室内动态环境下基于粒子滤波的服务机器人定位

  • 室内动态环境下基于粒子滤波的服务机器人定位已关闭评论
  • 35 views
  • A+
所属分类:AGV设计资料
摘要

随着人工智能的不断发展,人们对机器人智能化水平的要求逐渐提高。作为机器人领域的新生成员,服务机器人近年来在医院、商场、博物馆等场所的需求日益增加,在这些场所中服务机器人通常面临环境的改变,比如人的走动,门的开关等,这些动态物体会影响机器人定位精度,严重时会导致定位失败,这对服务机器人自主导航有很大的影响。基于这个背景,本课题以粒子滤波原理为基础,研究基于粒子滤波的服务机器人地图创建和定位问题,主要做了以下几项工作:首先,对本课题的服务机器人进行介绍,并分析了贝叶斯理论的不同形式,接着详细介绍了粒子滤波理论,并且建立了机器人的概率运动模型和观测模型。然后,针对传统的基于栅格的Fast SLAM算法中计算复杂、地图边缘效果差的问题,本课题采用基于梯度下降的扫描匹配算法,校正里程计带来的累积性误差,提高机器人地图创建的精度,同时在ROS(Robot Operating System)平台上进行了设计与实现。其次,针对服务机器人在室内动态环境下定位问题,本课题在传统的粒子滤波算法的基础上进行改进,通过激光雷达进行动态障碍物的识别与剔除,降低动态障碍物对机器人定位精度的影响。并且将改进的算法通过实验进行验证,使得机器人在室内动态场景中具有更高的定位精度,同时在ROS平台上进行了设计与实现。接下来,本文以turtlebot2为实验平台,在实验室走廊里设计实验,并对实验结果进行分析。实验结果表明,该系统可以实现地图创建与定位功能,具有较强的鲁棒性。最后,总结了本文所取得的研究成果,分析当前研究工作的不足之处,并对今后的研究工作进行了讨论和展望。

论文目录

摘要
abstract

1 绪论

1.1 课题研究背景及意义
1.2 国内外研究现状
1.2.1 服务机器人研究现状
1.2.2 地图创建的研究现状
1.2.3 定位技术的研究现状
1.3 论文主要研究内容及结构安排
1.4 本章小结

2 相关知识背景

2.1 服务机器人介绍
2.2 贝叶斯滤波原理
2.3 卡尔曼滤波原理
2.4 扩展卡尔曼滤波原理
2.5 粒子滤波原理
2.5.1 贝叶斯重要性采样
2.5.2 序贯重要性采样
2.6 运动模型
2.7 观测模型
2.7.1 激光雷达的测距原理
2.7.2 概率感知模型
2.8 本章小结

3 基于粒子滤波的服务机器人地图创建

3.1 SLAM问题的定义
3.2 基于EKF的SLAM算法
3.3 基于Rao-Blackwellized粒子滤波器的SLAM算法
3.4 基于FastSLAM1.0改进的FastSLAM2.0算法
3.5 基于栅格地图的FastSLAM算法
3.5.1 栅格地图模型更新理论
3.5.2 基于栅格地图的FastSLAM算法
3.5.3 改进的基于栅格地图的FastSLAM算法
3.5.4 仿真实验结果分析
3.5.5 改进的基于栅格地图的FastSLAM算法在ROS上的实现.
3.6 本章小结

4 基于粒子滤波的服务机器人定位

4.1 蒙特卡罗定位算法
4.2 增强型MCL算法
4.3 基于KLD采样的蒙特卡罗定位算法
4.4 动态环境下移动机器人定位
4.4.1 动态障碍物识别技术
4.4.2 数据滤波
4.4.3 障碍物点聚类
4.4.4 动态障碍物的判定与剔除
4.4.5 动态环境下定位仿真实验
4.4.6 动态环境下服务机器人定位在ROS上的实现
4.5 本章小结

5 真实环境实验

5.1 机器人操作系统ROS介绍
5.2 基于ROS的室内地图创建实验
5.2.1 地图创建
5.2.2 地图创建步骤
5.2.3 地图创建实验分析
5.3 基于ROS的定位实验
5.3.1 静态环境下的移动机器人定位
5.3.2 动态环境下的移动机器人定位
5.4 本章小结
结论
致谢
参考文献
攻读硕士学位期间发表的学术论文及研究成果

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。