搜索资源列表
Soundsourcelocalizationforobotauditorysystemusingt
- 基于互相关函数，采用求和广义互相关函数(summed-GCC)法用于机器人系统平台。由于采用不同的映射函数(mapping functions)，GCC法在该平台下，只需三个麦克风即可进行三维定位，突破了基于TDOA法进行三维声源定位最少需4个麦克风的限制-Based on cross-correlation function, using generalized cross-correlation function sum (summed-GCC) method for the robot s
Anapplicationsystemofprobabilisticsoundsourcelocal
- 结合马尔可夫过程，提出一种概率论的声源定位算法，并给出了基于DSP的机器人实现。其中声源定位部分采用三个麦克风呈三角形放置，为减小由于噪声等引起的TDOA估计误差，采用马尔可夫过程计算时延，这样计算的时延会更可靠。该方案中的声源定位也属于一维定位，即只需知道声源的方向角-Combination of Markov process, a probability theory of sound source location algorithm, and give the robot based o
slam1
- 有关移动机器人同步定位和导航SLAM的几篇文章，很好-mobile robot slam .very good
ROBOCUP
- 足球机器人视觉处理方法，及针对特殊情况提出的图像处理方法，根据图像简单的定位目标-Research on Vision Process Technique for Micro Soccer Robot
positioning-type-robot-system-for-medical-research
- 随动定位式医用扶持机器人系统研制，随动控制机器人在医学上很有价值，很有利用空间。-With support for dynamic positioning-type robot system for medical research, the robot servo control valuable in medicine, very use of space.
shuixiajiqirenxingnengtishenyanjiu
- 超小型水下机器人关键技术提升，包括水声定位、三维重构。自动控制等。-Ultra-small underwater robots to enhance key technologies, including acoustic positioning, three-dimensional reconstruction. Automatic control.
EKFslamppt
- 一个详细讲述卡尔曼滤波的ppt，通过它可以学习有关卡尔曼滤博，和机器人自主定位的知识- Kalman filter detailed ppt, through which you can learn more about Bo Kalman filter, and knowledge of robot autonomous localization
globally-camera
- ：遥操作中采用全局摄像机对机器人进行定位时存在图像畸变带来的误差，针对这一 问题提出了一种图像畸变校正方法，该方法采用径向基神经网络(RBFNN)进行畸变校 正，从而获得机器人在实际空间中的坐标位置。实验表明，该方法简单有效，适用于广角镜 头带来的图像畸变校正，可以满足利用定位坐标进行路径规划的要求。-: Image distortion error when using the the global camera on the robot locate teleoperation
Indoor-Location
- 介绍室内机器人传感器定位的一种方法，给研究提出了新方向-Introduction indoor robot sensor positioning method to study proposes a new direction
FastSLAM---Localization-and-Mapping
- 快速同时定位与地图创建问题在机器人四旋翼无人机上的应用，公式推导，包括卡尔曼滤波及其扩展卡尔曼滤波 -FastSLAM -A Scalable Method forthe Simultaneous Localization and Mapping Problem in Robotics
SLAM
- 本文研究了基于多传感器组合导航方法的SLAM，由于移动机器人无法通过单个传 感器得到可靠的信息，采用多传感器组合导航的方法可以很好的解决这个问题。本文用单个 CCD摄像头和里程计组合进行SLAM研究，并得到更准确的机器人位姿信息。首先用SIFT 算法对不同图像进行特征提取和匹配，得到本质矩阵，对它进行分解，可得到机器人的旋转 矩阵和平移向量(和实际相差一个比例因子)。然后，将它与里程计信息结合，得到机器人的 位姿。在此基础上，可以得到特征点在当前摄像机坐标系中的三维坐标，即创