當發(fā)生自然災害或者意外事故,如火災事故、爆炸或者人質綁架現(xiàn)場,救援機器人具有減少人力需求、長時間工作不疲勞、能夠進入人類所不能進入的場所等優(yōu)點。同時與單機器人相比,多機器人可以通過對任務的適當分解,分配每個機器人去完成不同的子任務,達到提高工作效率,增加冗余度和解決方案的魯棒性。本課題擬設計一種多機器人救援系統(tǒng)。系統(tǒng)中的每個機器人都可以通過Slam技術快速建立環(huán)境地圖,然后根據(jù)環(huán)境地圖和傳感器感知信息進行融合定位。接著設計改進A^*算法和改進的動態(tài)窗口法（DWA）結合的路徑規(guī)劃方法控制機器人在環(huán)境中自由作業(yè)。最后使用混合式的控制方式控制三個機器人,每個機器人之間通過ROS機器人操作系統(tǒng)建立通信,同時又有一臺主機訂閱所有機器人的消息,設計一套多機器人協(xié)同避障策略來防止機器人之間的碰撞,使多個機器人可以同時在環(huán)境中作業(yè)。本課題在ROS操作系統(tǒng)下搭建仿真環(huán)境驗證了每一個部分算法的效果。最后使用Turtle Bot2移動機器人平臺進行了實際環(huán)境的測試,測試結果證明了該多機器人系統(tǒng)滿足建圖、定位、導航和多機器人配合的要求。同時該多機器人系統(tǒng)針對不同救援場景,通過添加特定的功能... 

【文章來源】：上海應用技術大學上海市

【文章頁數(shù)】：62 頁

【學位級別】：碩士

【部分圖文】：

velodyne激光雷達Fig.1.1velodynelidar

上海應用技術大學碩士學位論文第3頁圖1.1velodyne激光雷達Fig.1.1velodynelidar圖1.2kinect攝像頭Fig.1.2Kinectcamera對于計算能力有限的計算機，通常會使用激光雷達進行掃描匹配而不是攝像頭，然后再加上編碼器來獲取底盤里程計的數(shù)據(jù)來輔佐激光雷達進行定位。主流的激光Slam算法中，粒子濾波是比較優(yōu)秀的方法，它可以通過粒子去描述當前機器人的狀態(tài)信息，但是為了確保定位的可靠性，通常會加入大量的粒子，可能會導致計算量過大的問題[16]。Grissett等人在2007年提出Gmapping算法，該算法將粒子濾波算法優(yōu)化，增加了改善提議分布和限制重采樣次數(shù)的方法對粒子濾波算法做出了改進，在保證定位精度的同時并沒有增加主機的計算負荷，該算法的提出使激光Slam邁出了重要的一步[17]。2010年，Konolige等人提出了Karto算法，該算法通過圖優(yōu)化理論實時優(yōu)化機器人的位姿狀態(tài)，通過實時寬范圍姿態(tài)調整的方法來提高求解非線性優(yōu)化問題的速度，提高了計算速度[18]。2011年，Kohlbrecher等人提出了不需要里程計信息輔助的，僅僅靠激光雷達數(shù)據(jù)的Slam方法Hector[19]，該方法實現(xiàn)方式十分簡便，它只需要接收激光雷達Scan信息來完成環(huán)境特征匹配，利用高斯牛頓方法提升匹配精度，此算法對激光雷達的精度有一定的要求，因為它舍去了里程計信息，沒有了位姿糾正。谷歌在2016年開源了Slam方法Cartographer，該算法使用分支定界法來提高環(huán)境特征掃描匹配的速度[20]，單從效果來說是當時效果最好的Slam算法，但是該算法激光數(shù)據(jù)單一，魯棒性相對較差，而且計算量過大。視覺Slam主要是指基于單目、雙目、深度相機等傳感器的同時定位與建圖方法，它主要針對相機采集到的圖像信息進行分析，計算機器人在運動過程中自身位姿和環(huán)境中障礙物的世界坐標，通過這些環(huán)

第4頁上海應用技術大學碩士學位論文出現(xiàn)，設備計算能力的大幅度提高，還有一系列視覺算法的發(fā)展，導致了大量視覺Slam技術被提出。在視覺Slam研究初期，后端問題的解決主要使用馬爾可夫模型和貝葉斯方法。2002年Montemerlo等人提出基于粒子濾波器的Slam方法FastSLAM，它對非線性問題的解決十分有效。2014年，Murartal等人提出ORB特征點法，該方法相對傳統(tǒng)特征點法，提取和匹配的效率更高，計算量也大大減小，但是該算法當圖像中角點較少時準確性就會降低，當圖像中沒有角點的時候，算法就會失效。圖1.3KUKA機器人Fig.1.3KUKArobot激光雷達Slam算法已經較為成熟，在工業(yè)現(xiàn)場已經被大量應用，例如KUKA等（如圖1.3所示）；以攝像頭為傳感器的視覺Slam也已應用于低速的機器人[21]，如清潔機器人等。當前階段的Slam方法在實時性、穩(wěn)定性、精準性等方面和理想效果還有一定差距，但是隨著視覺算法，機器視覺，還有各種優(yōu)化算法的發(fā)展，已經各種傳感器如激光雷達、攝像頭的質量提升以及降成本化，還有各類處理器計算能力的增強，Slam算法在移動機器人上的應用會越來越廣泛，Slam算法也越來越吸引公司、機構和高質量人才的研究[22]。1.2.3救援機器人運動規(guī)劃的發(fā)展現(xiàn)狀救援機器人路徑規(guī)劃主要分為基于環(huán)境信息已知的全局路徑規(guī)劃和依靠傳感器感知的局部路徑規(guī)劃。全局路徑規(guī)劃可以迅速規(guī)劃出障礙物已知情況下的路徑，但是缺乏實時性，如果突然有障礙物闖入，比如災區(qū)落石等，可能會發(fā)生不必要的碰撞，局部路徑規(guī)劃根據(jù)傳感器反饋的信息進行處理，形成閉環(huán)控制，從而可以繞過災區(qū)環(huán)境中的動態(tài)障礙物，但缺乏全局掌控能力。路徑規(guī)劃算法又分為針對車輛模型的路徑規(guī)劃算法和針對機器人模型的路徑規(guī)劃算法。在針對車輛模型的路徑規(guī)劃算法中，主要針對車?

【參考文獻】：
期刊論文
[1]一種基于緩沖區(qū)分析的A*算法路徑規(guī)劃[J]. 康傳利,張臨煒,陳洋,時滿星,顧俊峰.  桂林理工大學學報. 2019(04)
[2]室內機器人避碰路徑規(guī)劃[J]. 張智,翁宗南,蘇麗,光正慧.  小型微型計算機系統(tǒng). 2019(10)
[3]基于人工勢力場做功的智能導航系統(tǒng)[J]. 李鑫,吳嘉鑫,胡城升,徐璐,蘆立娟,魯曉東.  中國水運(下半月). 2019(10)
[4]適用于低端激光雷達的優(yōu)化Hector SLAM算法[J]. 蘇易衡,張奇志,周亞麗.  實驗室研究與探索. 2019(09)
[5]基于改進RRT算法的差動機器人路徑規(guī)劃[J]. 陳敏,李笑,武交峰.  計算機應用與軟件. 2019(09)
[6]一種改進的AMCL機器人定位方法[J]. 王寧,王堅,李麗華.  導航定位學報. 2019(03)
[7]基于改進A*算法優(yōu)化的移動機器人路徑規(guī)劃研究[J]. 陳豪,李勇,羅靖迪.  自動化與儀器儀表. 2018(12)
[8]一種基于改進混合A*的智能車路徑規(guī)劃算法[J]. 齊堯,徐友春,李華,王任棟.  軍事交通學院學報. 2018(08)
[9]拓展搜索鄰域的平滑A*算法機器人路徑規(guī)劃[J]. 任玉潔,付麗霞,張勇,毛劍琳.  電子科技. 2018(05)
[10]基于雙重A*算法的移動機器人動態(tài)環(huán)境路徑規(guī)劃[J]. 陳偉華,林穎,文宗明,繆丹云.  組合機床與自動化加工技術. 2018(04)

博士論文
[1]基于視覺的多機器人協(xié)作SLAM研究[D]. 苑全德.哈爾濱工業(yè)大學 2016

碩士論文
[1]多移動機器人路徑規(guī)劃及仿真研究[D]. 王甜甜.西安理工大學 2019
[2]基于ROS的機器人路徑導航系統(tǒng)的設計與實現(xiàn)[D]. 王輝.中國科學院大學(中國科學院沈陽計算技術研究所) 2019
[3]復雜環(huán)境下多移動機器人協(xié)同路徑規(guī)劃[D]. 夏清松.武漢科技大學 2019
[4]倉儲物流機器人集群協(xié)同調度系統(tǒng)研究[D]. 陳明智.江漢大學 2019
[5]動態(tài)環(huán)境下雙機器人路徑規(guī)劃[D]. 蘇吉恒.蘭州理工大學 2019
[6]多移動機器人系統(tǒng)中路徑規(guī)劃算法的研究[D]. 徐源正.電子科技大學 2019
[7]基于激光雷達的室內機器人SLAM研究[D]. 李昀澤.華南理工大學 2016
[8]基于云平臺的機器人地圖構建與管理及移動端控制[D]. 唐懷珠.山東大學 2016
[9]基于激光數(shù)據(jù)的移動機器人地圖創(chuàng)建問題研究[D]. 蔡向東.國防科學技術大學 2010



本文編號：3072860