Methods for simultaneous localization and mapping (slam) and related apparatus and systems |
| CN106949895A (zh) * | 2017-04-13 | 2017-07-14 | 杭州申昊科技股份有限公司 | 一种适用于变电站环境下的巡检机器人定位方法 |
| CN107741745A (zh) * | 2017-09-19 | 2018-02-27 | 浙江大学 | 一种实现移动机器人自主定位与地图构建的方法 |
| CN109933056A (zh) * | 2017-12-18 | 2019-06-25 | 九阳股份有限公司 | 一种基于slam的机器人导航方法以及机器人 |
| CN109459033A (zh) * | 2018-12-21 | 2019-03-12 | 哈尔滨工程大学 | 一种多重渐消因子的机器人无迹快速同步定位与建图方法 |
| CN111006655A (zh) * | 2019-10-21 | 2020-04-14 | 南京理工大学 | 机场巡检机器人多场景自主导航定位方法 |
| CN111522339A (zh) * | 2020-04-20 | 2020-08-11 | 北京农业信息技术研究中心 | 畜禽舍巡检机器人自动路径规划与定位方法及装置 |
| CN111664843A (zh) * | 2020-05-22 | 2020-09-15 | 杭州电子科技大学 | 一种基于slam的智能仓储盘点方法 |
| CN112486171A (zh) * | 2020-11-30 | 2021-03-12 | 中科院软件研究所南京软件技术研究院 | 一种基于视觉的机器人避障方法 |
| CN112857379A (zh) * | 2021-01-22 | 2021-05-28 | 南京邮电大学 | 一种基于改进的Gmapping-SLAM地图更新方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114415655A (zh) | 2022-04-29 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108362288B (zh) | 一种基于无迹卡尔曼滤波的偏振光slam方法 | |
| CN108387236B (zh) | 一种基于扩展卡尔曼滤波的偏振光slam方法 | |
| Yousuf et al. | Information fusion of GPS, INS and odometer sensors for improving localization accuracy of mobile robots in indoor and outdoor applications | |
| CN113252033A (zh) | 基于多传感器融合的定位方法、定位系统及机器人 | |
| CN112652001B (zh) | 基于扩展卡尔曼滤波的水下机器人多传感器融合定位系统 | |
| Zong et al. | Research on obstacle avoidance method for mobile robot based on multisensor information fusion | |
| Tang et al. | OdoNet: Untethered speed aiding for vehicle navigation without hardware wheeled odometer | |
| CN114415655B (zh) | 一种基于改进slam的巡检机器人导航控制方法 | |
| Adam et al. | Fusion of fixation and odometry for vehicle navigation | |
| CN111025229B (zh) | 一种水下机器人纯方位目标估计方法 | |
| Chu et al. | Application of a novel polarization sensor to mobile robot navigation | |
| Nguyen et al. | Improving the accuracy of the autonomous mobile robot localization systems based on the multiple sensor fusion methods | |
| Baumgartner et al. | State estimation and vehicle localization for the FIDO rover | |
| Wang et al. | Research on mobile robot localization and mapping method for underground long-narrow tunnels | |
| CN112947481B (zh) | 一种家庭服务机器人自主定位控制方法 | |
| Narkhede et al. | Inertial sensors and GPS fusion using LSTM for position estimation of aerial vehicle | |
| KR100962674B1 (ko) | 이동 로봇의 위치 추정 방법 및 이를 위한 이동 로봇 | |
| Ray et al. | GPS and sonar based area mapping and navigation by mobile robots | |
| KR20230123060A (ko) | 로봇 감시 장치 및 로봇 감시 방법 | |
| Leng et al. | An improved method for odometry estimation based on EKF and Temporal Convolutional Network | |
| Aravind et al. | Enhancing GPS Position Estimation Using Multi-Sensor Fusion and Error-State Extended Kalman Filter | |
| Li et al. | Enabling commercial autonomous robotic space explorers | |
| RU2793982C1 (ru) | Устройство и способ для оптимизации траектории движения летательного аппарата | |
| Jin et al. | State estimation of unmanned vehicles in GPS restricted environment | |
| RU2794003C1 (ru) | Устройство и способ для уточнения траектории движения летательного аппарата |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |