导读:本文包含了全局地图论文开题报告文献综述及选题提纲参考文献，主要关键词:自动导引车(AGV),视觉定位,叁维重建,稀疏地图
全局地图论文文献综述
张浩悦,程晓琦,刘畅,孙军华[1]（2019）在《基于全局稀疏地图的AGV视觉定位技术》一文中研究指出为了实现自动导引车(AGV)在复杂工业环境下的高精度定位,克服环境变化给定位带来的影响,提出了基于全局稀疏地图的视觉定位方法。首先,设计了大容量二维编码点,作为人工路标铺设在工业环境的地面;然后,基于一种四边形识别算法,在复杂工业环境中准确分割和识别二维编码点;最后,利用二维编码点提供的编码信息,鲁棒匹配图像中的特征点,并以此为基础,使用一种分参数块优化的叁维重建策略,实现了工业环境的大规模地图构建,为AGV视觉定位提供了一种稀疏电子地图。AGV视觉的定位通过匹配车载视觉传感器图像中的特征点和稀疏电子地图实现。停车重复定位精度小于0. 5 mm,角度偏差小于0. 5°,轨迹平均位移误差小于0. 1%。实际应用结果表明,该方法能在复杂工业环境中实现AGV视觉的定位,定位的速度和精度方面都满足工业应用的要求,为AGV的视觉定位提供了新的思路。(本文来源于《北京航空航天大学学报》期刊2019年01期）
李昊[2]（2017）在《激光导航AGV在特征地图中的全局定位方法研究》一文中研究指出自动导引车(Automated guided vehicle,AGV)在智能制造与物流系统中得到了快速的发展,其全局定位是自主导航技术中的研究热点之一。马尔可夫(Markov)定位算法是一种基于概率分布的全局定位方法,其通用性强并能解决多模和非线性问题,得到了广泛的关注和研究。目前在特征地图中还没有适用的基于概率的全局定位方法,本文在建立AGV的Markov定位方法相关模型的基础上,对特征地图中的全局定位问题展开了研究。针对特征地图中应用Markov定位算法在对自动导引车全局定位时,常会出现传感器观测与地图之间的特征数据关联不唯一而导致定位失败的问题。提出了一种不通过数据关联的Markov定位计算新方法。利用高斯核函数将环境中的稀疏特征拟合成平滑致密曲线,通过对比传感器观测和算法预测得到的两个致密曲线相似度来计算Markov定位中的观测模型。同时直接利用电子罗盘传感器得到AGV的姿态信息,使算法只关注于求解AGV离散化位置的信度而不必同时计算AGV位姿的叁维数据,在解决常规Markov定位方法在中心对称环境中失效问题的基础上减少了算法计算量,通过仿真分析验证了该全局定位方法的有效性。针对Markov定位算法计算量大、效率低的问题,在AGV姿态由电子罗盘信息直接得出的基础上提出了基于四叉树模型的变分辨率离散化平面栅格方法。通过将AGV位姿估计的叁维状态空间减少到二维平面栅格,并在定位过程中减少对地图中信度常为零的栅格区域的重复计算以提高算法的运算效率和信度极值收敛速度。仿真结果验证了变分辨率栅格离散化方法的有效性,与基于高斯核函数的固定分辨率Markov定位方法相比,该方法对AGV的全局定位效率更高。最后,通过半封闭环境下的自动导引车全局定位实验,对比扩展卡尔曼滤波方法估计出的AGV运动轨迹,验证了本文方法即使在AGV初始位姿未知的情况下,估计出的AGV运动轨迹精度依旧更高,定位结果更有效。(本文来源于《南京航空航天大学》期刊2017-03-01）
杨旭华,汪向飞[3]（2015）在《基于低采样率浮动车数据的全局投票地图匹配算法》一文中研究指出针对现有地图匹配算法在低采样率时错误率较高的问题,提出一种全局投票地图匹配算法.算法在浮动车GPS轨迹数据的基础上,充分考虑道路网络的拓扑结构和不同距离的GPS轨迹点对匹配过程的影响.算法考虑道路网络的几何特性和拓扑结构,首先得出作为初始结果的静态匹配矩阵,定义距离加权函数对静态匹配矩阵进行修正,得到动态匹配矩阵,在此基础上进行全局投票,找出最优轨迹作为地图匹配的结果.最后采用杭州出租车数据对算法进行验证,结果显示:在采样率低情况下,算法能够充分利用已有信息,得到较好的地图匹配效果.(本文来源于《浙江工业大学学报》期刊2015年03期）
刘杰[4]（2013）在《基于环境地图的机器人全局路径规划的研究》一文中研究指出基于环境地图的机器人全局路径规划是在环境已知的条件下,通过一定的算法规划出符合机器人运动条件的较优路径的过程。相比基于传感器的局部路径规划,基于环境地图的全局路径规划可以有效的减少路径规划时间,减小机器人的转弯半径及路径长度,从而降低机器人能耗。论文融合人工势场法和蚁群算法,提出了一种具有自主学习能力的智能路径规划算法。论文主要工作内容包括四个部分。(1)对环境地图的栅格建模。首先建立基于机器人尺寸和环境地图大小的栅格粒度计算方法；然后根据障碍物间的位置信息,对栅格模型进行膨胀运算,数学分析及仿真实验表明栅格模型可有效减小路径规划的运算量；最后,对所建立的栅格进行标定及存储。(2)建立改进的人工势场。首先从引力场、合力方向、强制跳出死循环等叁个方面对人工势场算法进行改进：第一以当前位置到目标点距离的倒数作为引力场的大小；第二,将合力方向由360。离散为8个方向,以简化运算量,第叁路径规划陷入死循环时,添加垂直于合力方向的附加力,强制跳出死循环。然后基于改进的人工势场算法,求取每个栅格的合力大小和方向,并存储。最后通过对比实验,验证改进人工势场算法路径规划的正确性。(3)基于改进蚁群算法的路径规划。将整个规划过程分为两个阶段,第一个阶段,在路径规划初期以改进人工势场算法获得的合力场方向作为启发因子,使得蚂蚁在人工势场的作用下,有倾向性的移动；第二个阶段,当蚁群算法收敛于较优路径时,消除启发因子的作用,使得蚁群转移完全依据信息素的更新,克服了蚂蚁的惰性,强制蚁群探索新的更优路径。通过数学推导和实验验证,确定最优效果下的算法参数,并制定四项评价指标即最佳性能指标、时间性能指标、鲁棒性能指标和综合评价指标,以评价路径的质量高低；最后通过实验,验证算法的有效性。(4)移动机器人运行实验与分析。搭建了基于旅行家二号轮式移动机器人的实验平台,开发了相应的算法程序。首先对实验平台运动建模,获得实验平台的控制方程；然后在多组环境下,依据所提出的方法及算法,进行机器人路径规划和追踪,并以计算耗时、机器人路径节点数及转弯半径等指标对路径规划的效果进行综合评价,最后得出改进蚁群算法具有很好的路径规划效果和适应性。(本文来源于《武汉理工大学》期刊2013-05-01）
刘涛,何卫平,雷蕾[5]（2013）在《基于多摄像头的AGV全局导航地图创建》一文中研究指出为了创建AGV大范围全局导航地图,论文提出一种基于多摄像头的全局导航地图创建方法。首先,在AGV活动区域上方垂直安装多个摄像头采集大范围区域的局部图像;其次,通过相位相关法和改进的SURF特征匹配相结合的算法对四幅局部图像进行拼接;最后,采用基于粒子群的模糊C均值聚类算法对全局图像进行分割提取障碍物信息,并建立室内环境全局导航地图。实验表明该方法与现有算法相比具有更好的实时性,能够快速建立全局导航地图。(本文来源于《计算机与数字工程》期刊2013年04期）
郭毅[6]（2012）在《中型组机器人足球比赛系统的全局地图构建研究》一文中研究指出中型组机器人足球比赛系统是一个非常典型的多智能体分布式控制系统,它是人工智能、机器人学、传感器等多个学科和领域的集成。它主要研究解决的是在一个复杂的比赛环境中,多个机器人如何有效、实时地获取到比赛环境的信息,并根据获取的实时信息实现相互之间的通信和协作,构建出全局地图,并进一步通过决策处理,运动控制系统执行任务指令,最终完成比赛任务。它提供了一个标准的实验平台来促进多机器人系统、人工智能等领域的发展,其理论与技术能够应用于工业、国防、医疗等实践领域,能有有效地推动国家的科技与经济的发展。所以机器人足球比赛系统的研究具有非常高的挑战性,也具有很高的理论研究价值和实际应用价值。本文以RoboCup中型组机器人足球比赛系统为研究对象,从比赛环境地图的局部地图构建和全局地图构建两个方面进行了深入研究。本文的主要研究内容如下：1.机器人局部地图构建结合RoboCup中型组机器人足球比赛系统的特点,机器人局部地图的构建在机器人自身上完成。数据融合的融合结构采用集中式的结构,比赛场地上各个机器人自身携带的多个传感器获取到的环境地图数据将会直接传输到各个机器人的车载笔记本上进行处理,根据局部地图构建相关的算法经过数据融合后,能够快速、准确地完成出机器人的局部地图构建。2.中型组机器人足球比赛系统的全局地图构建各个机器人完成各自局部地图构建后,将局部地图信息无线传输到场外教练机上进行数据融合。当多个机器人的前向单目视觉获取到足球的观测值时,本文提出采用基于均值方差比的融合算法对其进行数据融合,当多个机器人的全向视觉获取到对方机器人的观测值时,本文提出采用基于支持度的融合算法对其进行数据融合。最后利用这两种算法完成比赛全局地图的构建,并且能达到有效地排除噪声数据干扰的影响。论文最后对全文进行了总结,说明本文的主要研究成果,同时指出了论文存在的不足以及有待进一步研究解决的问题。(本文来源于《广东工业大学》期刊2012-06-01）
郭毅,杨宜民[7]（2011）在《一种基于支持度的机器人足球系统全局地图构建方法》一文中研究指出由于机器人传感器的自身精度和足球比赛环境中未知的外界干扰,使得机器人的观测值精度受到影响,从而导致比赛中全局地图的构建不够精确。针对上述情况,采用一种基于支持度的全局地图构建方法。该方法利用相对距离的定义以及模糊集合理论中隶属度函数的优点,通过挖掘多机器人观测值间的相互支持程度,进而合理地分配各观测值在融合过程中所占的权重,达到构建出精确的全局地图的目的。通过仿真实例,验证该方法的有效性。(本文来源于《现代计算机(专业版)》期刊2011年29期）
张学习,杨宜民,谢云[8]（2011）在《全自主机器人足球系统的全局地图构建研究》一文中研究指出研究和讨论了如何通过多机器人的协作,实现全局地图的构建.在单个机器人通过自身携带的多传感器进行局部地图构建的基础上,研究了前向单目视觉传感器的建模方法,在此观测模型的基础上,用极大似然融合算法对球的位置信息进行融合,而对于多机器人返回的对方机器人位置信息,使用基于密度的空间聚类算法(DBSCAN)进行信息融合,从而实现全局地图构建.实验结果表明,通过多机器人的协作,可以准确地构建出全局地图,弥补了单个机器人自身传感器的有限感知范围,本文研究的方法完全满足全自主机器人足球比赛中动态环境地图构建的需要.(本文来源于《控制理论与应用》期刊2011年07期）
张学习,杨宜民[9]（2011）在《基于全向视觉的移动机器人实时全局地图构建》一文中研究指出实时全局地图构建是实现移动机器人智能化的关键;研究了一种基于全向视觉的移动机器人全局地图的实时构建方法.首先介绍了全向视觉的体系结构,然后对图像处理软件的相关模块,包括基于颜色的阈值分割、区域连通、特征提取和目标识别等进行了说明,最后通过坐标的转换实现全局地图的构建;实验结果表明,由于充分利用了全向视觉的特性,构建的全局地图准确性高、实时性好,完全能够满足移动机器人对环境建模的需要。(本文来源于《计算机测量与控制》期刊2011年03期）
周武,赵春霞,沈亚强,张棉好[10]（2010）在《基于全局观测地图模型的SLAM研究》一文中研究指出在SLAM领域中,为了克服稀疏特征地图不能提供详尽环境信息的缺点,从观测信息的物理意义出发,提出了全局观测地图模型.其基本思想是在稀疏特征地图中嵌入全局密集地图信息,采用位移准则、特征准则和传感器量程准则提取必要的观测信息,然后对观测信息进行去噪、转换,接着根据观测信息的物理意义和机器人位姿估计的不确定性获取环境的全局密集地图,可视化后得到环境的二值地图、灰度地图或颜色地图.将全局观测地图模型与EKF-SLAM算法相结合,提出了GOE-SLAM算法,采用Car Park Dataset对GOE-SLAM进行了实验验证,结果表明GOE-SLAM生成了可信的密集地图,并且GOE-SLAM的计算复杂度与EKF-SLAM相当.(本文来源于《机器人》期刊2010年05期）
全局地图论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
自动导引车(Automated guided vehicle,AGV)在智能制造与物流系统中得到了快速的发展,其全局定位是自主导航技术中的研究热点之一。马尔可夫(Markov)定位算法是一种基于概率分布的全局定位方法,其通用性强并能解决多模和非线性问题,得到了广泛的关注和研究。目前在特征地图中还没有适用的基于概率的全局定位方法,本文在建立AGV的Markov定位方法相关模型的基础上,对特征地图中的全局定位问题展开了研究。针对特征地图中应用Markov定位算法在对自动导引车全局定位时,常会出现传感器观测与地图之间的特征数据关联不唯一而导致定位失败的问题。提出了一种不通过数据关联的Markov定位计算新方法。利用高斯核函数将环境中的稀疏特征拟合成平滑致密曲线,通过对比传感器观测和算法预测得到的两个致密曲线相似度来计算Markov定位中的观测模型。同时直接利用电子罗盘传感器得到AGV的姿态信息,使算法只关注于求解AGV离散化位置的信度而不必同时计算AGV位姿的叁维数据,在解决常规Markov定位方法在中心对称环境中失效问题的基础上减少了算法计算量,通过仿真分析验证了该全局定位方法的有效性。针对Markov定位算法计算量大、效率低的问题,在AGV姿态由电子罗盘信息直接得出的基础上提出了基于四叉树模型的变分辨率离散化平面栅格方法。通过将AGV位姿估计的叁维状态空间减少到二维平面栅格,并在定位过程中减少对地图中信度常为零的栅格区域的重复计算以提高算法的运算效率和信度极值收敛速度。仿真结果验证了变分辨率栅格离散化方法的有效性,与基于高斯核函数的固定分辨率Markov定位方法相比,该方法对AGV的全局定位效率更高。最后,通过半封闭环境下的自动导引车全局定位实验,对比扩展卡尔曼滤波方法估计出的AGV运动轨迹,验证了本文方法即使在AGV初始位姿未知的情况下,估计出的AGV运动轨迹精度依旧更高,定位结果更有效。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
全局地图论文参考文献
[1].张浩悦,程晓琦,刘畅,孙军华.基于全局稀疏地图的AGV视觉定位技术[J].北京航空航天大学学报.2019
[2].李昊.激光导航AGV在特征地图中的全局定位方法研究[D].南京航空航天大学.2017
[3].杨旭华,汪向飞.基于低采样率浮动车数据的全局投票地图匹配算法[J].浙江工业大学学报.2015
[4].刘杰.基于环境地图的机器人全局路径规划的研究[D].武汉理工大学.2013
[5].刘涛,何卫平,雷蕾.基于多摄像头的AGV全局导航地图创建[J].计算机与数字工程.2013
[6].郭毅.中型组机器人足球比赛系统的全局地图构建研究[D].广东工业大学.2012
[7].郭毅,杨宜民.一种基于支持度的机器人足球系统全局地图构建方法[J].现代计算机(专业版).2011
[8].张学习,杨宜民,谢云.全自主机器人足球系统的全局地图构建研究[J].控制理论与应用.2011
[9].张学习,杨宜民.基于全向视觉的移动机器人实时全局地图构建[J].计算机测量与控制.2011
[10].周武,赵春霞,沈亚强,张棉好.基于全局观测地图模型的SLAM研究[J].机器人.2010
标签：自动导引车(AGV); 视觉定位; 叁维重建; 稀疏地图;