-
公开(公告)号：CN114756027B
公开(公告)日：2025-02-11
申请号：CN202210363527.5
申请日：2022-04-08
Applicant: 重庆邮电大学
IPC: G05D1/43 , G05D1/246 , G05D1/633 , G05D1/644 , G05D109/10
Abstract: 本发明属于移动机器人路径规划领域，具体涉及一种基于改进蚁群算法与贝塞尔曲线的移动机器人路径规划方法，包括采用改进蚁群算法进行初次路径规划，获取成功到达目标节点的所有路径；对成功到达目标节点的所有路径进行二次路径规划，得到一条最优路径；采用贝塞尔曲线对最优路径中的转折点进行平滑处理，得到平滑的最优路径；本发明得到的路径安全性更高、更加平滑，使得机器人在工作环境中能够更加灵活地行使，提高了机器人的工作效率。
-
公开(公告)号：CN114815619B
公开(公告)日：2024-11-15
申请号：CN202210484338.3
申请日：2022-05-06
Applicant: 重庆邮电大学
IPC: G05B13/04
Abstract: 本发明属于机器人跟踪领域，具体涉及一种量测随机丢失下基于卡尔曼滤波的机器人跟踪方法；构建量测丢失下的非线性机器人跟踪系统模型，引入服从Gamma分布的辅助参数，将量测噪声先验分布建模为学生t分布，采用服从伯努利分布的随机变量对量测丢失情形的状态空间模型建模，其次将传统量测噪声协方差矩阵定义为修正量测噪声协方差矩阵，并基于变分贝叶斯理论求取非线性系统的状态和待估计参数的近似后验分布，最终输出滤波器估计出的量测丢失概率和滤波结果，本发明能预估量测丢失概率，减小机器人跟踪的性能误差，也减小了跟踪过程中野值干扰的影响。
-
公开(公告)号：CN115560774A
公开(公告)日：2023-01-03
申请号：CN202211300546.X
申请日：2022-10-24
Applicant: 重庆邮电大学
IPC: G01C21/34
Abstract: 本发明涉及移动机器人路径规划领域，具体涉及一种面向动态环境的移动机器人路径规划方法；包括建立静态栅格地图设置起始节点与目标节点；基于双层蚁群算法进行全局路径规划，在伪随机状态转移规则中引入下一节点到目标节点的欧氏距离的倒数；采用改进的信息素更新策略更新信息素浓度，并利用死锁处理策略惩罚陷入死锁的蚂蚁和使用回退策略的蚂蚁；直到迭代完成得到静态最优路径；采用关键点筛选策略对静态最优路径进行关键点筛选得到平滑静态最优路径；加入未知静态障碍物和动态障碍物，采用改进动态窗口法对平滑静态最优路径进行局部规划，最终输出动态最优路径；该方法有较快的收敛速度、较强的全局搜索能力以及实时避障能力。
-
Patent Agency Ranking
公开(公告)号：CN113076988A
公开(公告)日：2021-07-06
申请号：CN202110338343.9
申请日：2021-03-25
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种基于神经网络的移动机器人视觉SLAM关键帧自适应筛选方法，属于移动机器人领域，包括以下步骤：利用IMU信息计算出的移动机器人的相对位移和角度变化量筛选出候选关键帧；利用视觉传感器获得的图像信息对候选关键帧进行筛选，从候选关键帧中筛选出最终的关键帧；其中两次筛选关键帧的相关阈值和权重由神经网络自适应生成。本发明在保证了系统的定位精度和鲁棒性的前提下，减少了视觉信息处理数量，提高了系统实时性。
-
公开(公告)号：CN115560774B
公开(公告)日：2023-11-17
申请号：CN202211300546.X
申请日：2022-10-24
Applicant: 重庆邮电大学
IPC: G01C21/34
Abstract: 本发明涉及移动机器人路径规划领域，具体涉及一种面向动态环境的移动机器人路径规划方法；包括建立静态栅格地图设置起始节点与目标节点；基于双层蚁群算法进行全局路径规划，在伪随机状态转移规则中引入下一节点到目标节点的欧氏距离的倒数；采用改进的信息素更新策略更新信息素浓度，并利用死锁处理策略惩罚陷入死锁的蚂蚁和使用回退策略的蚂蚁；直到迭代完成得到静态最优路径；采用关键点筛选策略对静态最优路径进行关键点筛选得到平滑静态最优路径；加入未知静态障碍物和动态障碍物，采用改进动态窗口法对平滑静态最优路径进行局部规划，最终输出动态最优路径；该方法有较快的收敛速度、较强的全局搜索能力以及实时避障能力。
-
公开(公告)号：CN114815619A
公开(公告)日：2022-07-29
申请号：CN202210484338.3
申请日：2022-05-06
Applicant: 重庆邮电大学
IPC: G05B13/04
Abstract: 本发明属于机器人跟踪领域，具体涉及一种量测随机丢失下基于卡尔曼滤波的机器人跟踪方法；构建量测丢失下的非线性机器人跟踪系统模型，引入服从Gamma分布的辅助参数，将量测噪声先验分布建模为学生t分布，采用服从伯努利分布的随机变量对量测丢失情形的状态空间模型建模，其次将传统量测噪声协方差矩阵定义为修正量测噪声协方差矩阵，并基于变分贝叶斯理论求取非线性系统的状态和待估计参数的近似后验分布，最终输出滤波器估计出的量测丢失概率和滤波结果，本发明能预估量测丢失概率，减小机器人跟踪的性能误差，也减小了跟踪过程中野值干扰的影响。
-
公开(公告)号：CN114756027A
公开(公告)日：2022-07-15
申请号：CN202210363527.5
申请日：2022-04-08
Applicant: 重庆邮电大学
IPC: G05D1/02
Abstract: 本发明属于移动机器人路径规划领域，具体涉及一种基于改进蚁群算法与贝塞尔曲线的移动机器人路径规划方法，包括采用改进蚁群算法进行初次路径规划，获取成功到达目标节点的所有路径；对成功到达目标节点的所有路径进行二次路径规划，得到一条最优路径；采用贝塞尔曲线对最优路径中的转折点进行平滑处理，得到平滑的最优路径；本发明得到的路径安全性更高、更加平滑，使得机器人在工作环境中能够更加灵活地行使，提高了机器人的工作效率。
-
公开(公告)号：CN113076988B
公开(公告)日：2022-06-03
申请号：CN202110338343.9
申请日：2021-03-25
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种基于神经网络的移动机器人视觉SLAM关键帧自适应筛选方法，属于移动机器人领域，包括以下步骤：利用IMU信息计算出的移动机器人的相对位移和角度变化量筛选出候选关键帧；利用视觉传感器获得的图像信息对候选关键帧进行筛选，从候选关键帧中筛选出最终的关键帧；其中两次筛选关键帧的相关阈值和权重由神经网络自适应生成。本发明在保证了系统的定位精度和鲁棒性的前提下，减少了视觉信息处理数量，提高了系统实时性。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.015 seconds)
