基于Cartographer和RBPF的室内SLAM技术研究

  • 基于Cartographer和RBPF的室内SLAM技术研究已关闭评论
  • 120 views
  • A+
所属分类:AGV设计资料
摘要

智能机器人技术属于人工智能的一个分支,它融合了数学、自动化、机器机械结构等传统理论,它的发展也必将伴随着视觉、深度学习等人工智能的前沿学科实现共同进步。实现移动机器人运动的“自主”是服务机器人领域的发展方向,而即时定位与地图构建(SLAM)技术是机器人“自主”的前提,但是目前的SLAM算法面临着所建地图精度低、实时性差、各种算法应用场景混乱等问题,造成SLAM并未实现真正的产品化。针对现有问题,本文主要研究了SLAM算法建图定位的精度以及SLAM算法应用场景分类的问题。本文首先在研究RBPF和Cartographer算法原理的基础上,并对RBPF算法的实时性进行了相应的改进。对RBPF算法、改进的RBPF算法和Cartographer算法所建地图的精度进行了仿真分析,得出了改进后的RBPF算法的实时性与精度均优于标准的RBPF算法的结论;仿真结果还证明了改进的RBPF算法在建图速度上优于当前最流行的Cartographer算法,且在小型场景中的建图精度与Cartographer算法相差极小的结论。为进一步验证改进的RBPF算法的定位精度,在现实环境中设计实验比较改进的RBPF算法与Cartographer算法的定位精度。其次,针对实验中所使用的移动机器人,研究了机器人的差速运动模型以及两种计算轨迹的方法:动态窗口法和两轮差速法。实验表明,在实验中所使用的移动机器人行驶距离为20米的条件下,使用动态窗口法和两轮差速法计算机器人轨迹时,动态窗口法的累计误差略小的结论,选择使用动态窗口法计算机器人的里程信息。最后,针对Cartographer和改进的RBPF两种算法的定位精度,搭建了基于ROS的SLAM算法的移动机器人实验平台,实现了移动机器人的自主运动、建图定位以及实时监控等功能。实验分别采集了两种算法在短路径、长路径和复杂环境下的定位偏差,结果表明Cartographer算法在三种环境下的定位精度均具有一定优势,结合改进的RBPF算法在建图速度上的优势,提出了在建图时采用改进的RBPF算法,定位时采用Cartographer算法的建议。

目 录

基于Cartographer和RBPF的室内SLAM技术研究

SLAM 的定义


摘 要
Abstract
目 录

第 1 章 绪 论

1.1 课题研究的背景、目的和意义
1.2 机器人 SLAM 算法的国内外发展现状
1.2.1 移动机器人的国内外发展现状
1.2.2 SLAM 算法研究现状
1.3 本文主要研究内容

第 2 章 机器人同时定位与建图算法研究

2.1 SLAM 方法简述
2.2 RBPF 算法与地图构建
2.2.1 基于贝叶斯的 SLAM 问题描述
2.2.2 Rao-Blackwellized 变换
2.2.3 改进的 RBPF 算法
2.3 Cartographer 算法与地图创建
2.3.1 Cartographer 方法简述
2.3.2 Cartographer 算法
2.4 仿真结果分析
2.5 本章小结

第 3 章 地面移动机器人运动模型分析

3.1 差分轮里程计算原理
3.2 差速驱动机器人运动模型
3.3 动态窗口法计算运动轨迹
3.4 左右轮差速计算运动轨迹
3.5 里程误差分析
3.6 本章小结

第 4 章 基于 ROS 的移动机器人 SLAM 系统实现

4.1 ROS 系统概念
4.2 移动机器人 SLAM 系统实现
4.2.1 系统构建及传感器选择
4.2.2 移动机器人 SLAM 系统中的数据传输
4.3 ROS 分布式系统部署
4.4 本章小结

第 5 章 实验结果与分析

5.1 SLAM 建图实验环境选取
5.2 数据关联过程
5.3 地图定位偏差的实验及分析
5.4 本章小结
结 论
参考文献
攻读硕士学位期间承担的科研任务与主要成果
致 谢

恭喜,此资源为免费资源,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。