一直以來,人們對于極端環(huán)境探索的需求,推動發(fā)展了機器人的進步,而這些環(huán)境往往都是未知且充滿危險的,這就需要移動機器人能夠感知和識別周圍環(huán)境,實現(xiàn)自主學習與路徑規(guī)劃。機器人進行路徑規(guī)劃,是指機器人從起點出發(fā),找到一條無碰撞的,可到達終點的路徑。針對未知環(huán)境,本文采用視覺SLAM技術,運用基于Kinect2提取數(shù)據(jù)的RGB-D SLAM來實現(xiàn)環(huán)境地圖的構造。針對路徑規(guī)劃問題,由于大多數(shù)早期的傳統(tǒng)路徑規(guī)劃算法都是基于環(huán)境模型已知的情況,并且容易受環(huán)境因素影響,導致實際運行結果有較大偏差,所以本論文撇棄傳統(tǒng)路徑規(guī)劃的方法,采用基于強化學習的路徑規(guī)劃算法。本論文針對未知環(huán)境下,基于RGB-D SLAM對小車路徑規(guī)劃算法進行研究,構建出一套基于強化學習的路徑規(guī)劃算法。本論文主要圍繞以下三部分進行展開:1、RGB-D SLAM系統(tǒng)的設計與實現(xiàn)。從圖像特征提取與匹配,機器人運動估計、優(yōu)化與建圖進行研究,構建出一套常規(guī)的RGB-D SLAM系統(tǒng),并通過它實現(xiàn)環(huán)境三維點云地圖的構造。2、Octomap建模和地圖轉換。這部分內容詳細介紹了八叉樹地圖,并以SLAM系統(tǒng)輸出的三維點云信息為輸入,實現(xiàn)Octoma... 

【文章來源】：哈爾濱工業(yè)大學黑龍江省 211工程院校 985工程院校

【文章頁數(shù)】：74 頁

【學位級別】：碩士

【部分圖文】：

使用Kinect2生成的實驗室點云地圖

哈爾濱工業(yè)大學工程碩士學位論文圖-D SLAM 可以得到能準確描述三維空間環(huán)境的點云往具有很大的規(guī)模，需要占用大量的存儲空間，這圖的實際工程應用，再加上，點云地圖中包含的信部分是實際工程中所用不到的無用細節(jié)信息，更重間點的位置等其他信息，沒有存儲連通信息，這就于路徑規(guī)劃。因此，本課題采用基于八叉樹的 Octo轉換[41]。種數(shù)據(jù)結構中樹的模型，它將整個三維空間作為根有八個子節(jié)點，其中每個節(jié)點表示在立方體的空間不斷進行遞歸分割，直到符合分辨率大小的節(jié)點[42]分辨率的大小。

哈爾濱工業(yè)大學工程碩士學位論文( ) ( ) ( )1: 1: 1| | |T T TL n z L n z L n z + T表示觀測的時刻，z 表示觀測數(shù)據(jù)，Tz 則表示 T 時刻所觀測 個葉子節(jié)點。函數(shù) L 即概率對數(shù)值函數(shù) Logit()。 ( 1:|TL n z 1 時刻到 T 時刻所觀測到的所有數(shù)據(jù)， ( )1: 1|TL n z 表示第到 T-1 時刻所觀測到的所有數(shù)據(jù)， ( |)TL n z 表示 n 個葉子的數(shù)據(jù)，因此整個式（2-15）表示每多一個分裂的節(jié)點，即可。

【參考文獻】：
期刊論文
[1]基于強化學習的移動機器人路徑規(guī)劃研究綜述[J]. 劉志榮,姜樹海.  制造業(yè)自動化. 2019(03)
[2]基于DDPG的無人車智能避障方法研究[J]. 徐國艷,宗孝鵬,余貴珍,蘇鴻杰.  汽車工程. 2019(02)
[3]基于深度Q學習的移動機器人路徑規(guī)劃[J]. 劉志榮,姜樹海,袁雯雯,史晨輝.  測控技術. 2019(07)
[4]基于SIFT圖像特征提取與FLANN匹配算法的研究[J]. 王金龍,周志峰.  計算機測量與控制. 2018(02)
[5]基于單目視覺的同時定位與地圖構建方法綜述[J]. 劉浩敏,章國鋒,鮑虎軍.  計算機輔助設計與圖形學學報. 2016(06)
[6]移動機器人路徑規(guī)劃強化學習的初始化[J]. 宋勇,李貽斌,李彩虹.  控制理論與應用. 2012(12)
[7]基于模糊邏輯的機器人路徑規(guī)劃[J]. 畢盛,朱金輝,閔華清,鐘漢如.  機電產品開發(fā)與創(chuàng)新. 2006(01)
[8]移動機器人路徑規(guī)劃方法簡介[J]. 柏藝琴,賀懷清.  中國民航學院學報. 2003(S2)
[9]移動機器人技術研究現(xiàn)狀與未來[J]. 李磊,葉濤,譚民,陳細軍.  機器人. 2002(05)

博士論文
[1]強化學習樣本效率理論研究[D]. 張良鵬.中國科學技術大學 2018
[2]移動機器人同步定位與地圖構建關鍵技術的研究[D]. 曲麗萍.哈爾濱工程大學 2013

碩士論文
[1]基于DQN的主動人員感知與定位技術研究[D]. 高峰.山東大學 2018
[2]基于事件的強化學習及其在室內導航中的應用[D]. 趙勇皓.南京大學 2018
[3]基于RGBD的室內移動機器人定位算法研究[D]. 王玉良.安徽工業(yè)大學 2018
[4]基于RGBD-SLAM的三維物體重建[D]. 谷秀青.浙江大學 2018
[5]基于SLAM的掃地機器人控制系統(tǒng)研究[D]. 陳玉.哈爾濱工業(yè)大學 2017
[6]基于強化學習的移動機器人路徑規(guī)劃研究與實現(xiàn)[D]. 韋如明.華南理工大學 2015
[7]基于強化學習的遷移工作流路徑規(guī)劃研究[D]. 肖松.山東大學 2014
[8]基于強化學習和視覺導航的移動機器人控制[D]. 崔月盟.河北工業(yè)大學 2005



本文編號：3571476