隨著人工智能水平的不斷提高,智能移動機器人（Auto Guided Vehicle）得到了日益廣泛的應(yīng)用。SLAM技術(shù)是移動機器人的基礎(chǔ)技術(shù),是移動機器人在沒有先驗信息下實現(xiàn)實時自身定位和環(huán)境建圖的重要方法。激光SLAM相對于其他SLAM方法在構(gòu)建地圖的時候,精度較高,且能直接用于定位導(dǎo)航。為了提高移動機器人在室內(nèi)活動的智能性,本文通過基于激光SLAM和路徑規(guī)劃算法的研究,提高定位和導(dǎo)航技術(shù)的效果。研究移動機器人實驗的仿真平臺ROS,分析輪式移動機器人的運動特性并建立了運動方程;建立基于激光雷達的觀測方程,建立對環(huán)境的柵格地圖,將環(huán)境地圖柵格化用于移動機器人的路徑規(guī)劃;采用雷達點云的匹配方法,為接下來的運動機器人的定位導(dǎo)航提供了必備條件。開展基于激光信息的SLAM方法研究。采用SLAM的概率模型,比較擴展卡爾曼濾波算法和粒子濾波算法的優(yōu)缺點,分析基于粒子濾波的Gmapping算法,提出提高粒子分配權(quán)重的改進算法,改進Gmapping工作原理以及工作流程,提高了SALM的準(zhǔn)確性。開展對移動機器人路徑導(dǎo)航方法的研究。采用基于A*算法的路徑導(dǎo)航算法對機器人進行了最佳路徑規(guī)劃,引入Dubins... 

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

【文章頁數(shù)】：74 頁

【學(xué)位級別】：碩士

【部分圖文】：

移動機器人小車

第1章緒論-1-第1章緒論1.1課題來源本文來源于總裝預(yù)先研究項目——移動機器人定位導(dǎo)航的研究。1.2研究目的和意義自20世紀(jì)以來，中國人民生活水平隨著經(jīng)濟發(fā)展水平不斷提高，人們對于便利的生活需求越來越高。與此同時，中國勞動人口數(shù)量在逐漸下降，老年人口數(shù)量在激增，根據(jù)國家統(tǒng)計局的數(shù)據(jù)，2019年中國65歲以上老年人口已經(jīng)超過1.75億，每年失去勞動力的人口將近五百萬，這將給咱們國家?guī)Ь薮蟮呢摀?dān)。另外，隨著制造業(yè)的發(fā)展，現(xiàn)代化的工廠也繼續(xù)通過一系列的方法減少低效重復(fù)性的勞動。針對這一現(xiàn)象，研究出可靠的智能移動機器人就有迫切的必要性。自上世紀(jì)八十年代以來，各項工程技術(shù)也有了巨大的進步，機器人技術(shù)也逐步進入人們的生產(chǎn)生活當(dāng)中。在制造業(yè)的工廠車間中的物料配上能替代大量的人力，自2010年起，日產(chǎn)的汽車生產(chǎn)線上普遍用上了移動機器人給生產(chǎn)線上的工人運送零配件[1]（如圖1-1）；在航空探索方面，美國在1997年就派出“探路者”號火星車探索火星并完美的完成了探測任務(wù)[2]。在家庭生活方面，智能掃地機器人（如圖1-2）逐漸普及，更加方便快捷的助力我們的生活。在餐廳、銀行、飛機嘗高鐵站等等地方有越來越多的服務(wù)機器人參與到社會的協(xié)作中來。移動機器人能夠替換掉大量重復(fù)、簡單的工作。在未來，隨著5G和AI技術(shù)的發(fā)展，特定功能的機器人會逐漸普及，人們的生產(chǎn)生活方式也會產(chǎn)生巨大的變化。2020年國家大力推動新型基礎(chǔ)設(shè)施建設(shè)，這也將極大的促進移動機器人的發(fā)展。圖1-1移動機器人小車圖1-2智能掃地機器人移動機器人要更好的發(fā)揮作用，首要處理的就是自身位置與外界環(huán)境的關(guān)系，移動機器人如果不能正確的判斷自己所處的環(huán)境的位置，就無法為接下來的路徑

第1章緒論-3-（1）SLAM方法的實現(xiàn)方法SLAM是移動機器人自主行進、智能駕駛技術(shù)的基礎(chǔ)，也是自能控制領(lǐng)域的研究重點。由于移動機器人觀測到的環(huán)境與真實的環(huán)境之間處在著差異，為解決這一問題，學(xué)術(shù)界通常引入概率化模型，基于馬科夫模型對SALM過程進行概率化表達[11]�；诟怕驶乃枷�，將移動機器人的位置參數(shù)和要探測的環(huán)境障礙物參數(shù)都用概率化的描述[12]，基于移動機器人的自身運動位姿信息和移動機器人的觀測信息，通過遞歸貝葉斯方法不斷的估計移動機器人自身位姿和障礙物信息，不斷的預(yù)測和修正從而實現(xiàn)對SLAM過程的求解。如圖1-3所示。SLAM系統(tǒng)輸入控制信息和環(huán)境觀測信息，經(jīng)過不斷的狀態(tài)預(yù)測和狀態(tài)更新，最終輸出移動機器人的運動軌跡和建構(gòu)環(huán)境地圖。圖1-3移動機器人的SALM過程SLAM方法和原理傳感器基礎(chǔ)原理激光SLAM視覺SLAM參數(shù)濾波非參數(shù)濾波圖優(yōu)化圖1-4SLAM技術(shù)分類如圖1-4所示為SLAM求解的簡單分類，根據(jù)移動機器人搭載不同的傳感器分類，SLAM技術(shù)可分為基于激光信息的方法與基于視覺的方法，另一方面，根據(jù)采用的不同原理，SLAM技術(shù)可分為參數(shù)濾波、非參數(shù)濾波和圖優(yōu)化三種方案。

【參考文獻】：
期刊論文
[1]基于粒子濾波與BP神經(jīng)網(wǎng)絡(luò)的風(fēng)電機組主軸承溫度故障診斷研究[J]. 常興邦,詹俊,盛利.  技術(shù)與市場. 2020(06)
[2]激光SLAM精度測試場設(shè)計與實現(xiàn)[J]. 楊嘯天,李廣云,向奉卓,王力,羅豪龍.  測繪通報. 2020(05)
[3]基于ROS和激光雷達的移動機器人自動導(dǎo)航系統(tǒng)設(shè)計[J]. 李業(yè)謙,陳春苗.  現(xiàn)代電子技術(shù). 2020(10)
[4]基于激光雷達的智能小車SLAM研究[J]. 湯巍,王冠凌.  綏化學(xué)院學(xué)報. 2020(05)
[5]激光雷達掃描方式[J]. 袁光福,馬曉燠,劉爽,楊奇龍.  強激光與粒子束. 2020(04)
[6]關(guān)于路徑規(guī)劃的相關(guān)算法綜述[J]. 梁曉輝,慕永輝,吳北華,江宇.  價值工程. 2020(03)
[7]基于快速終端滑模的機器人軌跡跟蹤避障方法（英文）[J]. 曹志斌,楊衛(wèi),邵星靈,劉寧.  Journal of Measurement Science and Instrumentation. 2020(01)
[8]基于激光雷達的移動機器人室內(nèi)定位與導(dǎo)航[J]. 歐為祥,陸澤青,朱達群,陳光磊.  電子世界. 2019(23)
[9]基于改進RRT~*算法的無人艇全局避障規(guī)劃[J]. 楊左華,王玉龍,戚愛春.  艦船科學(xué)技術(shù). 2019(23)
[10]基于改進RRT算法的無人車路徑規(guī)劃仿真研究[J]. 董敏,陳鐵樁,楊浩.  計算機仿真. 2019(11)

博士論文
[1]基于勢場法和遺傳算法的機器人路徑規(guī)劃技術(shù)研究[D]. 劉傳領(lǐng).南京理工大學(xué) 2012



本文編號：2935693