基于SLAM算法的移动机器人定位导航技术研究

  • A+
所属分类:AGV设计资料
摘要

近年来,随着人工智能技术的快速发展,移动机器人在很多领域都得到了广泛的应用,各种复杂环境下的移动机器人定位导航技术变得越来越重要。定位导航技术是实现移动机器人多种功能的重要前提。目前,已知环境下移动机器人的定位导航有很多研究成果,但是如何在未知环境下实现移动机器人定位与导航则是当前移动机器人研究的热点。同时定位与地图构建(SLAM,simultaneous localization and mapping)算法可以利用机器人携带的传感器实现环境信息的在线测量和自身位置的估计,为完全未知环境中移动机器人的定位导航提供了有效的解决方法。因此,从这种意义上来说,基于SLAM算法的移动机器人定位导航技术的研究具有重要的学术意义和研究价值。本文详细分析了SLAM算法的原理,将研究问题转化为移动机器人运动模型和观测模型的求解;同时针对传统的SLAM算法精度不高的问题进行了深入改进,分别给出了基于时变调节因子的扩展卡尔曼滤波SLAM算法和基于人工鱼群优化的Fast SLAM算法;在此基础之上,设计并实现了移动机器人SLAM算法的环境信息采集处理模块。具体研究内容如下:首先,通过深入分析SLAM算法的基本原理,进一步得到了SLAM算法问题的实质是一种概率估计问题。同时,移动机器人SLAM算法的优化问题则是使估计到的机器人位姿和路标点位置信息尽可能地接近真实的位姿与路标点。因此,我们建立了移动机器人的运动模型和观测模型,为后续的SLAM算法的优化研究提供了有效的研究平台。其次,针对传统的扩展卡尔曼滤波SLAM(EKF-SLAM)算法精度较低且性能较差等缺点,给出了一种基于时变调节因子的EKF-SLAM算法,通过引入时变调节因子在线调整滤波增益,从而提高了移动机器人位姿估计的精度。实验结果表明基于时变调节因子的EKF-SLAM算法使系统的估计状态估计更加接近于真实值,估计精度更高。再次,传统的Fast SLAM算法利用粒子滤波估计机器人位姿往往会导致粒子集样本容易偏离机器人的真实位姿。因此,提出了一种基于人工鱼群优化的Fast SLAM算法,将人工鱼群方法引入到移动机器人的Fast SLAM算法,通过人工鱼群算法优化预估粒子集,调整粒子的提议分布,从而在计算权重前,让预估粒子样本更加接近真实分布,使预估粒子尽可能向真实系统状态分布的预测靠拢,从而使系统的估计状态更加接近于实际值,进一步提高了算法的估计精度。仿真实验结果表明本文方法能够有效提高传统Fast SLAM算法的鲁棒性和估计精度。最后,设计了一种基于TMS320F2812的移动机器人SLAM算法环境信息采集处理系统。在实验过程中,移动机器人通过视觉传感器对环境中的路标进行信息采集,经过特征提取与特征匹配估计移动机器人运动环境中的路标点位置,并将此作为SLAM算法中的观测模型;同时,利用编码器对移动机器人位姿进行估计并以此作为运动模型。将观测模型和运动模型作为滤波器的输入,进行增量式的构建环境地图,以实现移动机器人的同时定位与地图构建功能。通过实验进一步验证了本文设计的基于SLAM算法的移动机器人环境信息采集系统的有效性。

目 录

基于SLAM算法的移动机器人定位导航技术研究

图 2-1 SLAM 算法问题模型


摘 要
ABSTRACT
目 录

第 1 章 绪 论

1.1 课题的研究背景及意义
1.2 移动机器人的国内外研究现状
1.3 移动机器人定位导航技术的研究现状
1.4 本文创新点
1.5 论文主要研究内容

第 2 章 基于 SLAM 算法的移动机器人建模与分析

2.1 SLAM 算法基本原理
2.2 SLAM 算法问题的建模
2.3 移动机器人运动模型
2.4 移动机器人观测模型
2.5 本章小结

第 3 章 基于时变调节因子的移动机器人 EKF-SLAM 算法

3.1 引言
3.2 基于时变调节因子的 EKF-SLAM 算法
3.3 仿真实验
3.4 本章小结

第 4 章 基于人工鱼群优化的移动机器人 FastSLAM 算法

4.1 引言
4.2 传统 FastSLAM 算法基本原理
4.3 基于人工鱼群优化的移动机器人 FastSLAM 算法
4.4 仿真实验
4.5 本章小结

第 5 章 基于 SLAM 算法的移动机器人环境信息采集处理系统设计与实现

5.1 移动机器人环境信息采集处理系统设计
5.1.1 DSP 主控芯片模块
5.1.2 视觉传感器模块
5.1.3 无线通信模块
5.2 基于 SLAM 算法的环境信息采集处理系统
5.3 实验与结果
5.4 本章小结
总结与展望
参考文献
攻读硕士学位期间的科研成果
致 谢

抱歉,此资源仅限赞助会员下载,请先
注意:本站资源多为网络收集,如涉及版权问题请及时与站长联系QQ:2766242327,我们会在第一时间内与您协商解决。如非特殊说明,本站所有资源解压密码均为:agvba.com。
weinxin
微信公众号
agvba是一个分享AGV知识和agv案例视频的网站。

发表评论

您必须才能发表评论!