移动机器人定位方法研究综述
基于激光雷达的移动机器人位姿估计方法综述
第２Ｉ卷第２期 ２００２年３月 机器人Ｆ１０８０Ｔ ｖｏ１．７．４，Ｎｏ．２ Ｍａｒｃｈ，２００２
文章编号：１００２—０４４６（２００２）０￣－０１７７—０７
基于激光雷达的移动机器人位姿估计方法综述
杨 明 王宏 张钹
（清华大学计算机系智能技术与系统国索重点宴礁蜜北京１０００８４）
摘要：位姿估计是移动机器人研究的一个校心问题．本文综述了国内外基于激光雷达的移动机器人位姿估 计的最新进展，并对各种方法进行分类、比较和分析，从中归纳出应用中值得注意的问题和发展趋势． 关键词：位姿估计ｆ激光雷达；移动机器人 中圈分类号：ＴＰ２４ 文献标识码：Ｂ
ｏＶＥＲＶＩＥＷ ＯＦ ＬＡＳＥＲ ＲＡＤＡＲ ＢＡＳＥＤ
ＰｏＳＥ ＥＳＴＩＭＡＴＩｏＮ ＦｏＲ ＭｏＢＩＬＥ ＲＯＢｏＴＳ
ＹＡＮＧ Ｍｉｎｇ ＷＡＮＧ Ｈｏｎｇ ＺＨＡＮＧ Ｂｏ （０ ｒＳｃｌｃｒ￣ｅ ａｎｄＴｅｃ＆ｗｌｏｇｙ ｍ ，ＴｓｌｎｇｈｕａＵｎｉｖｅｒｓｉｔｙＳｔａｔｅＫ 厶 蜘 ｌｍｄｌｌｇｅｍＴ￣：ｈｎｏｌｏｇｙａｎｄＳｗｔｃｍｓ）
＆ｈｓｔｒａｇｔ：Ｐｏｓｅ ｅｓｔｉｍａｔｉｏｎｉｓ ｏｎｅ。ｆｔｈｅ ｋｅｙ ｐｒｏｂｌ￣ｉｎ ｒａｏｈ．ｄ亡ｒｏｂｏｔｓ．ｎ ｓ ｐａｐｅｒ ｓｕｒｖｅ ｓｏ砒凸ｆｔｈｅｌａｔｅｏｔ ａｄｖａｎｃｅｓ ａｂｏｕｔ ｔｈｅ ｒｅｓｅａｒｃｈ ｏｎ ｌａｓｅｒ ｒａｄａｒ ｂａｓｅｄ ｐｏｓｅ ｅｓｔｉｍａｔｉｏｎ ｆｏｒ ｍｏｂｉｌｅ ｒｏｂｏｔｓ ｉｎ ｔｈｅ ｗｏｒｌｄ．Ｓｏｍｅ ｉｒａｐｏｒｔａｒ￣ｔ ｍｅｔｈｏｄｓ ａｒｅ ｃｌａｓｓｉｆｉｅｄ，ｃｏｍｐａｒｅｄ ａｎｄ ａｎａｌｙｚｅｄ．Ｔｈｅ ｐｒｏｂｌｅｍｓ ｔｈａｔ ａｌ＇ｅ ｗｏｒｔｈ ｐａｙｉ ｇ ｃｌｏｓｅ ａｔｔｅｎｔｉｏｎ ｔｏ ｉｎ ａｐｐｌｉｃａｔｉｏｎｓ Ⅱｔｈｅ ｒｅｓｅａｒｃｈ ｔｅｎｄｅｎｃｉｅｓ ａｌｅ ｉｎｄｕｃｅｄ． Ｋｅｙｗｏｒｄｓ：ｐｏｓｅ ｅｓｔｉｍａｔｉｏｎ，ｌａｓｅｒ ｒａｄａｒ，ａ＇￣ｂｉｈ ｒｏｂｏｔｓ
自主移动服务机器人现状与关键技术研究综述
第２Ｏ卷第６期 ２００７年１１月 机电产品开崖与 新 Ｄｅｖｅｌｏｐｍｅｎｔ＆Ｉｎｎｏｖａｔｉｏｎ ｏｆ Ｍａｃｈｉｎｅｒｙ＆Ｅｌｅｃｔｒｌｃａ［Ｐｒｏｄｕｃｔｓ Ｖｏ１．２０．Ｎｏ．６ Ｎｏｖ．，２００７
自主移动服务机器人现状与关键技术研究综述
余运昌 ，李绣峰 ，邓锦炽 ，向鹏 ，吴建
（１．五邑大学机电－ｒＥ系，广东江门５２９０２０；２．福莱利汽车配件有限公司，广东江门５２９０２０）
摘要：随着社会的发展，自主移动服务机器人技术迅速成为服务机器人领域中的一个研究热点，具有广
泛的应用和广阔的发展前景。简要介绍了国内外服务机器人的研究背景及其发展现状，对自主移动
机器人的关键技术即多传感器信息融合技术、路径规划与导航技术、电源技术和人一机交互技术
分别进行了介绍．并对目前存在的主要问题和解决方法进行了探讨。
关键词：服务机器人；多传感器信息融合；路径规划与导航；人一机交互技术
中图分类号：ＴＰ２４ 文献标识码：Ａ 文章编号：１００２—６６７３（２００７）０６—０４１—０３
０引言
近年来，机器人技术进一步得到研究与发展，其应
用领域也越来越广泛．从工业、农业、国防、科学试验
到服务业等人类社会的各个方面。
工业机器人使用量迅速增长的主要原因是价格不断
降低【ｌ】。自主移动服务机器人要走向市场，除了产品质
量、外形、款式要好外，更重要的是其价格要合理，这
才能让自主移动服务机器人从企事业单位走进千家万
户，从而对机器人的性价比提出了严峻的挑战。
１国内外研究现状
目前，国内外在移动服务机器人方面的研究很多，
而且已经开发出一些商业化产品，如智能清洁机器人、
伴舞机器人、娱乐机器人等。
２００５年日本爱知世博会举办的“机器人专题展”，
６５种机器人与观众见面。有伴舞机器人、机器人播音
员、机器人骑手、可进肚检查肠胃病机器人、“味觉”
机器人等新型服务机器人。日本最新开发的“清扫”
机器人，它酷似装有轮子的洗衣机，具备清扫高层建筑
移动机器人构建地图的研究与发展
第１９卷第２期 ２００２年６月 中国科学院研究生院学报 Ｊｏｕｒｎａｌ ｏｆ ｔｈｅ Ｇｒａｄｕａｔｅ Ｓｃｈｏｏｌ ｏｆ ｔｈｅ Ｃｈｉｎｅｓｅ Ａｃａｄｅｍｙ ｏｆ Ｓｃｉｅｎｃｅｓ Ｖ０１．１９ Ｎｏ．２ Ｊｕｎｅ ２００２
综述
移动机器人构建地图的研究与发展术
苏丽颖 谭 民
（中同科学院自动化研究所复杂系统控制实验室，北京 １０００８０）
（２００１年１０月２５口收稿）
摘 要 系统地综述了移动机器人探测环境构建地图的研究现状，总结了探测环境研究中机器
人的自定位、传感技术及其不确定性的补偿和不同性质数据的融合算法，在此基础上分析了该 研究领域中存在的问题，并对该研究方向未来的发展趋势进行了展望．
关键词 移动机器人，环境探测，地图构建 中图分类号ＴＰ２４２．６２
１ 引言
探测环境与构建地图是移动机器人研究领域中发展起来的一个研究方向¨ ，受到了研究人员的
日益关注．空问和危险场合是机器人的一个很重要应用领域．很多情况下，作业空间的信息是未知的，这
样在派机器人进入该环境时，就需要它对作业环境能进行有效地探测，构建出作业环境的地图来．只有在 了解了环境的基础上才可能进行导航、路径规划、避障策略和其他操作的设计．
２研究的主要内容
早期的许多系统是由操作者手动指挥机器人存环境中运动，要么是依靠预先存储的地图，要么是采 用被动机构来构建地图．而在另外的系统中，构建地图所需要的传感器一发动机数据是由机器人在人工 控制下采集到的，然后再采用离线的学习算法来找到与数据匹配的最好的地图来．尽管这些方法有一定
的优点，但是人工干预代价太大，而且易于产生人为误差 ．同样的，尽管反应式行为通常具有很好的鲁 棒性，但却不能保证在复杂大环境下建造出完整的地图来．因此最灵活的方法是让机器人通过基于地图 的自动搜索来自行构造地图，也就是说机器人能够自动标识出未探测的区域来，根据自己构建的地图导
航到这些区域，同时也不断地更新它所构建的地图．其基本思想就是，机器人总是要运行到已得出地图的 边缘，再用范围传感器探测新的未探测区域，这样就有新的区域不断地添加到已构建的地图中，直到机器
机器人文献综述
机器人文献综述
摘要：机器人是一种由主体结构、控制器、指挥系统和监测传感器组成的，能
够模拟人的某些行为、能够自行控制、能够重复编程、能在二维空间内完成一
定工作的机电一体化的生产设备。机器人技术是综合了计算机、控制论、机构
学、信息传感技术、人工智能、仿生学等多学科而形成的高新技术。是当代研究
十分活跃、应用日益广泛的领域。也是一个国家工业自动化水平的重要标志。
关键词：机器人历史 机器人分类 移动机器人技术
一、引言[1]
机器人是当代自动化技术和人工智能技术发展的典型体现，也代表着制造
技术发展的新水平，是一种由主体结构、控制器、指挥系统和监测传感器组成
的，能够模拟人的某些行为、能够自行控制、能够重复编程、能在二维空间内
完成一定工作的机电一体化的生产设备。机器人尤其是工业机器人的广泛应
用，极大提高了生产力。目前世界上使用的机器人已有百万之多，并且次数目
仍在快速增长。其应用领域也从传统的制造业、军事应用逐步扩展到服务业、
空间探索等。
二、机器人历史的发展[2]
2015年，国内版工业4.0规划——《中国制造2025》行动纲领出台，其中
提到，我国要大力推动优势和战略产业快速发展机器人，包括医疗健康、家庭服
务、教育娱乐等服务机器人应用需求。那么机器人发展阶段又如何呢?
20世纪20年代前后，捷克和美国的一些科幻作家创作了一批关于未来机器
人与人类共处中可能发生的故事之类的文学作品，使得机器人在人们的思想中
成为一种无所不能的“超人”。
1954年，美国的戴沃尔制造了世界第一台机器人实验装置，发表了《适用
于重复作业的通用性工业机器人》一文，并获得美国专利。
1960年，美国Unimation公司根据戴沃尔德技术专利研制出第一台机器人
物体级语义视觉SLAM研究综述
第40卷第12期2023年12月控制理论与应用
ControlTheory&ApplicationsVol.40No.12Dec.2023
物体级语义视觉SLAM研究综述
田瑞,张云洲†,杨凌昊,曹振中
(东北大学信息科学与工程学院,辽宁沈阳110819)
摘要:视觉同时定位与地图构建(Visualsimultaneouslocalizationandmapping,VSLAM)是自主移动机器人、自动驾驶、增强现实(AR)等领域的关键技术.随着深度学习的发展,准确高效的图像语义信息在VSLAM领域得到了广泛的应用.与传统SLAM相比,语义VSLAM利用语义信息提升了定位精度和鲁棒性,并通过物体级重建提高了环境感知能力,成为当前VSLAM领域的研究热点.本文对近年来优秀的物体级语义SLAM工作进行了阐述归纳和对比梳理,总结了该领域的4个关键问题,包括物体表达形式、物体初始化方法、融合语义信息的数据关联算法和融合物体级语义信息的后端优化方法.同时,对代表性方法进行了优缺点分析.最后,在现有技术成果和研究基础上,对物体级语义VSLAM面临的挑战和未来研究方向进行了展望和分析.当前物体级语义SLAM仍面临着物体关联不准确、物体优化框架不完善等问题.如何有效使用和维护语义地图以应用于决策规划等任务,以及融合多源信息以丰富视觉感知是未来的研究热点.关键词:视觉SLAM;数据关联;语义分割;物体级地图引用格式:田瑞,张云洲,杨凌昊,等.物体级语义视觉SLAM研究综述.控制理论与应用,2023,40(12):2160–2171DOI:10.7641/CTA.2023.30338
Surveyofobject-orientedsemanticvisualSLAM
TIANRui,ZHANGYun-zhou†,YANGLing-hao,CAOZhen-zhong
(CollegeofInformationScienceandTechnology,ShenyangLiaoning110819,China)Abstract:Visualsimultaneouslocalizationandmapping(VSLAM)isakeytechnologyforautonomousrobots,au-tonomousnavigation,andARapplications.Withthedevelopmentofdeeplearning,accurateandeffiparedwithtraditionalSLAM,semanticSLAMleveragessemanticinforma-tiontoimprovetheaccuracyandrobustnessoflocalization,andenhancesenvironmentalperceptionabilitybyobject-levelreconstruction,whichhasbecamethetrendinVSLAMresearch.Inthissurvey,weprovideanoverviewofsemanticSLAMtechniqueswithstate-of-the-artobjectSLAMsystems.FourkeyissuesofsemanticSLAMaresummarized,includingob-jectrepresentation,objectinitializationmethods,dataassociationmethods,andback-endoptimizationmethodsintegratingsemanticobjects.Theadvantagesanddisadvantagesofthecomparisonmethodsareprovided.Finally,weproposethefutureworkandchallengesofobject-levelSLAMtechnology.Currently,semanticSLAMstillfacesproblemssuchasinaccurateobjectassociationandanunifiedoptimizationframeworkhasnotyetbeenproposed.Howtoeffectivelyuseandmaintainsemanticmapsfortheapplicationofdecisionandplanningtasks,aswellasintegratemulti-sourceinformationtoenrichvisualperception,willbefutureresearchhotspots.Keywords:visualSLAM;dataassociation;semanticinformation;SemanticmappingCitation:TIANRui,ZHANGYunzhou,YANGLinghao,et.al.SurveyofObject-orientedSemanticvisualSLAM.ControlTheory&Applications,2023,40(12):2160–2171
基于UWB的自主跟随机器人定位方法
龙源期刊网
基于UWB的自主跟随机器人定位方法
作者：方晨晨
来源：《软件导刊》2016年第09期
摘要：自主跟随机器人中的定位是移动机器人研究领域中最基本、最重要的问题之一。移动机器人通过携带的传感器获取自身状态和周围环境信息，从而实现自主定位。对现有定位技术进行综述，提出基于UWB的自主跟随机器人定位方法及系统开发，利用DW1000建立自主跟随机器人定位系统模型，并通过LabVIEW进行定位算法程序编写，实现跟随机器人的定位。
关键词：自主跟随机器人；定位；UWB；DW1000；LabVIEW
DOIDOI：10.11907/rjdk.161900
中图分类号：TP319
文献标识码：A文章编号文章编号：16727800（2016）009012702
基金项目基金项目：
作者简介作者简介：方晨晨（1994-），女，安徽桐城人，上海理工大学光电信息与计算机工程学院学生，研究方向为控制科学与工程。
0引言
随着科技和社会发展，自主跟随机器人越来越受到关注。目前，自主跟随机器人的技术难点之一就是定位，定位是机器人完成诸如路径规划、自主导航等复杂任务的前提，是移动机器人领域的研究热点。现有定位技术有GPS、蓝牙技术、红外线技术、RFID技术、无线局域网络、超声波定位等。其中，GPS是目前应用最广泛的室外定位技术，其优势是卫星有效覆盖范围大，且定位导航信号免费。但GPS接收机在室内工作时，信号受建筑物的影响而大大衰减，定位精度较低，所以不适用于室内定位；蓝牙、RFID定位技术虽然受环境干扰较小，但作用距离短，通信能力不强，不便于整合到其它系统中；红外线技术功耗较大，且常常受到室内墙体或物体的阻隔，实用性较差；无线局域网络成本较低，但无论是用于室内还是室外定位，WiFi收发器都只能覆盖较小范围，而且易受环境中其它信号的干扰，从而降低了精度，定位器能耗也较高；超声波定位精度可达厘米级，精度比较高，但超声波在传输过程中衰减明显，从而影响其定位有效范围，且成本较高。 龙源期刊网
AGV移动机器人的五种定位技术介绍
AGV移动机器人的五种定位技术介绍
AGV（Automated Guided Vehicle）移动机器人是一种自动导引车辆，能够在工业和物流领域进行物品运输和搬运任务。为了准确定位AGV移动机器人的位置，可以采用多种定位技术。下面将介绍五种常见的AGV定位技术。
1.激光定位技术：激光定位技术是一种通过激光扫描仪实现的定位方法。它通过扫描周围环境并计算与物体的距离和角度来确定机器人的位置。这种定位技术具有高精度和高可靠性的特点，适用于需要精确定位的场景，如仓库等。
2.视觉定位技术：视觉定位技术是一种使用摄像头和图像处理算法来确定机器人位置的方法。它通过识别和匹配环境中的特征点或标志物来进行定位。视觉定位技术具有较高的灵活性和适应性，可以适应不同环境和场景的变化。
3.超声波定位技术：超声波定位技术是一种使用超声波传感器来测量距离和方向的方法。机器人通过发送超声波信号，并根据接收到的反射信号计算与物体的距离和方向，进而确定自身位置。这种定位技术需要在环境中设置超声波信号源，适用于开放空间和室内场景。
4.地磁定位技术：地磁定位技术是一种通过检测地球磁场强度和方向来进行定位的方法。机器人搭载磁力计和罗盘传感器，通过测量环境中的地磁场来确定自身位置。地磁定位技术具有较高的稳定性和精度，适用于室内和地下场景。
5.惯性导航定位技术：惯性导航定位技术是一种使用加速度计和陀螺仪等惯性传感器来确定机器人位置的方法。它通过测量机器人的加速度和角速度来计算和集成运动路径，并推算出位置。惯性导航定位技术具有较高的实时性和灵活性，适用于复杂环境和短距离运动。
这些AGV定位技术各有优劣，可以根据不同的应用场景和需求选择合适的技术。在实际应用中，也可以将多种定位技术进行组合和协同，以提高定位的精度和鲁棒性。随着技术的不断进步，AGV定位技术将会越来越成熟和普及。
室内移动机器人导航中信息获取方法研究综述
技术应用Ｔｅｃｈｎｉｑｕｅ ａｎｄ Ａｐｐｌｉｃａｔｉｏｎ
室内移动机器人导航中信息获取方法研究综述
Ｕ王琨 ～，骆敏舟 。，赵江海 。
１．中科院合肥智能机械研究所，安徽合肥２３００３１ ２．中国科学技术大学自动化系，安徽合肥２３００２７ ３．常州机械电子工程研究所，江苏常州２１３１６４）
摘要：应用传感器感知环境信息实现室内移动机器人导航是自主移动机器人最基本、也是最关键的方法。本 文对室内移动机器人导航所采取的信息获取方法进行了综述，分析比较了各国研究人员为实现室内自主移动 机器人导航所采用的各种不同的信息获取方法及多传感器融合算法。并总结了各种方法的优缺点。探讨了现 有的信息获取方法的存在的难点问题，并提出了该研究的发展方向。 关键词：信息获取；导航；多传感器；信息融合
０引言
机器人导航即指引导机器人安全、准确地沿着选
定的路线，准时到达目的地的一种手段。 导航主要解决的问题包括：１）精确获取机器人
在空间的位置、方向、环境信息；２）对获取信息进行 分析和环境建模；３）机器人安全移动的路径规划。为
了实现移动机器人的地图构建、定位、路径规划等功
能，导航需要利用各种传感器（如里程计、超声波、
激光测距仪、视觉传感器等）检测、分析处理环境信 息以实现移动机器人自主行走。
应用传感器感知的信息来实现可靠的导航是自 主移动机器人最基本、最重要的功能之一，也是移动
机器人实现自主移动的核心技术，是机器人研究领域
的重点和难点问题。研究人员跟据所应用的传感器技
术，对了机器人的导航方法进了长期、深入的研究， 取得了许多理论性和应用性的成果。
１导航采取的信息获取方法
机器人导航首先要完成移动机器人的地图构建 和定位。为了获得机器人的位姿和环境地图，机器人
必须具备能够感知外部世界的相关传感器。根据自主
移动机器人在导航采用的传感器信息获取方法分为两
类：一类是采用内部传感器来实现信息获取，它可以 感知机器人本身运动。这种传感器有：罗盘、里程计
基于RFID技术的移动机器人定位方法研究
MicrocomputerApplicationsVol.27,No.6,2011研究与设计微型电脑应用2011年第27卷第6期
文章编号：1007-757X(2011)06-0001-03
基于RFID技术的移动机器人定位方法研究
方毅
摘要：RFID技术利用无线射频信号在读写器与标签之间进行数据通信，射频信号具有一定的穿透性，解决了机器人定位
与地图创建过程中传感器非视距的问题。提出了一种新颖的利用周围环境中少量的位姿未知的标签来估算出机器人位姿的方
法，并采用粒子滤波算法来增强算法的鲁棒性。同时，还引入了RFID天线功率切换器来提高地图创建的准确性，降低了机
器人的定位误差。最后通过定量分析影响定位效果的3个主要因子，证明了这种定位方法具有较高的定位精度。
关键词：RFID；粒子滤波；功率切换；移动机器人
中图分类号：TP311文献标志码：A
0引言
在机器人定位研究领域中，定位与建图过程中的传感
器非视距问题依然存在[1]。近年来，射频识别技术（Radio
FrequencyIdentification,RFID）因为具有非视距数据通信等
优点，使得它在机器人建图和定位等领域中的应用也成为了
一个热门的研究课题。
以往的研究主要集中在使用比较成熟的125KHz的低
频RFID和13.56MHz的高频RFID。因为RFID标签可以存
储信息，研究者先把位姿信息存放在标签中，把RFID读写
器放在机器人底部，来实现机器人的高精度定位[2]。由于标
签距离间隔会影响机器人的定位精度，因此采用三角形方式
标签布置方法可以减少机器人的定位误差[3]。低频和高频
RFID定位精度较高，但是它的读写距离较小（一般小于
20cm），需要布置大量的标签。D.Hahnel把RFID标签信息
与基于激光传感器的快速SLAM算法相结合，实现了机器
人的鲁棒性定位[4]。但是，他的定位方法需要对RFID读写
器建立模型，同时需要额外的激光传感器信息作辅助。RFID
移动机器人定位技术研究综述
移动机器人定位技术研究综述
移动机器人定位是确定其在已知环境中所处位置的过程，是实现移动机器
人自动导航能力的关键。依据机器人所采用传感器类型的不同，其定位方式有
所不同。目前应用较广泛的传感器有里程计、超声波、激光器、摄像机、红外
线、深度相机、GPS 定位系统等等。与其相对应的机器人定位技术可分成绝对
定位、相对定位技术两大类。所谓的绝对定位是指采用导航标记、主(被)动标
识、地图匹配、GPS 等技术进行定位，精度较高。而相对定位是指通过度量机
器人相对于起始位置的方向和距离来推断出机器人当前的位置信息，又称为航
位推算法。
1.基于地图匹配的定位技术
基于地图匹配的机器人定位问题主要侧重分析机器人在地图上可能所处的位
置的搜寻和辨别，其重点在于机器人能够感知获得所处局部环境的位置信息与
已知地图中的位置环境信息相匹配。此外，基于地图匹配的机器人定位通常需
要和其他定位方法相结合进而实现定位。基于深度视觉描述机器人所处环境的
几何地图与基于卡尔曼滤]、粒子滤波的扫描匹配定位方法是与概率推断方法相
结合的经典代表，且有成功的应用。
2.基于路标标识的定位技术
路标]具体是指有显著特征的，且能够被机器人上所安装传感器识别的一类物
体的统称。人为设定的路标在机器人所处的三维空间中有自己本身固定的地理
位置。因此，机器人定位的核心任务就是要可靠地、快速地辨识出路标，并计
算出机器人所处地图中的实际地理位置。实际定位精度的高低主要取决于对路
标标识的准确辨识以及对环境位置信息提取的准确快速程度。