一种基于聚类跟踪的动态障碍物滤除方法

    公开(公告)号:CN119291646A

    公开(公告)日:2025-01-10

    申请号:CN202411366304.X

    申请日:2024-09-29

    Applicant: 同济大学

    Abstract: 本发明涉及一种基于聚类跟踪的动态障碍物滤除方法,通过多线激光雷达的自适应欧式聚类算法对原始点云进行物体级分割,随后通过计算聚类间的距离和边界框体积比构建相似度函数,形成描述帧间匹配度的二分图。采用Kuhn‑Munkres算法寻找最大权匹配,实现聚类关联。通过追踪聚类中心的运动轨迹,利用短期运动一致性判断动态障碍物,并在建图过程中滤除动态障碍物的点云信息。该方法有效解决了传统方法在实时性和精度上的不足,显著提升了移动机器人在复杂环境中的导航和定位性能。与现有技术相比,本发明具有对动态障碍物的滤除效率高、精度高和连续性实时性好等优点。

    一种基于区域生长法的移动机器人路径规划方法

    公开(公告)号:CN112147998B

    公开(公告)日:2021-12-07

    申请号:CN202010853744.3

    申请日:2020-08-24

    Applicant: 同济大学

    Abstract: 本发明涉及一种基于区域生长法的移动机器人路径规划方法,包括步骤:读取工作环境代价地图,在可行域内随机选择一系列坐标点;采用区域生长法,以随机选择的坐标点为中心,分别向代价地图的左上、左下、右上和右下四个方向以三角形形状生长,对可行域内的坐标点划分区域,获取划分后的区域地图,并重新计算每个区域的区域中心点坐标;根据处理结果确定移动机器人当前位置所属的区域,并确定目标点所属的区域,采用改进的A*算法规划路径;将起点坐标和终点坐标加入规划路径中;采用theta*算法对路径进行优化,获取最终优化路径。与现有技术相比,本发明可有效降低机器人跟随路径时与障碍物发生碰撞的风险。

    一种基于区域生长法的移动机器人路径规划方法

    公开(公告)号:CN112147998A

    公开(公告)日:2020-12-29

    申请号:CN202010853744.3

    申请日:2020-08-24

    Applicant: 同济大学

    Abstract: 本发明涉及一种基于区域生长法的移动机器人路径规划方法,包括步骤:读取工作环境代价地图,在可行域内随机选择一系列坐标点;采用区域生长法,以随机选择的坐标点为中心,分别向代价地图的左上、左下、右上和右下四个方向以三角形形状生长,对可行域内的坐标点划分区域,获取划分后的区域地图,并重新计算每个区域的区域中心点坐标;根据处理结果确定移动机器人当前位置所属的区域,并确定目标点所属的区域,采用改进的A*算法规划路径;将起点坐标和终点坐标加入规划路径中;采用theta*算法对路径进行优化,获取最终优化路径。与现有技术相比,本发明可有效降低机器人跟随路径时与障碍物发生碰撞的风险。

    一种基于点云路标的机器人高精定位控制方法及系统

    公开(公告)号:CN119784825A

    公开(公告)日:2025-04-08

    申请号:CN202411986941.7

    申请日:2024-12-31

    Applicant: 同济大学

    Abstract: 本发明涉及一种基于点云路标的机器人高精定位控制方法及系统,方法包括以下步骤:获取布置在预设的点位上的点云路标的标准点云集合;获取激光雷达扫描数据,转换为二维激光点云数据,滤除异常点,检测跳变点,得到若干点云簇集合,经过筛选得到候选点云簇集合;利用ICP算法将候选点云簇与标准点云进行匹配,并进行匹配程度评价,得到当前帧点云路标的正确匹配结果,进而得到机器人的准确实时位姿;若当前帧点云路标匹配失败,则使用轮式里程计对机器人的准确实时位姿进行追踪与更新;根据准确实时位姿,通过状态机结合PID运动控制方法控制机器人移动到目标点。与现有技术相比,本发明实现机器人的高精度定位与控制,满足众多特殊作业需求。

    一种基于UWB与激光雷达的室内行人跟随与避障方法

    公开(公告)号:CN112130559A

    公开(公告)日:2020-12-25

    申请号:CN202010847107.5

    申请日:2020-08-21

    Applicant: 同济大学

    Abstract: 本发明涉及一种基于UWB与激光雷达的室内行人跟随与避障方法,包括以下步骤:1)利用AGV车载UWB模块获取行人坐标信息,利用激光雷达获取障碍物信息,并实时发送至上位机;2)根据行人坐标信息搜索行人跟随路径,根据障碍物信息规划避障路径,获取AGV当前位姿信息(x,y,θ),并分别发送至路径跟踪控制模块;3)路径跟踪控制模块计算AGV当前位姿与行人跟随路径之间的关系,并通过模糊PID算法输出线速度v和角速度w;4)将线速度v和角速度w发送至控制模块,实现AGV对行人的稳定跟踪,与现有技术相比,本发明具有提高准确性和稳定性等优点。

    一种基于聚类的激光数据动态障碍物滤除方法

    公开(公告)号:CN115454093B

    公开(公告)日:2025-02-28

    申请号:CN202211210403.X

    申请日:2022-09-30

    Applicant: 同济大学

    Abstract: 本发明涉及一种基于聚类的激光数据动态障碍物滤除方法,包括以下步骤:S1、获取激光数据并进行预处理;S2、根据激光数据进行聚类,完成对障碍物的提取;S3、根据相邻帧中提取的障碍物的相似度对障碍物在时间轴上进行关联,实现障碍物的跟踪,并得到障碍物在激光传感器坐标系下的相对速度;S4、获取移动机器人在地图坐标系下的运动速度,并结合障碍物的相对速度判断障碍物在静态环境中的动态属性;S5、滤除激光数据中的动态障碍物对应的激光数据点。与现有技术相比,本发明无需借助摄像头获取视觉信息,避免了对动态障碍物额外的识别,通过相关参数的灵活调整实现激光数据中的动态障碍物的有效滤除。

    一种基于ArUco码引导的移动机器人自主充电方法

    公开(公告)号:CN112183133A

    公开(公告)日:2021-01-05

    申请号:CN202010885831.7

    申请日:2020-08-28

    Applicant: 同济大学

    Abstract: 本发明涉及一种基于ArUco码引导的移动机器人自主充电方法,包括步骤:对机器人设置充电触点以及单目相机,并在其运行环境中布局设有ArUco码的充电桩;建立环境地图,标记充电桩的位置及朝向;设置导航目标点、目标姿态,规划移动机器人的运动轨迹;识别充电桩上的ArUco码,获取其在图像上的角点坐标;将单目相机获取的机器人位姿与机器人自身提供的线速度、角速度相结合,获取精确移动机器人位姿;采用PID方法控制机器人前往充电桩进行对接,进行自主充电。与现有技术相比,本发明使用ArUco码引导稳定,在有光的前提下,能够达到100%的充电成功率;引导流畅,能够使机器人快速、平滑地对接充电桩。

    一种基于多闭环串级控制的滚球系统运动控制方法

    公开(公告)号:CN110716504A

    公开(公告)日:2020-01-21

    申请号:CN201911001085.4

    申请日:2019-10-21

    Applicant: 同济大学

    Abstract: 本发明涉及一种基于多闭环串级控制的滚球系统运动控制方法,用于以摄像头作为单一传感器的滚球系统,该滚球系统包括滚球、目标点、平板、摄像头和控制机构,控制机构采用多闭环串级控制方案对滚球的运动进行控制,多闭环串级控制方案以通过摄像头实时获取的数据信息作为反馈,对滚球的运动进行调整,多闭环串级控制方案包括,当滚球与目标点的距离大于预设的第一距离时,采用基于速度环和加速度环的双闭环串级控制,速度环以滚球在平板上的速度作为反馈信号,加速度环以滚球在平板上的加速度作为反馈信号。与现有技术相比,本发明滚球系统运动控制方法易于实施,控制效果好,能够使滚球快速、精确、稳定地到达平板上的目标点。

    一种基于代价地图的记忆性存储障碍物方法

    公开(公告)号:CN114859892B

    公开(公告)日:2025-03-25

    申请号:CN202210349827.8

    申请日:2022-04-02

    Applicant: 同济大学

    Abstract: 本发明涉及一种基于代价地图的记忆性存储障碍物方法,包括以下步骤:1)在移动机器人行驶过程中,将传感器检测到的障碍物数据经过处理加入到代价地图中障碍物层中的二维栅格地图内;2)分别构建一个与栅格地图相同规模的时间地图和次数地图,用以分别记录栅格地图相应位置的更新时间以及障碍物的删除次数;3)根据传感器检测区域和时间地图确定障碍物层的更新区域;4)在更新区域内更新栅格地图,并根据设定的衰减函数更新对应的代价值;5)在代价地图的膨胀层中基于代价值对记忆性存储的障碍物进行膨胀。与现有技术相比,本发明具有动态删除观测障碍物实现规划最优、考虑全面实际、适用性广等优点。

    一种基于聚类的激光数据动态障碍物滤除方法

    公开(公告)号:CN115454093A

    公开(公告)日:2022-12-09

    申请号:CN202211210403.X

    申请日:2022-09-30

    Applicant: 同济大学

    Abstract: 本发明涉及一种基于聚类的激光数据动态障碍物滤除方法,包括以下步骤:S1、获取激光数据并进行预处理;S2、根据激光数据进行聚类,完成对障碍物的提取;S3、根据相邻帧中提取的障碍物的相似度对障碍物在时间轴上进行关联,实现障碍物的跟踪,并得到障碍物在激光传感器坐标系下的相对速度;S4、获取移动机器人在地图坐标系下的运动速度,并结合障碍物的相对速度判断障碍物在静态环境中的动态属性;S5、滤除激光数据中的动态障碍物对应的激光数据点。与现有技术相比,本发明无需借助摄像头获取视觉信息,避免了对动态障碍物额外的识别,通过相关参数的灵活调整实现激光数据中的动态障碍物的有效滤除。

Patent Agency Ranking