针对纵向滑动参数未知的轮式移动机器人的轨迹跟踪问题, 提出一种自适应跟踪控制策略. 利用两个未知参 数来描述移动机器人左右轮的纵向打滑程度, 建立了产生纵向滑动的差分驱动轮式移动机器人的运动学模型; 设计 了补偿纵向滑动的自适应非线性反馈控制律; 应用Lyapunov 稳定性理论与Barbalat 定理证明了闭环系统的稳定性; 同时, 提出了一种由极点配置方法在线调整控制器增益的方法. 仿真结果验证了所提出控制方法的有效性.

Dijkstra、Astar 和动态规划的基于采样的移动机器人路径规划算法在这个存储库中，我们简要介绍了 Dijkstra、Astar 和动态规划方法的完整源代码，以在 2D 图上找到从起始节点到结束节点的最佳路径。 我们还提供了在给定地图上执行这些算法的主脚本。 我们已经在 map_definition.m 源代码中提供了一个示例地图 creatin。 我们在显示障碍物的地图中定义了所有封闭的多边形。 在示例地图中，有 13 个不同的障碍物，其边缘由给定的 x 和 y 坐标定义。 一个示例如下所示； map.pgx{1}=[2 8.5 8.5 4 2 2 1 1 2 4 2]; map.pgy{1}=[8 10 1 3 3 1 1 6 6 5 8]; 您可以添加新的障碍物或修改给定的障碍物以创建自己的地图。 基于采样的路径规划在基于采样的方法中，我们需要在地图上生成一定数量的点，

针对粒子滤波方法存在粒子贫乏以及初始状态未知时需要大量粒子才能进行鲁棒状态预估等问题,将粒子群优化思想引入粒子滤波中.该方法将最新观测值融合到采样过程中,并对采样过程利用粒子群优化算法进行优化.通过优化,可使粒子集朝后验概率密度分布取值较大的区域运动,从而克服了粒子贫乏问题,并极大地降低了精确预估所需的粒子数.实验结果表明,该算法具有较高的预估精度和较好的鲁棒性.

以移动机器人视觉导航为应用背景，针对传统ORB算法在视觉SLAM中存在特征点分布不均匀、重叠特征点较多的问题，提出一种改进ORB算法。首先，对每层图像的尺度空间金字塔进行网格划分，增加空间尺度信息；其次，在特征点检测时，采用改进FAST角点自适应阈值提取，设置感兴趣区域；然后，采用非极大值抑制的方法，抑制低阈值特征点的输出；最后，使用基于区域图像特征点分布的方差数值评价待检测图像中特征点的分布情况。实验结果表明，改进ORB算法特征点的分布较为均匀，输出特征点重叠数量较少，执行时间较短。

自主移动机器人的感知，使用ROS，rs-lidar-16，SLAM，基于Yolov5的DNN的目标检测自主移动机器人的感知，借助SLAM，离线地图定位和2Dto3D目标检测，初步自主移动机器人环境感知系统完成设备自主移动机器人IMU Xsens MTi-G700 Robosense lidar-16 Realsense D435相关工作基于对象检测和定位RealsenseD435的工作：SC-LeGO-LOAM hdl_localization Video对象示例ROS检测：下一个ROS和SLAM版本已上载，但我

移动机器人的超声模糊避障算法.pdf 介绍了关于移动机器人的超声模糊避障算法的详细说明，提供机器人知识的技术资料的下载。

基于ROS的室内移动机器人导航技术研究，论文综述性的内容概括比较全面，易懂，具有借鉴性。论文综述性的内容概括比较全面，易懂，具有借鉴性

针对蚁群算法路径规划初期信息素浓度差异较小，正反馈作用不明显，路径搜索存在着盲目性、收敛速度相对较慢、易陷入局部最优等情况，人工势场算法的势场力可引导机器人快速朝目标位置前进，提出势场蚁群算法，通过栅格法对机器人的工作环境进行建模，利用人工势场中的势场力、势场力启发信息影响系数及蚁群算法中机器人与目标位置的距离构造综合启发信息，并利用蚁群算法的搜索机制在未知环境中寻找一条最优路径。大量的仿真实验表明势场蚁群算法路径规划能找到更优路径和收敛速度更快。

模拟 Bit 的运动：Bot 机器人在游戏场中跟随地面上的一条线。 可用文件说明： - model_BitBot_suivi_ligne_AVEC_contact.slx：机器人模型考虑到与车轮的地面接触。 这需要安装“Simscape Multibody Contact Forces Library” - modele_BitBot_suivi_ligne_SANS_contact.slx：机器人模型不考虑与车轮的地面接触（运动学模型）。 - Parametre_modele_bitbot.m：用于配置组件和要遵循的行的脚本- “arene”文件夹包括竞技场和线条的solidworks模型 警告：.STL 零件文件（wheel_GAUCHE_BitBot_Défaut_sldprt.STL、wheel_RIGHT_BitBot_Défaut_sldprt.STL、ENS_BATI_B

利用backstepping算法设计的移动机器人轨迹跟踪控制器matlab源代码