隨著科技的高速發(fā)展,快節(jié)奏的社會生活對自動化和智能化提出了更高的要求。集中體現(xiàn)現(xiàn)代自動化與智能化的機器人技術,不僅在工業(yè)領域大放異彩,近些年更是以各類服務機器人的形式走入千家萬戶。講解機器人作為近些年快速興起的一類服務機器人,已經(jīng)得到了長足的發(fā)展。由講解機器人代替人工講解,在降低人工成本的方面將有很大意義。針對講解機器人所處的環(huán)境特點,本文研究了基于SLAM的跟隨示教講解機器人方案并對軟件進行了開發(fā)。根據(jù)展館環(huán)境特點與服務機器人低成本的要求,首先選擇相應的傳感器硬件并確定了以環(huán)境建圖、跟隨示教和自動講解三部分為主要功能的軟件系統(tǒng)。分別對各功能環(huán)節(jié)選擇恰當?shù)膶崿F(xiàn)方法,對機器人軟件系統(tǒng)進行開發(fā),最后通過仿真論證方案的可行性,完成方案設計。在對各功能要求的實現(xiàn)上,本文確定傳感器采用單線激光雷達,在建圖環(huán)節(jié)首先根據(jù)單線雷達獲取的數(shù)據(jù)特點,對冗雜的點云信息進行自適應降采樣。前端通過對單幀信息的掃描匹配,初步建立地圖。為了抑制前端累積誤差,后端采用回環(huán)檢測的方式在位姿圖中構建新的約束,最后通過基于位姿圖的全局優(yōu)化減小累計誤差。在跟隨示教部分,對跟隨功能的實現(xiàn)進行分析,確定對人臉進行識別的跟隨方案。... 

【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)】：72 頁

【學位級別】：碩士

【部分圖文】：

云跡Sail講解機器人

哈爾濱工業(yè)大學工程碩士學位論文-1-第1章緒論1.1課題來源及研究的背景和意義1.1.1課題的來源本課題來源于蕪湖哈特機器人產(chǎn)業(yè)研究院2019年前瞻技術研發(fā)部門重點研發(fā)項目。在企業(yè)展館和博物館的環(huán)境下，為替代人力進行講解工作，本課題將研究一款跟隨示教的講解機器人，其能通過跟隨構建環(huán)境地圖、示教講解點位并自動進行講解工作，最終對其軟件系統(tǒng)進行開發(fā)。1.1.2課題研究的背景和意義講解機器人作為近些年快速興起的一種服務機器人，經(jīng)過多年積累的機器人技術成果轉化，目前國內(nèi)外已迅速崛起多家致力于開發(fā)商用級講解機器人的新興企業(yè)，其產(chǎn)品已部分獲得市場認可。如圖1-1、1-2所示，目前，云跡科技、小笨智能、沈陽新松、中科三合、日本軟銀等公司均已推出自己的商用型講解服務機器人，這些產(chǎn)品已能在一定程度上完成簡單的講解服務功能。圖1-1云跡Sail講解機器人圖1-2軟銀Pepper機器人講解機器人的誕生來源于兩方面的契機。第一個方面，機器人技術的快速發(fā)展給講解機器人等服務機器人的出現(xiàn)提供了物質(zhì)基礎的保障。根據(jù)相關資料，2017年全國的機器人市場規(guī)模在62.8億美元左右。在2012-2017年之間，其規(guī)模的年平均增長率達到了28%。2013年至今，我國已然成為了全球第一大的工業(yè)機器人應用市場[1]。另一方面，企業(yè)出于對人力成本和技術宣傳等方面的考慮，對講解機器人的誕生提出了需求。傳統(tǒng)人員講解方式工作靈活性好，但隨著人力資源成本的不斷上升，對于有如講解的高重復性工作使用“機器換人”的全新解決方案，對降低成本和增加工作發(fā)揮穩(wěn)定性都有極大助益。同時，企業(yè)展廳作為

哈爾濱工業(yè)大學工程碩士學位論文-3-的問題時更多地訴諸于基于概率的方法，這些方法包括了擴展卡爾曼濾波、最大似然估計和粒子濾波等。之后的算法分析階段里，得益于人們對SLAM問題求解基本性質(zhì)的研究和數(shù)學工具的發(fā)展，人們認識到了BA問題求解中的矩陣稀疏性，這對SLAM問題的高效求解具有十分重大的意義。如今正處于SLAM的魯棒感知時代，研究者對SLAM提出了新的要求，即更高的魯棒性、更深入的環(huán)境理解、更強的計算資源優(yōu)化以及更智能的任務自適應能力[4]。建立環(huán)境地圖來自于兩方面的需求。首先，許多機器人任務通常需要已知的環(huán)境信息來支持，例如路徑規(guī)劃、環(huán)境中的定位或是航跡可視化的呈現(xiàn)。另一方面，通過使用地圖，使得通過匹配獲取定位變得可能，此舉能夠使機器人在重新訪問已知區(qū)域時消除由增量式傳感器帶來的累計誤差的影響。因此，SLAM地圖的構建對許多后續(xù)應用十分重要。按照激光SLAM所使用的數(shù)學優(yōu)化方法不同，可以分為基于濾波器的與基于圖優(yōu)化的兩種。由SmithR等人提出的擴展卡爾曼濾波SLAM方案（EKF-SLAM）[5]，使用最大似然算法進行數(shù)據(jù)關聯(lián)。如圖1-3所示，紅線表示實際路徑，藍線表示推測路徑。品紅色點表示的是實際路標點位置，而黑色十字表示計算所得路標點位置。該方案的缺點是計算量復雜，魯棒性較差，同時其構建的地圖是特征地圖而不是柵格地圖，所以無法應用在導航避障上。圖1-3EKF-SLAM效果圖[50]由于EKF-SLAM構建的地圖無法直接用于路徑規(guī)劃與導航，對了改進其不足，MontemerloM等人提出了FastSLAM方案[6]。在FastSLAM中，SLAM問題被分為了機器人的位姿估計定位問題和基于機器人的定位信息構建環(huán)境地圖的

【參考文獻】：
期刊論文
[1]智能車輛自動跟隨控制的目標跟蹤算法研究[J]. 王鋮,劉中姐,袁新枚,史書恒,李柏毅.  汽車技術. 2020(07)
[2]基于UWB的自主跟隨機器人系統(tǒng)設計[J]. 楊再標,易先軍,彭萌,耿翰夫,付龍.  自動化與儀表. 2020(03)
[3]基于深度相機的移動機器人自主跟隨技術[J]. 任恒樂,徐方,邸霈,田大吉.  計算機工程與設計. 2020(02)
[4]基于激光雷達的移動機器人人體目標跟隨[J]. 杜華臻,張文安,楊旭升.  高技術通訊. 2019(12)
[5]激光SLAM導航移動機器人定位算法研究綜述[J]. 易柯敏,沈艷霞.  機器人技術與應用. 2019(05)
[6]復雜環(huán)境下的自由空間中自主跟隨移動目標的多信息融合方法與應用[J]. 王正家,李明,夏正喬,何博,何濤.  傳感器與微系統(tǒng). 2019(04)
[7]基于深度學習的視頻跟蹤研究進展綜述[J]. 戴鳳智,魏寶昌,歐陽育星,金霞.  計算機工程與應用. 2019(10)
[8]自動跟隨機器人[J]. 王偉業(yè),王仕敬,孫超付.  科技創(chuàng)新導報. 2018(32)
[9]互聯(lián)網(wǎng)超市購物車自動跟隨系統(tǒng)的原理及算法[J]. 蔣超,朱春生,趙淼,朱永紅.  電子技術與軟件工程. 2018(20)
[10]全國機器人產(chǎn)業(yè)發(fā)展報告[J].   領導決策信息. 2018(35)

碩士論文
[1]基于無線網(wǎng)絡的定位技術研究[D]. 許哲琪.北京交通大學 2019
[2]移動機器人動態(tài)人體跟蹤與識別[D]. 朱偉.哈爾濱工程大學 2019
[3]基于Kinect的動態(tài)人體投影映射[D]. 何沖.上海交通大學 2018



本文編號：3403866