隨著電商和零售業(yè)的快速發(fā)展,以及工廠生產(chǎn)過程中對自動化水平要求的不斷提升,在物品搬運和裝配環(huán)節(jié)對自動引導(dǎo)小車(Automated guided vehicle,AGV)的需求與日俱增。目前大多數(shù)成熟的AGV產(chǎn)品的技術(shù)手段依賴人工路標(biāo),例如:磁釘,磁帶,二維碼等,但是這些傳統(tǒng)的定位導(dǎo)航方法已經(jīng)無法滿足工作環(huán)境的快速變換以及工作任務(wù)的復(fù)雜程度�；诩す饫走_(dá)自主定位導(dǎo)航的AGV是現(xiàn)在最主流的發(fā)展方向,通過使用激光雷達(dá)生成環(huán)境地圖,實現(xiàn)AGV自主規(guī)劃行動方案,具有高柔性,高適配性的特點。其中,同時定位與建圖(Simultaneous Localization and Mapping,SLAM)更是其中很重要的一環(huán)。本文以室內(nèi)應(yīng)用為背景,結(jié)合自主搭建的平臺,對基于激光雷達(dá)的AGV的SLAM方法進(jìn)行研究。本文的主要工作如下:1.介紹了實驗平臺的軟硬件系統(tǒng)與傳感器模型。硬件組成包括控制板,驅(qū)動器,編碼器,激光雷達(dá)等部分,軟件系統(tǒng)使用了基于機器人操作系統(tǒng)(Robot Operating System,ROS)的框架,該框架資源豐富,開放性強,使得試驗平臺具有很好的擴展性與通用性。傳感器模型介紹了里程計...

【文章頁數(shù)】：80 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖1.1四款A(yù)GV產(chǎn)品

圖1.1四款A(yù)GV產(chǎn)品內(nèi)外研究現(xiàn)狀與建圖(SLAM)[16]問題的主要任務(wù)是：移動機器人在未知的環(huán)境置，在其運行過程中確定自身位置，同時增量地構(gòu)建該環(huán)境的一解決方案一直被視為移動機器人領(lǐng)域的圣杯，因為它將提供相關(guān)運行。M問題的起源發(fā)生在1986年在加州舊金山舉行的電....

圖1.2SLAM算法分類

中北大學(xué)學(xué)位論文基于圖優(yōu)化框架的建圖方法可以實現(xiàn)平滑建圖。這種方法首先是由LuandMilios[29]出，由于這種方法每一次都會將當(dāng)前狀態(tài)與之前所有狀態(tài)一起處理，計算成本過高，時性很差，當(dāng)時并未受到廣泛關(guān)注。之后研究人員根據(jù)矩陣的稀疏性簡化了計算過程，llaert[30]第....

圖1.3柵格地圖

中北大學(xué)學(xué)位論文GV的運動路線，實現(xiàn)實時避障，自主規(guī)劃路動態(tài)障礙物進(jìn)行處理。但是，由于環(huán)境分辨復(fù)雜度的提升。尤其是對于超大型場景，如果但是對于一般室內(nèi)環(huán)境來說，柵格地圖是最

圖1.4特征地圖

對于一般室內(nèi)環(huán)境來說，柵格地圖圖1.3柵格地圖人員提出了使用特征構(gòu)建環(huán)境地圖特征點，線與面的信息組合成一幅的識別。但是無法精確描述環(huán)境時幾何特征不利于數(shù)據(jù)的關(guān)聯(lián)，現(xiàn)很好才能構(gòu)建具有一致性的全有不同的結(jié)果。

本文編號：3915305