本文關(guān)鍵詞：煤礦救援機(jī)器人地圖構(gòu)建與路徑規(guī)劃研究

  更多相關(guān)文章： 煤礦救援機(jī)器人 ROS SLAM 路徑規(guī)劃 概率模型

【摘要】：我國(guó)是煤礦生產(chǎn)和消費(fèi)大國(guó),也是礦難多發(fā)的國(guó)家,煤礦救援機(jī)器人對(duì)礦難發(fā)生后的救援工作具有重要意義。因?yàn)槊旱V救援機(jī)器人的自主性能不僅是衡量該機(jī)器人智能化水平重要指標(biāo)之一,而且是協(xié)助救援隊(duì)員高效可靠地完成救援工作必不可少的性能之一,所以本文以煤礦救援機(jī)器人自主性能研究為背景,以中國(guó)礦業(yè)大學(xué)救援技術(shù)與裝備研究所研制的CUMT2煤礦救援機(jī)器人為平臺(tái),圍繞自主機(jī)器人研究的兩大熱點(diǎn)和難點(diǎn):即時(shí)定位與地圖構(gòu)建問(wèn)題和路徑規(guī)劃問(wèn)題展開研究。針對(duì)機(jī)器人的自主性能,構(gòu)建了CUMT2機(jī)器人的軟硬件系統(tǒng)。將機(jī)器人操作系統(tǒng)ROS移植入機(jī)器人中,設(shè)計(jì)了機(jī)器人軟件平臺(tái),主要包括:底盤控制系統(tǒng)、坐標(biāo)變換系統(tǒng)、可視化界面、SLAM系統(tǒng)和路徑規(guī)劃系統(tǒng)。對(duì)硬件平臺(tái)的硬件進(jìn)行了選型設(shè)計(jì),設(shè)計(jì)了機(jī)器人行走驅(qū)動(dòng)系統(tǒng)和感知系統(tǒng)的硬件平臺(tái)。針對(duì)機(jī)器人傳感器噪聲及外界環(huán)境不確定性帶來(lái)的系統(tǒng)誤差,引入馬爾科夫假設(shè)和統(tǒng)計(jì)學(xué)方法建立了機(jī)器人的概率模型。具體為:針對(duì)行走驅(qū)動(dòng)系統(tǒng)分別建立了兩種運(yùn)動(dòng)模型,即里程計(jì)模型和速度模型;針對(duì)感知系統(tǒng)分別建立了三種感知模型,即激光光束模型、似然模型和基于特征的感知模型。針對(duì)機(jī)器人的定位問(wèn)題,研究了基于已知地圖的定位算法。為實(shí)現(xiàn)機(jī)器人位姿的遞歸估計(jì),研究了經(jīng)典的貝葉斯濾波器,并在此基礎(chǔ)上分別研究了由貝葉斯濾波器發(fā)展而來(lái)的卡爾曼濾波器(Kalman Filter,KF)、擴(kuò)展卡爾曼濾波器(Extended Kalman Filter,EKF)及粒子濾波器(Particle Filter,PF)的濾波原理并進(jìn)行了仿真試驗(yàn),試驗(yàn)結(jié)果表明,KF計(jì)算效率高但依賴于系統(tǒng)的線性高斯假設(shè),EKF適用于弱非線性的高斯系統(tǒng),PF適用于低維度的任意系統(tǒng)。針對(duì)不同濾波器的特點(diǎn)進(jìn)而研究了基于EKF及PF的定位算法。研究了基于掃描匹配的定位算法,對(duì)該算法原理進(jìn)行了推導(dǎo)和試驗(yàn),試驗(yàn)結(jié)果表明,在初始位姿估計(jì)時(shí)融入傳感器信息可以提高算法的定位精度和收斂速率。針對(duì)機(jī)器人的構(gòu)圖問(wèn)題,分別研究了基于已知定位的地圖構(gòu)建算法和即時(shí)定位與地圖構(gòu)建算法。在已知定位的地圖構(gòu)建算法研究中,對(duì)比研究了基于前向感知模型的構(gòu)圖算法和基于逆向感知模型的構(gòu)圖算法,相比于基于前向感知模型的構(gòu)圖算法,基于逆向感知模型的構(gòu)圖算法地圖一致性低但計(jì)算效率高,同時(shí)對(duì)于采用激光傳感器的CUMT2機(jī)器人,上述兩種構(gòu)圖算法均可取得理想效果。在即時(shí)定位與地圖構(gòu)建算法研究中,基于定位算法和已知定位的構(gòu)圖算法的研究基礎(chǔ),分別研究了基于EKF的SLAM算法、基于Rao-Blackwellized粒子濾波器的SLAM算法(FastSLAM)和基于掃描匹配的SLAM算法(Hector_SLAM)。對(duì)經(jīng)典的基于EKF的SLAM算法進(jìn)行了仿真試驗(yàn),試驗(yàn)結(jié)果表明:當(dāng)路標(biāo)數(shù)量的增加不引入路標(biāo)之間歧義性時(shí),該數(shù)量與SLAM算法精度成正比;當(dāng)機(jī)器人路徑存在回環(huán)時(shí),可提高機(jī)器人的位姿和路標(biāo)估計(jì)的精準(zhǔn)度。對(duì)融合里程計(jì)信息的FastSLAM 1.0算法原理進(jìn)行了研究,并研究了通過(guò)對(duì)采樣密度函數(shù)的優(yōu)化,解決了由于機(jī)器人感知模型和運(yùn)動(dòng)模型之間匹配度較低導(dǎo)致粒子衰減過(guò)快問(wèn)題的FastSLAM 2.0算法,應(yīng)用該算法在實(shí)驗(yàn)室室內(nèi)和樓道進(jìn)行了構(gòu)圖試驗(yàn),試驗(yàn)結(jié)果表明,該算法在里程計(jì)信息有效的情況下可獲得精確度和一致性較高的地圖。針對(duì)煤礦井下顛簸路面導(dǎo)致里程計(jì)無(wú)效的情況,對(duì)無(wú)需里程計(jì)信息的Hector_SLAM算法原理進(jìn)行了研究,通過(guò)融入AHRS傳感器信息對(duì)該算法進(jìn)行了改進(jìn),應(yīng)用改進(jìn)后的算法在實(shí)驗(yàn)室室內(nèi)和樓道進(jìn)行了構(gòu)圖試驗(yàn),并將試驗(yàn)得到的地圖與FastSLAM算法構(gòu)建的地圖進(jìn)行了對(duì)比分析。分析結(jié)果表明,改進(jìn)后的Hector_SLAM算法在無(wú)需里程計(jì)信息的情況下可獲得精確度和一致性較高的地圖,適用于井下顛簸路面及對(duì)傳感器功率的限制,但相比于FastSLAM算法,該算法在地圖精確度和一致性方面仍有改進(jìn)提高的空間。針對(duì)機(jī)器人的自主行走問(wèn)題,研究了機(jī)器人路徑規(guī)劃算法。首先,對(duì)實(shí)現(xiàn)機(jī)器人自主行走的全局路徑規(guī)劃和局部路徑規(guī)劃算法分別進(jìn)行了研究,對(duì)實(shí)現(xiàn)全局路徑規(guī)劃的A*算法原理進(jìn)行了研究和仿真試驗(yàn),試驗(yàn)結(jié)果表明,該算法在兼顧計(jì)算效率的同時(shí)可規(guī)劃出最優(yōu)的無(wú)碰撞全局路徑,對(duì)實(shí)現(xiàn)局部路徑規(guī)劃的DWA算法原理進(jìn)行了研究和仿真試驗(yàn),試驗(yàn)結(jié)果表明,該算法相比于傳統(tǒng)的勢(shì)場(chǎng)法在局部路徑規(guī)劃時(shí)引入機(jī)器人的動(dòng)力學(xué)約束,在障礙物較多時(shí)可動(dòng)態(tài)降低機(jī)器人運(yùn)行速度,有效地提高了機(jī)器人運(yùn)動(dòng)的安全性。其次,研究了基于多層代價(jià)地圖的路徑規(guī)劃系統(tǒng),針對(duì)單層代價(jià)地圖模型的不足提出了CUMT2機(jī)器人多層代價(jià)地圖模型,并通過(guò)該地圖模型構(gòu)建了機(jī)器人路徑規(guī)劃系統(tǒng),實(shí)現(xiàn)了全局路徑規(guī)劃與局部路徑規(guī)劃的有機(jī)結(jié)合。最后,分別在實(shí)驗(yàn)室樓道和救援技術(shù)與裝備研究所設(shè)計(jì)的模擬井下巷道中進(jìn)行了路徑規(guī)劃與SLAM算法試驗(yàn),試驗(yàn)結(jié)果表明,CUMT2機(jī)器人通過(guò)路徑規(guī)劃算法可自主行走并躲避動(dòng)態(tài)障礙,同時(shí)由機(jī)器人自主行走構(gòu)建的地圖具有較高精確度和一致性,達(dá)到了預(yù)期效果。
【關(guān)鍵詞】：煤礦救援機(jī)器人 ROS SLAM 路徑規(guī)劃 概率模型
【學(xué)位授予單位】：中國(guó)礦業(yè)大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：TD774;TP242
【目錄】：

• 致謝4-5
• 摘要5-7
• Abstract7-23
• 1 緒論23-35
• 1.1 課題來(lái)源、研究背景及意義23-24
• 1.2 煤礦救援機(jī)器人國(guó)內(nèi)外研究現(xiàn)狀24-28
• 1.3 機(jī)器人即時(shí)定位與地圖構(gòu)建研究現(xiàn)狀28-31
• 1.4 機(jī)器人路徑規(guī)劃研究現(xiàn)狀31-33
• 1.5 本課題的研究?jī)?nèi)容33-35
• 2 煤礦救援機(jī)器人軟硬件平臺(tái)設(shè)計(jì)35-42
• 2.1 引言35
• 2.2 機(jī)器人軟件平臺(tái)設(shè)計(jì)35-38
• 2.3 機(jī)器人硬件平臺(tái)設(shè)計(jì)38-41
• 2.4 本章小結(jié)41-42
• 3 煤礦救援機(jī)器人定位算法研究42-79
• 3.1 引言42
• 3.2 機(jī)器人系統(tǒng)模型的建立42-54
• 3.3 機(jī)器人狀態(tài)遞歸估計(jì)54-63
• 3.4 機(jī)器人定位算法的對(duì)比研究63-78
• 3.5 本章小結(jié)78-79
• 4 煤礦救援機(jī)器人井下地圖構(gòu)建研究79-111
• 4.1 引言79
• 4.2 定位已知的地圖構(gòu)建算法79-84
• 4.3 基于EKF的SLAM算法84-92
• 4.4 基于Rao-Blackwellized粒子濾波器的SLAM算法92-105
• 4.5 基于掃描匹配的SLAM算法105-109
• 4.6 本章小結(jié)109-111
• 5 煤礦救援機(jī)器人路徑規(guī)劃研究111-127
• 5.1 引言111
• 5.2 基于A*算法的全局路徑規(guī)劃111-116
• 5.3 基于DWA算法的局部路徑規(guī)劃116-121
• 5.4 基于分層代價(jià)地圖的機(jī)器人路徑規(guī)劃系統(tǒng)研究121-125
• 5.5 本章小結(jié)125-127
• 6 煤礦救援機(jī)器人路徑規(guī)劃與SLAM試驗(yàn)研究127-137
• 6.1 引言127
• 6.2 試驗(yàn)條件與方法127-131
• 6.3 試驗(yàn)結(jié)果與分析131-136
• 6.4 本章小結(jié)136-137
• 7 總結(jié)與展望137-141
• 7.1 論文工作總結(jié)137-139
• 7.2 主要?jiǎng)?chuàng)新點(diǎn)139
• 7.3 展望139-141
• 參考文獻(xiàn)141-147
• 作者簡(jiǎn)歷147-149
• 學(xué)位論文數(shù)據(jù)集149

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前2條

1 李世飛;王平;沈振康;;迭代最近點(diǎn)算法研究進(jìn)展[J];信號(hào)處理;2009年10期

2 朱華;;礦井救災(zāi)機(jī)器人研究現(xiàn)狀及需要重點(diǎn)解決的技術(shù)問(wèn)題[J];徐州工程學(xué)院學(xué)報(bào);2007年06期

，

本文編號(hào)：543646