基于ROS系统移动机器人SLAM算法研究与实现

  • 基于ROS系统移动机器人SLAM算法研究与实现已关闭评论
  • 65 views
  • A+
所属分类:AGV设计资料
摘要

随着移动机器人在日常生活中的广泛应用,移动机器人自主式技术在科研领域受到了广泛关注。同时定位与地图构建(SLAM,Simultaneous Location and Mapping)是移动机器人实现陌生环境下自主定位和导航的关键性技术,有着重要的理论研究价值和应用价值。在给出移动机器人运动模型和观测模型的基础上,详细介绍了EKF-SLAM、UKF-SLAM、IEKF-SLAM算法,并对它们进行仿真比较;对于EKF-SLAM,发现其存在非线性模型线性化处理时引入误差过大的问题,提出了一种基于EKF-SLAM的闭环检测条件迭代(iEKF-SLAM)解决方法。该方法结合有效的地图管理策略,当且仅当在检测到机器人路径形成闭环时,利用迭代卡尔曼滤波的更新方法更新机器人和地图的状态,获得最大后验概率估计,在较小增加计算复杂度的基础上,提高了估计的精度和一致性。通过使用公共仿真软件包和维多利亚公园实测数据集,对比多种SLAM算法的实验结果,可知在移动机器人路径形成闭环的时刻采用迭代更新的策略,大大提高了机器人姿态的估计精度,证明了该方法的有效性。为了实证研究SLAM相关算法,本文搭建了基于机器人操作系统(Robot Operating System)的移动机器人平台。以ROS为开发平台,制定了所搭建机器人平台的通信框架,规划了底座控制方案。使用ROS中工具,对搭建的移动平台进行了调试和完善,使用移动平台完成了自主构建地图与定位导航实验,分析了移动平台各个节点之间的通信。为了在进一步的改进工作中,使搭建的移动平台具备多传感器互补性,分析了视觉SLAM前沿技术。研究了ORB-SLAM2和DSO(Direct Sparse Odometry)两种流行的视觉SLAM算法,在ROS环境下实现并分析了两种视觉SLAM算法,并基于DSO算法实现实验室环境下的手持kinect2制图。

目录
基于ROS系统移动机器人SLAM算法研究与实现

1 绪论

1.1 研究背景和意义
1.1.1 机器人的定义及研究意义
1.1.2 SLAM 技术及研究意义
1.2 国内外研究现状
1.2.1 国内外移动机器人发展现状
1.2.2 国内外 SLAM 技术研究现状
1.3 SLAM 技术研究难点
1.4 本文主要研究内容

2 SLAM 算法基本原理分析

2.1 SLAM 系统模型
2.1.1 运动模型
2.1.2 观测模型
2.2 SLAM 相关算法
2.2.1 EKF-SLAM 算法
2.2.2 UKF-SLAM 算法
2.2.3 IEKF-SLAM 算法
2.3 Gmapping 制图
2.4 AMCL 定位
2.5 路径规划算法
2.6 本章小结

3 基于闭环条件迭代的 SLAM 算法研究

3.1 iEKF-SLAM 算法
3.1.1 地图管理算法
3.1.2 闭环检测
3.1.3 状态更新策略
3.2 算法实现与复杂度分析
3.3 算法实验对比
3.3.1 仿真实验
3.3.2 基于维多利亚公园数据集的实验
3.4 本章小结

4 ROS 移动机器人平台搭建及实验

4.1 ROS 简介
4.2 移动机器人平台
4.3 移动机器人底座平台
4.3.1 底座平台
4.3.2 Arduino 板
4.3.3 驱动器
4.3.4 编码器
4.4 实验与分析
4.4.1 机器人平台自主制图实验
4.4.2 机器人平台自主定位与导航实验
4.5 本章小结

5 移动机器人视觉 SLAM 研究

5.1 视觉 SLAM
5.1.1 视觉里程计
5.1.2 后端优化
5.1.3 回环检测
5.1.4 SLAM 建图
5.2 视觉 SLAM 实验
5.2.1 ORB-SLAM2 实验分析
5.2.2 DSO 算法实验分析
5.2.3 移动机器人视觉 SLAM 应用分析
5.3 本章小结

6 总结与展望

6.1 总结
6.2 展望
参考文献
附录 A 底座控制平台部分代码(基于 C 语言)
附录 B 自主制图时节点运行拓扑图
附录 C 自主导航时节点运行拓扑图
攻读学位期间发表的学术论文
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。