【摘要】：隨著IT智能時(shí)代的到來,智能移動(dòng)機(jī)器人給越來越多的領(lǐng)域帶來了高效和便捷。具備自我導(dǎo)航能力是機(jī)器人高度智能化的重要標(biāo)志。機(jī)器人依賴傳感器對(duì)所處未知環(huán)境進(jìn)行探索實(shí)現(xiàn)自主運(yùn)動(dòng)的過程包含對(duì)環(huán)境信息的自動(dòng)獲取、處理、分析、理解和決策等一系列關(guān)鍵環(huán)節(jié)。機(jī)器人利用傳感器采集景物數(shù)據(jù)估算位姿信息,利用位姿信息繪制環(huán)境地圖的過程即實(shí)現(xiàn)了即時(shí)定位和制圖(Simultaneous Localization And Mapping,SLAM)。目前SLAM技術(shù)在應(yīng)用中需要完善三大需求:高穩(wěn)定性、低復(fù)雜度和高一致性。本文的主要工作有:設(shè)計(jì)MATLAB仿真實(shí)驗(yàn)進(jìn)行SLAM算法的研究;開展基于機(jī)器人操作系統(tǒng)(Robot Operating System,ROS)的SLAM應(yīng)用技術(shù)實(shí)驗(yàn);設(shè)計(jì)和實(shí)現(xiàn)SLAM技術(shù)中激光雷達(dá)樣機(jī)。(1)設(shè)計(jì)了SLAM研究的模型:運(yùn)動(dòng)模型、觀測(cè)模型和地圖模型。建模過程基于對(duì)二維SLAM問題中機(jī)器人運(yùn)動(dòng)過程和噪聲影響的分析。運(yùn)動(dòng)模型采用了基于運(yùn)動(dòng)速度的條件概率轉(zhuǎn)移方程;觀測(cè)模型利用了極坐標(biāo)轉(zhuǎn)換直角坐標(biāo)的觀測(cè)方程;地圖模型采用了以柵格狀態(tài)表示障礙物分布的占據(jù)柵格地圖。(2)分析了卡爾曼濾波(Kalman Filtering,KF)和擴(kuò)展卡爾曼濾波(Extended Kalman Filter,EKF)的濾波原理。設(shè)計(jì)了在SLAM中運(yùn)用EKF的算法流程,開展了基于EKF-SLAM的仿真實(shí)驗(yàn)。實(shí)驗(yàn)研究了EKF-SLAM算法中不同參數(shù)如系統(tǒng)噪聲協(xié)方差、測(cè)量噪聲協(xié)方差、路標(biāo)數(shù)量和數(shù)據(jù)關(guān)聯(lián)閾值對(duì)SLAM結(jié)果的影響。實(shí)驗(yàn)結(jié)果表明了系統(tǒng)噪聲協(xié)方差、測(cè)量噪聲協(xié)方差和數(shù)據(jù)關(guān)聯(lián)閾值是影響SLAM估算結(jié)果與真實(shí)值是否一致的綜合因素;路標(biāo)數(shù)量是影響SLAM估算定位精度的因素。實(shí)驗(yàn)分析給出了EKF-SLAM算法在運(yùn)用中的參數(shù)優(yōu)化方案。(3)分析了基于EKF-SLAM和粒子濾波(Particle Filter,PF)的FastSLAM算法原理。設(shè)計(jì)二叉樹數(shù)據(jù)結(jié)構(gòu)改進(jìn)了FastSLAM中粒子的存儲(chǔ)與計(jì)算,開展仿真實(shí)驗(yàn)驗(yàn)證了改進(jìn)結(jié)果可以有效降低內(nèi)存開銷、減少計(jì)算時(shí)間。設(shè)計(jì)仿真實(shí)驗(yàn)對(duì)比了EKF-SLAM和FastSLAM在不同粒子數(shù)目下的定位估算精度。實(shí)驗(yàn)表明了FastSLAM的定位估算精度隨著粒子數(shù)目增加顯著提升并逐漸接近EKF-SLAM。設(shè)計(jì)仿真實(shí)驗(yàn)對(duì)比了同一數(shù)據(jù)集下EKF-SLAM和FastSLAM結(jié)果的定位誤差,從而驗(yàn)證了FastSLAM估算結(jié)果與真實(shí)值之間的一致性。(4)開展了基于應(yīng)用型SLAM系統(tǒng)的研究和設(shè)計(jì)。研究了Hector SLAM和Cartographer技術(shù)方案,利用ROS平臺(tái)搭建RPlidar A1激光雷達(dá)實(shí)驗(yàn)環(huán)境開展了對(duì)校園建筑層的SLAM實(shí)驗(yàn)。實(shí)驗(yàn)結(jié)合EKF-SLAM研究中的參數(shù)優(yōu)化方案設(shè)計(jì)參數(shù),利用二叉樹數(shù)據(jù)結(jié)構(gòu)優(yōu)化計(jì)算過程,得到了Hector SLAM和Cartographer的適用性特點(diǎn)。開展了SLAM系統(tǒng)硬件初步研究,設(shè)計(jì)和實(shí)現(xiàn)了基于MEMS微鏡掃描的激光雷達(dá)樣機(jī)。樣機(jī)完成了包括光學(xué)、機(jī)械、電子、軟件各模塊在內(nèi)的整體方案設(shè)計(jì),實(shí)現(xiàn)了高精度時(shí)間信息提取、探測(cè)器暗計(jì)數(shù)濾除等關(guān)鍵技術(shù)。
【學(xué)位授予單位】：東南大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2018
【分類號(hào)】：TP242;TN958.98
【圖文】：

圖 1-1 激光雷達(dá)和視覺傳感器AM 技術(shù)在目前主要分為兩類：激光 SLAM 和視覺 SLAM。不同的傳感器發(fā)展出不同圖 1-1 中第一列為激光雷達(dá)，從左至右分別是 Velodyne 公司的 64 線機(jī)械旋轉(zhuǎn)式激gy 公司的全固態(tài)激光雷達(dá)、思嵐公司的三角測(cè)距激光雷達(dá)。第二列分別是單目深近幾年激光雷達(dá)發(fā)展迅速，相對(duì)來說測(cè)距精度高，運(yùn)用激光雷達(dá)的 SLAM 技術(shù)也究?jī)r(jià)值。文研究?jī)?nèi)容及意義AM 技術(shù)的研究現(xiàn)狀在目前看來還尚且不夠成熟，從實(shí)際應(yīng)用出發(fā)還存在三大需求需高穩(wěn)定性、低復(fù)雜度和高一致性。定性將有助于機(jī)器人正常運(yùn)用于不同的外部環(huán)境。激光雷達(dá)作為 SLAM 傳感器在使不確定的測(cè)量噪聲，且機(jī)器人的運(yùn)動(dòng)帶有不確定性并且各個(gè)誤差之間互相耦合。AM 算法要求實(shí)時(shí)性并朝著低成本的方向發(fā)展，需要的處理器性能不能過高且算法以確保同步定位與制圖這一過程。在實(shí)際中，隨著地圖特征的增多和激光雷達(dá)的高

第二章 SLAM 系統(tǒng)與模型建立第二章 SLAM 系統(tǒng)與模型建立通過融合機(jī)器人和傳感器等硬件環(huán)境的不同數(shù)據(jù)建立各模塊的研究臺(tái)運(yùn)行相應(yīng)算法來實(shí)現(xiàn)即時(shí)定位和制圖。未知環(huán)境中，SLAM 技術(shù)機(jī)器人實(shí)現(xiàn)自定位。制圖與定位兩個(gè)目標(biāo)處于相耦合的狀態(tài)，要求術(shù)被描述為對(duì)周圍地圖創(chuàng)建的同時(shí)實(shí)現(xiàn)機(jī)器人的自定位。定位要求已轉(zhuǎn)換為世界坐標(biāo)，制圖需要已知機(jī)器人的精確定位便于轉(zhuǎn)換傳感器測(cè)量噪聲，需要設(shè)計(jì)濾波算法有效降低兩者的誤差。定位于制圖的

圖 2-1 定位與制圖的關(guān)聯(lián)人在未知環(huán)境中利用傳感器（如激光雷達(dá)）采集以自身為原點(diǎn)的景深數(shù)據(jù)，這個(gè)定位（自身位姿）和全局地圖的初值化。隨著機(jī)器人的運(yùn)動(dòng)，傳感器不斷采集環(huán)法一邊生成新的局部地圖，一邊從獲取的數(shù)據(jù)中提取特征信息與已有特征做匹配機(jī)器人新的位姿。通過更新的位姿就可以增量式地將局部地圖并入到全局地圖中

【參考文獻(xiàn)】

相關(guān)期刊論文 前7條

1 宋鏢;程磊;周明達(dá);吳懷宇;陳洋;;基于慣導(dǎo)輔助地磁的手機(jī)室內(nèi)定位系統(tǒng)設(shè)計(jì)[J];傳感技術(shù)學(xué)報(bào);2015年08期

2 孟東陽(yáng);何秀鳳;桑文剛;;基于無線網(wǎng)絡(luò)傳感器的定位技術(shù)研究[J];電子測(cè)量技術(shù);2012年09期

3 朱建國(guó);高峻\

本文編號(hào)：2768666