[go: up one dir, main page]
More Web Proxy on the site http://driver.im/

CN103926930A - 一种基于Hilbert曲线探测的多机器人协作地图构建方法 - Google Patents

一种基于Hilbert曲线探测的多机器人协作地图构建方法 Download PDF

Info

Publication number
CN103926930A
CN103926930A CN201410191404.3A CN201410191404A CN103926930A CN 103926930 A CN103926930 A CN 103926930A CN 201410191404 A CN201410191404 A CN 201410191404A CN 103926930 A CN103926930 A CN 103926930A
Authority
CN
China
Prior art keywords
robot
particle
detection
barrier
hilbert curve
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.)
Pending
Application number
CN201410191404.3A
Other languages
English (en)
Inventor
唐贤伦
李腊梅
蒋畅江
王福龙
陈龙
张毅
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Chongqing University of Post and Telecommunications
Original Assignee
Chongqing University of Post and Telecommunications
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Chongqing University of Post and Telecommunications filed Critical Chongqing University of Post and Telecommunications
Priority to CN201410191404.3A priority Critical patent/CN103926930A/zh
Publication of CN103926930A publication Critical patent/CN103926930A/zh
Pending legal-status Critical Current

Links

Landscapes

  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
  • Manipulator (AREA)

Abstract

本发明提出一种基于MAPSO算法的多机器人地图构建方法,该方法采用MAPSO全局优化方法与Hilbert曲线探测方法相结合,可有效提高多机器人环境探测精度,减少重复探测次数。综合运用Hilbert曲线特性以及机器人的探测半径,并采用MAPSO算法对机器人待测子区域分配问题进行全局优化,可以避免重复探测,提高探测效率。在Hilbert曲线探测过程中,每个机器人只会在自己的子区域进行探测,避免了机器人发生碰撞的情况。

Description

一种基于Hilbert曲线探测的多机器人协作地图构建方法
技术领域
本发明涉及一种多移动机器人的地图构建方法,尤其涉及一种基于多Agent粒子群优化(MAPSO)算法和Hilbert曲线探测的多移动机器人协作地图构建方法。
背景技术
地图构建是一个具有典型性和通用性的多机器人协调问题,是多机器人协调问题的基础。地图构建技术已广泛应用于国防、工农业、柔性制造业以及无人探险等领域。目前常用的地图表示方法分为三类:栅格法、拓扑法以及几何信息表示法。基于栅格的方法仅需决定每个栅格是空(及栅格的值为0)还是存在障碍物(即栅格的值为1),对环境的其他特征不感兴趣,且栅格地图容易建立、维护;拓扑法适用于结构化环境,不适用于非结构化环境;基于几何信息表示的方法较为紧凑,便于目标识别以及位置估计。
多Agent粒子群优化算法(MAPSO)需要调整的参数较少,易于实现,且可进行并行计算和无梯度计算,有较好的全局搜索能力。在MAPSO系统中,采用竞争、运动搜索模型,每个备选解被称为“粒子”,该粒子为解空间候选解,解的优劣程度由适应度函数决定。其中,适应度函数根据优化目标定义。多个粒子并存,通过和选取的邻居粒子竞争、合作而得到最优值,速度决定粒子在搜索空间单位迭代次数的位移。
Hilbert曲线探测方法配合机器人的可探测半径,可以避免重复探测相同的区域。多机器人之间协同对未知环境的探测,较大地提高了探测精度,节省探测时间。
发明内容
本发明提出一种基于MAPSO的Hilbert曲线探测构建地图的方法,在对子区域进行Hilbert曲线探测的实现中,引入MAPSO算法对机器人待测子区域分配问题进行全局优化,实现多机器人协作建图,达到减少多机器人在协作建图中的重复探测次数,提高探测效率的目的。
本发明的总体解决方案是:用多机器人完成Hilbert曲线探测,并使用MAPSO算法进行全局优化,使机器人找到近似最优目标区域进行探测。采用栅格法进行地图建模,根据未知环境的整体大小设定正方形区域作为待探测区域。根据机器人的探测半径将待探测区域分割为一些子区域,即其中每个子区域的边长均为机器人探测半径的整数倍。而每个子区域再分割即为传统的栅格,栅格的大小相当于机器人的可探测范围,并采用MAPSO算法为多个机器人分配优选的子区域,而在子区域内部采用Hilbert曲线探测。
本发明所述的方法具体包括如下步骤:
步骤1:将所需探测的环境划分为若干子区域。
步骤2:通过MAPSO算法使处于当前位置的四个机器人找到近似最优目标区域。如果每个机器人都找到有效探测区域,则转到步骤3;如果每个机器人都没有找到有效探测区域,则转到步骤5,即任务结束;如果只有部分机器人没有找到有效探测区域,则按照当前的位置进行下一轮MAPSO算法规划,即返回到步骤2,直到每个机器人都找到有效探测区域。
步骤3:四个机器人采用分布式结构对目标区域进行一步Hilbert曲线探测。
步骤4:判断是否四个机器人全部都完成Hilbert曲线探测过程,如果是,则机器人将进行信息融合,绘制探测的结果图,并转到步骤2;否则,返回步骤3,进行下一步Hilbert曲线探测。
步骤5:任务结束。
本发明主要针对标准的Hilbert曲线探测进行改进,引入MAPSO算法进行全局优化,
本发明提出的基于MAPSO算法的多机器人环境探测方法采用MAPSO全局优化方法与Hilbert曲线探测方法相结合,使得多个机器人尽量避免重复探测,保持相互远离,距离原来的位置最近,实现多机器人协作建图。本方法可有效提高多机器人环境探测精度,减少重复探测次数。综合运用Hilbert曲线特性以及机器人的探测半径,可以避免重复探测,提高探测效率。在Hilbert曲线探测过程中,每个机器人只会在自己的子区域进行探测,避免了机器人发生碰撞的情况。
附图说明
图1基于多Agent粒子群优化和Hilbert曲线探测的多机器人协作建图方法的流程图。
具体实施方式
下面结合附图对本发明进行进一步的说明。
如图1所示,本发明运用MAPSO算法与Hilbert曲线探测的方法相结合,具体实现步骤如下:
步骤1:根据机器人的探测半径,将所需探测的环境划分为若干子区域,为MAPSO全局优化做准备。
步骤2:通过MAPSO算法使处于当前位置的四个机器人找到近似最优目标子区域。当算法结束时,如果每个机器人都找到有效探测区域,则执行下一步的Hilbert曲线探测,即转到步骤3;如果每个机器人都没有找到有效探测区域,则转到步骤5,即任务结束;如果只有部分机器人没有找到有效探测区域,则根据当前的位置进行下一轮MAPSO算法规划,即返回到步骤2,直到每个机器人都找到有效探测区域。
具体地,多Agent粒子群优化算法兼有进化计算和群智能的特点,利用该算法使多个机器人尽量保持相互远离,距离原来的位置最近,并且保证探测区域尽量不重复。
在多Agent粒子群优化算法过程主要包括以下几个部分:
(1)初始化粒子群体:MAPSO首先随机地初始化一群粒子,其中第i个粒子在d维解空间的位置为Xi=(Xi1,Xi2,Xi3,...,Xid),初始化粒子的两个极值个体最优值(pbest)和全局最优值(gbest)。
(2)竞争:每个粒子从环境中选取离自己最近的8个粒子作为邻居粒子,并根据计算适应度值调整自己的位置信息。
(3)更新:粒子通过动态跟踪pbest和gbest来更新其速度和位置,其公式如下:
vid(t+1)=wvid(t)+c1r1[pbest(t)-xid(t)]+c2r2[gbest(t)-xid(t)]     (1)
xid(t+1)=xid(t)+vid(t+1     )(2)
式中,vid(t+1)表示t+1时刻第i个粒子在d维解空间的速度,xid(t+1)表示t+1时刻第i个粒子在d维解空间的位置,c1=c2=2,为加速因子,w=0.7298为惯性因子,r1和r2是介于[0,1]之间的随机数,t代表时刻t。
(4)计算适应度值:根据适应度函数计算每个粒子的适应度值,其公式如下:
ffitness=w1D1-w2D2+w3S1     (3)
式中,D1代表机器人的下一个探测目标与当前位置的距离总和,实验中,希望该值越小;D2代表下一个目标区域中,各机器人的距离总和;当机器人处于下一个目标位置进行探测的时候,S1正比于已探测区域面积与目标区域的比值。w1,w2,w3为前三个条件函数的加权因子w1+w2+w3=1。
根据适应度函数更新粒子的全局最优值。当计算所得的最优值到达设计要求时或者算法到达最大迭代次数时,退出MAPSO寻优算法;否则返回到(2)。
步骤3:四个机器人采用分布式结构对目标区域进行一步Hilbert曲线探测。
本发明对探测环境做一下假设:
(1)环境采用栅格法进行建模和描述,各栅格cell(i,j)值cell[i][j]∈{0,1},0表示没有被障碍物占据,1表示被障碍物占据。
(2)机器人已知其初始位置。机器人可以依据其当前所在的位置坐标计算下一步的位置,在仿真中不计因机器人和任意物理因素而导致的定位误差。机器人可以探测障碍物的范围即为传感器可以感知的范围。
(3)环境对机器人来讲是未知的,当其对环境进行探测之后,才能构建环境地图。
(4)每个机器人都可以保存局部地图,在整个地图构建完成之前,每个机器人都保存自己所探测的地图。结束仿真时,机器人将其保存的局部地图传给多机器人系统,这时,完成整个地图的构建,而每个机器人所保存的环境地图被再次置空。
Hilbert曲线探测的原理是机器人沿着四条首尾相连的Hilbert曲线对环境进行探测,每一步Hilbert曲线探测都有两种可能状态:flag=0即探测、flag=1即避障。
探测:机器人在初始时刻或者退出避障时,机器人自动进入探测状态。
避障:当机器人遇到障碍物的时候,就进入避障状态,机器人沿障碍物的左侧进行探测,当机器人回到发现障碍的点时,机器人自动退出避障状态,进入探测状态。如果障碍物处跨越了两个子区域时,每个机器人遵循只在自己的子区域探测原则,在子区域的边界处沿原方向返回。当机器人再一次到达子区域的边界是,就理解为已经完成自己区域的探测任务,机器人退出避障状态。机器人根据flag的值进行相应的运动。
步骤4:判断是否四个机器人全部都完成Hilbert曲线探测过程,如果是,则机器人将进行信息融合,绘制探测的结果图,并转到步骤2;否则,返回步骤3,进行下一步Hilbert曲线探测。
步骤5:任务结束。
以上结合附图对本发明的具体实施方式作了说明,但这些说明不能被理解为限制了本发明的范围,本发明的保护范围由随附的权利要求书限定,任何在本发明权利要求基础上的改动都是本发明的保护范围。

Claims (5)

1.一种基于多Agent粒子群优化和Hilbert曲线探测的多机器人协作地图构建方法,其特征在于,所述方法包括以下步骤:
步骤1:根据机器人的探测半径,将所需探测的环境划分为若干子区域,为MAPSO进行全局优化做准备;
步骤2:采用多Agent粒子群算法进行全局优化,使处于当前位置的四个机器人找到近似最优目标区域;如果每个机器人都找到有效探测区域,则继续执行步骤3;如果每个机器人都没有找到有效探测区域,则转到步骤5;如果只有部分机器人没有找到有效探测区域,则按照当前的位置进行下一轮MAPSO算法规划,即返回步骤2,直到每个机器人都找到有效探测区域;
步骤3:四个机器人采用分布式结构对目标区域进行一步Hilbert曲线探测;
步骤4:判断是否四个机器人全部都完成Hilbert曲线探测过程,如果是,则机器人将进行信息融合,绘制探测的结果图,并转到步骤2;否则,返回步骤3,进行下一步Hilbert曲线探测。
步骤5:任务结束。
2.根据权利要求1所述的多机器人协作地图构建方法,其特征在于,所述步骤1具体是采用栅格法进行地图建模,根据未知环境的整体大小设定正方形区域作为待探测区域,把待探测区域分割为一些子区域,其中每个子区域的边长均为机器人探测半径的整数倍,而每个子区域再分割即为传统的栅格,栅格的大小相当于机器人的可探测范围。
3.根据权利要求1所述的多机器人协作地图构建方法,其特征在于,所述步骤2中的采用多Agent粒子群算法进行全局优化的过程包括以下几个部分:
(1)初始化粒子群体:MAPSO首先随机地初始化一群粒子,其中第i个粒子在d维解空间的位置为Xi=(Xi1,Xi2,Xi3,...,Xid),初始化粒子的两个极值个体最优值(pbest)和全局最优值(gbest);
(2)竞争:每个粒子按照从环境中选取离自己最近的8个粒子作为选取邻居粒子,并根据计算适应度值调整自己的位置信息;
(3)更新:粒子通过动态跟踪pbest和gbest来更新其速度和位置,其公式如下:
vid(t+1)=wvid(t)+c1r1[pbest(t)-xid(t)]+c2r2[gbest(t)-xid(t)]     (1)
xid(t+1)=xid(t)+vid(t+1)     (2)
式中,vid(t+1)表示t+1时刻第i个粒子在d维解空间的速度,xid(t+1)表示t+1时刻第i个粒子在d维解空间的位置,c1=c2=2,为加速因子,w=0.7298为惯性因子,r1和r2是介于[0,1]之间的随机数,t代表时刻t;
(4)计算适应度值:根据适应度函数计算每个粒子的适应度值,其公式如下:
ffitness=w1D1-w2D2+w3S1     (3)
式中,D1代表机器人的下一个探测目标与当前位置的距离总和,实验中,希望该值越小;D2代表下一个目标区域中,各机器人的距离总和;当机器人处于下一个目标位置进行探测的时候,S1正比于已探测区域面积与目标区域的比值。w1,w2,w3为前三个条件函数的加权因子w1+w2+w3=1;
根据适应度函数更新粒子的全局最优值,当计算所得的最优值到达设计要求时或者算法到达最大迭代次数时,退出MAPSO寻优算法;否则返回到(2)。
4.根据权利要求1所述的多机器人协作地图构建方法,其特征在于,所述步骤3的Hilbert曲线探测过程如下:机器人沿着四条首尾相连的Hilbert曲线对环境进行探测,机器人根据flag的值进行相应的运动,每一步Hilbert曲线探测都有两种可能状态:flag=0即探测、flag=1即避障;
探测:机器人在初始时刻或者退出避障时,机器人自动进入探测状态;
避障:当机器人遇到障碍物的时候,就进入避障状态,机器人沿障碍物的左侧进行探测,当机器人回到发现障碍的点时,机器人自动退出避障状态,进入探测状态;如果障碍物处跨越了两个子区域时,每个机器人遵循只在自己的子区域探测原则,在子区域的边界处沿原方向返回;当机器人再一次到达子区域的边界是,就理解为已经完成自己区域的探测任务,机器人退出避障状态。
5.根据权利要求4所述的多机器人协作地图构建方法,其特征在于,步骤3中,需要对环境进行构建:已知障碍物的位置、大小,通过机器人探测器获取全局信息,存储于机器人内部信息库,为所有机器人共享,当进入机器人需要采取避障行为的范围时,提取相应障碍物或其它机器人信息。
CN201410191404.3A 2014-05-07 2014-05-07 一种基于Hilbert曲线探测的多机器人协作地图构建方法 Pending CN103926930A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201410191404.3A CN103926930A (zh) 2014-05-07 2014-05-07 一种基于Hilbert曲线探测的多机器人协作地图构建方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201410191404.3A CN103926930A (zh) 2014-05-07 2014-05-07 一种基于Hilbert曲线探测的多机器人协作地图构建方法

Publications (1)

Publication Number Publication Date
CN103926930A true CN103926930A (zh) 2014-07-16

Family

ID=51145188

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201410191404.3A Pending CN103926930A (zh) 2014-05-07 2014-05-07 一种基于Hilbert曲线探测的多机器人协作地图构建方法

Country Status (1)

Country Link
CN (1) CN103926930A (zh)

Cited By (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104330968A (zh) * 2014-11-18 2015-02-04 重庆邮电大学 一种基于改进支持向量回归的逆模型pid复合控制方法
CN106227237A (zh) * 2016-09-29 2016-12-14 广州极飞科技有限公司 无人机的飞行任务的分配方法和装置
CN106272423A (zh) * 2016-08-31 2017-01-04 哈尔滨工业大学深圳研究生院 一种针对大尺度环境的多机器人协同制图与定位的方法
CN108362294A (zh) * 2018-03-05 2018-08-03 中山大学 一种应用于自动驾驶的多车协同建图方法
CN109298386A (zh) * 2018-10-17 2019-02-01 中国航天系统科学与工程研究院 一种基于多智能体协同的三维未知区域快速探测方法
CN109426222A (zh) * 2017-08-24 2019-03-05 中华映管股份有限公司 无人搬运系统及其操作方法
CN109919431A (zh) * 2019-01-28 2019-06-21 重庆邮电大学 基于拍卖算法的异构多机器人任务分配方法
CN110146091A (zh) * 2019-07-02 2019-08-20 成都翼若云天科技有限公司 一种基于空间划分的智能机器人自主导航方法
CN111121753A (zh) * 2019-12-30 2020-05-08 炬星科技(深圳)有限公司 机器人联合建图方法、设备及计算机可读存储介质
CN111609848A (zh) * 2020-05-21 2020-09-01 北京洛必德科技有限公司 一种用于多机器人协作建图的智能优化方法及系统
WO2020207390A1 (zh) * 2019-04-09 2020-10-15 云鲸智能科技(东莞)有限公司 探测方法、装置、移动机器人及存储介质
CN111811510A (zh) * 2019-04-11 2020-10-23 德国福维克控股公司 由手动的、仅自动的地面处理器和计算装置组成的系统

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2124122A1 (en) * 2007-02-13 2009-11-25 Toyota Jidosha Kabushiki Kaisha Environment map drawing method and mobile robot
CN101920498A (zh) * 2009-06-16 2010-12-22 泰怡凯电器(苏州)有限公司 实现室内服务机器人同时定位和地图创建的装置及机器人
JP2011129095A (ja) * 2009-12-18 2011-06-30 Korea Electronics Telecommun 自律走行ロボットを利用した地図生成方法、これを利用した最適走行経路算出方法およびこれらを遂行するロボット制御装置
CN102402225A (zh) * 2011-11-23 2012-04-04 中国科学院自动化研究所 一种实现移动机器人同时定位与地图构建的方法
CN102915039A (zh) * 2012-11-09 2013-02-06 河海大学常州校区 一种仿动物空间认知的多机器人联合目标搜寻方法
CN103439972A (zh) * 2013-08-06 2013-12-11 重庆邮电大学 一种动态复杂环境下的移动机器人路径规划方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2124122A1 (en) * 2007-02-13 2009-11-25 Toyota Jidosha Kabushiki Kaisha Environment map drawing method and mobile robot
CN101920498A (zh) * 2009-06-16 2010-12-22 泰怡凯电器(苏州)有限公司 实现室内服务机器人同时定位和地图创建的装置及机器人
JP2011129095A (ja) * 2009-12-18 2011-06-30 Korea Electronics Telecommun 自律走行ロボットを利用した地図生成方法、これを利用した最適走行経路算出方法およびこれらを遂行するロボット制御装置
CN102402225A (zh) * 2011-11-23 2012-04-04 中国科学院自动化研究所 一种实现移动机器人同时定位与地图构建的方法
CN102915039A (zh) * 2012-11-09 2013-02-06 河海大学常州校区 一种仿动物空间认知的多机器人联合目标搜寻方法
CN103439972A (zh) * 2013-08-06 2013-12-11 重庆邮电大学 一种动态复杂环境下的移动机器人路径规划方法

Cited By (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104330968A (zh) * 2014-11-18 2015-02-04 重庆邮电大学 一种基于改进支持向量回归的逆模型pid复合控制方法
CN106272423A (zh) * 2016-08-31 2017-01-04 哈尔滨工业大学深圳研究生院 一种针对大尺度环境的多机器人协同制图与定位的方法
CN106227237B (zh) * 2016-09-29 2019-03-29 广州极飞科技有限公司 无人机的飞行任务的分配方法和装置
CN106227237A (zh) * 2016-09-29 2016-12-14 广州极飞科技有限公司 无人机的飞行任务的分配方法和装置
CN109426222A (zh) * 2017-08-24 2019-03-05 中华映管股份有限公司 无人搬运系统及其操作方法
CN108362294A (zh) * 2018-03-05 2018-08-03 中山大学 一种应用于自动驾驶的多车协同建图方法
CN109298386B (zh) * 2018-10-17 2020-10-23 中国航天系统科学与工程研究院 一种基于多智能体协同的三维未知区域快速探测方法
CN109298386A (zh) * 2018-10-17 2019-02-01 中国航天系统科学与工程研究院 一种基于多智能体协同的三维未知区域快速探测方法
CN109919431A (zh) * 2019-01-28 2019-06-21 重庆邮电大学 基于拍卖算法的异构多机器人任务分配方法
CN109919431B (zh) * 2019-01-28 2023-04-07 重庆邮电大学 基于拍卖算法的异构多机器人任务分配方法
WO2020207390A1 (zh) * 2019-04-09 2020-10-15 云鲸智能科技(东莞)有限公司 探测方法、装置、移动机器人及存储介质
GB2598678A (en) * 2019-04-09 2022-03-09 Yunjing Intelligence Tech Dongguan Co Ltd Detection method and apparatus, and mobile robot and storage medium
GB2598678B (en) * 2019-04-09 2023-05-10 Yunjing Intelligence Tech Dongguan Co Ltd Detection method, device, mobile robot and storage medium
CN111811510A (zh) * 2019-04-11 2020-10-23 德国福维克控股公司 由手动的、仅自动的地面处理器和计算装置组成的系统
CN110146091A (zh) * 2019-07-02 2019-08-20 成都翼若云天科技有限公司 一种基于空间划分的智能机器人自主导航方法
CN111121753A (zh) * 2019-12-30 2020-05-08 炬星科技(深圳)有限公司 机器人联合建图方法、设备及计算机可读存储介质
CN111609848A (zh) * 2020-05-21 2020-09-01 北京洛必德科技有限公司 一种用于多机器人协作建图的智能优化方法及系统

Similar Documents

Publication Publication Date Title
CN103926930A (zh) 一种基于Hilbert曲线探测的多机器人协作地图构建方法
CN107436148B (zh) 一种基于多地图的机器人导航方法及装置
CN106371445B (zh) 一种基于拓扑地图的无人车规划控制方法
CN103809597B (zh) 无人机的飞行路径规划方法及无人机
Li et al. Autonomous area exploration and mapping in underground mine environments by unmanned aerial vehicles
KR20160048530A (ko) 자율 이동 차량의 경로 생성 방법 및 경로 생성 장치
CN113686347A (zh) 机器人导航路径的生成方法及装置
Yan et al. ACS-PRM: Adaptive cross sampling based probabilistic roadmap for multi-robot motion planning
Ren et al. ROG-map: An efficient robocentric occupancy grid map for large-scene and high-resolution LiDAR-based motion planning
CN113093759A (zh) 基于多传感器信息融合的机器人编队构造方法及系统
Sherwin et al. A single RF emitter-based indoor navigation method for autonomous service robots
McGuire et al. Optimal maneuvering for autonomous vehicle self-localization
WO2018085766A1 (en) Mobile network localization
Kwon et al. A new feature commonly observed from air and ground for outdoor localization with elevation map built by aerial mapping system
Li et al. Object-aware view planning for autonomous 3-D model reconstruction of buildings using a mobile robot
Li et al. Autonomous planetary rover navigation via active SLAM
de Melo Neto et al. Environment exploration with multiple vehicles and fastslam technique
Wanasinghe et al. A Jacobian free approach for multi-robot relative localization
Xie et al. Micro aerial vehicle indoor localization using prior map and spare sonars
Li et al. Promising SLAM Methods for Automated Guided Vehicles and Autonomous Mobile Robots
Shu et al. An imu/sonar-based extended kalman filter for mini-uav localization in indoor environment
Gao et al. A novel autonomous exploration algorithm via LiDAR/IMU SLAM and hierarchical subsystem for mobile robot in unknown indoor environments
Park et al. Mathematical formulation of RFID tag floor based localization and performance analysis for tag placement
Chen et al. Multi-robot Active SLAM based on Submap-joining for Feature-based Representation Environments
Sandberg et al. A robot localization method based on laser scan matching

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20140716