【摘要】：移動服務(wù)機器人正在逐步融入人們的生活,它從科學(xué)研究向產(chǎn)業(yè)化過渡的過程中,對機器人技術(shù)提出了新的挑戰(zhàn)。室內(nèi)動態(tài)環(huán)境下的同時定位與建圖(Si-multaneous Localization and Mapping,SLAM)問題就是其中的一個典型代表。在傳統(tǒng)的SLAM問題研究中,往往假定環(huán)境是不隨著時間發(fā)生改變的;移動智能服務(wù)機器人走進人們的生活環(huán)境時,不得不面對環(huán)境中移動的人群、家具位置變動等問題。這使得傳統(tǒng)的SLAM算法無法滿足這種應(yīng)用需求。本文對室內(nèi)動態(tài)環(huán)境的特征進行了分析,提出了基于圖優(yōu)化的適用于室內(nèi)動態(tài)環(huán)境的SLAM算法。本文的工作,主要集中在對問題建模、系統(tǒng)不確定分析、誤差處理、數(shù)據(jù)關(guān)聯(lián)等方面,相關(guān)的研究內(nèi)容介紹如下:1.本文首先對SLAM問題的發(fā)展歷程和研究現(xiàn)狀進行了介紹,引出了時下最新的基于圖優(yōu)化的SLAM算法。文章對基于圖優(yōu)化的SLAM算法的原理及相關(guān)技術(shù)問題進行了介紹,同時分析了動態(tài)環(huán)境對該算法的挑戰(zhàn)。2.本文對室內(nèi)動態(tài)環(huán)境進行了分析,根據(jù)物體的運動特性不同,將它們劃分成動態(tài)障礙物和準(zhǔn)動態(tài)障礙物。并具體分析了每一種障礙物對基于圖優(yōu)化的SLAM算法構(gòu)成的挑戰(zhàn)。從問題出發(fā),提出了通過提取環(huán)境的幾何特征過濾動態(tài)障礙物,通過對機器人當(dāng)前局部環(huán)境進行建模檢測準(zhǔn)動態(tài)障礙物的算法框架。3.針對激光數(shù)據(jù)的特征提取問題,文章根據(jù)激光傳感器的工作原理和數(shù)據(jù)特征提出了自適應(yīng)閾值的分割算法。算法通過計算相鄰激光點的距離信息,預(yù)測當(dāng)前激光點的位置,通過判斷激光點的實際位置和預(yù)測位置之間的誤差,實現(xiàn)對激光數(shù)據(jù)的斷點檢測。算法不僅計算速度快,而且檢測準(zhǔn)確率高。在分割得到的數(shù)據(jù)基礎(chǔ)上,文章闡述了直線特征和圓弧特征的提取及融合方法,并分析了其中的誤差。4.針對位姿圖的幀間數(shù)據(jù)關(guān)聯(lián)問題,本文提出了里程計和激光數(shù)據(jù)的融合算法。融合算法既解決了里程計數(shù)據(jù)的精度低和累積誤差問題,又解決了激光數(shù)據(jù)匹配的初值依賴問題。以激光數(shù)據(jù)和里程計數(shù)據(jù)的融合算法為基礎(chǔ),降低了幀間數(shù)據(jù)關(guān)聯(lián)的誤差。5.針對特征貧乏的激光數(shù)據(jù)匹配困難的問題,文章提出通過計算激光數(shù)據(jù)的Fisher信息矩陣,對激光數(shù)據(jù)匹配可能造成的誤差進行評價的方法。Fisher信息矩陣的特征值和特征向量能刻畫激光數(shù)據(jù)中蘊含的信息量,因此能評估匹配失敗發(fā)生的概率。6.針對傳統(tǒng)位姿圖無法對動態(tài)環(huán)境進行建模的問題,文章定義了信息位姿圖模型,通過在激光數(shù)據(jù)和節(jié)點中添加標(biāo)記信息,對環(huán)境中位姿發(fā)生變化的物體進行建模,減少了這些物體造成錯誤環(huán)約束的概率。
【學(xué)位授予單位】：中國科學(xué)技術(shù)大學(xué)
【學(xué)位級別】：博士
【學(xué)位授予年份】：2019
【分類號】：TP242
【圖文】：

人技術(shù)進行研宄，以實現(xiàn)“家家都有機器人”為宏偉目標(biāo)。逡逑國內(nèi)外的科研機構(gòu)和公司近些年推出了多款智能服務(wù)機器人，用于科學(xué)研逡逑宄和滿足一些日常的服務(wù)需求。圖１．１（ａ）是美國Ｓａｖｏｉｋｅ公司研發(fā)的酒店服務(wù)機逡逑器人Ｒｅｌａｙ，用于在酒店中自動為客房運送牙刷、毛巾和其它物品？，圖１．１（ｂ）是逡逑日本軟銀集團推出的迎賓機器人Ｐｅｐｐｅｒ，用于在電信營業(yè)廳內(nèi)為用戶辦理簡單逡逑的業(yè)務(wù)和提供咨詢服務(wù)；圖１．１（ｃ）是美國Ｗｉｌｌｏｗ邋Ｇａｒａｇｅ公司推出的ＰＲ２個人機逡逑器人，主要用于科學(xué)研宄；圖１．１（ｄ）是中國科學(xué)技術(shù)大學(xué)多智能體系統(tǒng)實驗室４自逡逑主研制的“可佳”智能服務(wù)機器人�！翱杉选眻F隊對機器人的高級認(rèn)知功能進行逡逑了長期深入的研宄，在多模式自然語言處理、集成規(guī)劃系統(tǒng)和網(wǎng)絡(luò)知識自動獲取逡逑方面取得了較大的進展［１］�！翱杉选睓C器人，２０１３年被國際頂級期刊ＪＨＲＩ的逡逑ＨＲＩ邋Ｐｅｒｓｐｅｃｔｉｖｅｓ邋ａｎｄ邋Ｐｒｏｊｅｃｔｓ邋ｆｒｏｍ邋ａｒｏｕｎｄ邋ｔｈｅ邋Ｇｌｏｂａｌ邋專輯，收錄具有代表性的大型逡逑系統(tǒng)。圖１．１（ｅ）是基于“可佳”機器人技術(shù)平臺，研發(fā)的人型機器人“佳佳”，實逡逑現(xiàn)了在大型購物商場內(nèi)的導(dǎo)購和迎賓功能。逡逑面向服務(wù)的智能機器人需要在實時多變的環(huán)境中

己知機器人位姿的環(huán)境建模問題主要研宄如何在建模過程中處理傳感器逡逑信息ｄ中的觀察噪聲和機器人的運動ＩＩ噪聲，以及環(huán)境模型ｍ的表示方法。逡逑如圖１．２所示，黃色五角星代表“路標(biāo)”在真實世界中的位置，黃色的圓圈代表逡逑機器人的真實位姿（圓圈上的直線表示機器人的朝向），虛線為機器人在不同位置逡逑對環(huán)境模型的觀察，則己知機器人位姿的環(huán)境建模問題依據(jù)機器人的自身位姿逡逑和對環(huán)境模型的觀察，估計觀察到的“路標(biāo)”在真實世界中的具體位置，圖中藍逡逑色五角星表示機器人對環(huán)境模型的一個估計。逡逑賽逡逑尓邐！邋＼逡逑‘邋Ｌ＇ｈ、一逡逑！邋—逡逑Ｉ逡逑Ｉ逡逑圖１．２己知機器人位姿的環(huán)境建模問題逡逑當(dāng)環(huán)境模型ｍ己知時，根據(jù)傳感器信息ｄ和機器人的控制指令Ｕ估計機器逡逑人當(dāng)前位姿ｘ的后驗概率，是式１．２描述的定位問題。如圖１．３所示，藍色圓圈的逡逑位置和朝向，表示機器人根據(jù)已知的黃色“路標(biāo)”的位置和對“路標(biāo)”的觀察，逡逑估計得到的自身當(dāng)前位置，由于觀察噪聲的存在，從圖中可以看到，機器人對自逡逑身位姿的估計（藍色圓圈）與真實位姿（黃色圓圈）有一定的偏差。己知環(huán)境模逡逑型的機器人定位問題主要研宄如何選取合適的狀態(tài)估計方法解析傳感器數(shù)據(jù)與逡逑環(huán)境模型間的關(guān)聯(lián)關(guān)系

【參考文獻】

相關(guān)期刊論文 前1條

1 蔡自興;肖正;于金霞;;動態(tài)環(huán)境中移動機器人地圖構(gòu)建的研究進展[J];控制工程;2007年03期

本文編號：2741365