未知环境中轮式移动机器人SLAM技术研究

  • 未知环境中轮式移动机器人SLAM技术研究已关闭评论
  • 52 views
  • A+
所属分类:AGV设计资料
摘要

自主移动机器人是智能机器人研究领域里的一个重要研究方向。移动机器人实现自主导航的前提是其自身能够精确的定位,特别是在环境地图事先未知的情况下。机器人在未知环境中,首先要通过自身携带的传感器来构建地图,才能完成进一步的导航等工作。而机器人在未知环境中构建地图与定位是同时进行的。因此,同时定位与地图构建(SLAM)始终是移动机器人研究中的一个基础且关键的问题。激光测距仪和Kinect已经广泛应用于二维环境地图的构建与机器人定位。所构建的环境地图是否可用于导航,取决于所构建地图的精度,而地图精度往往取决于所用传感器的视野范围与精确度。本文首先概述SLAM的技术基础与目前SLAM的主要实现方式。其次介绍所使用的机器人平台、传感器与ROS机器人操作系统,ROS是一个开源的机器人操作系统,自带可视化界面和动态实时调节参数的应用程序界面,并且自带指令来完成整个系统各功能包的状态查看与调试。然后分析SLAM所涉及到的关键问题,包括地图的表示方式;不确定信息的描述;定位;数据关联和累积误差。在定位算法上采用Rao-Blackwellized粒子滤波,详细分析了Rao-Blackwellized粒子滤波的原理与步骤。最后主要针对激光测距仪和Kinect来分为单个Kinect、单个激光测距仪、两个Kinect、Kinect结合激光测距仪四种不同的传感器组合模式分别进行Gmapping、Hector SLAM和CRSM SLAM三种算法的建图可用性对比。全部实验都是在真实室内环境里进行,并将室内环境分为特征单一、特征量少与特征复杂三种情形。再通过建图精确度对三种算法的性能进行评估。

论文目录

摘要
abstract

第一章 绪论

1.1 课题背景及研究的目的和意义
1.2 国内外研究现状
1.2.1 自主移动机器人的国外发展概况
1.2.2 自主移动机器人的国内发展概况
1.3 移动机器人SLAM技术概述
1.3.1 SLAM的技术基础
1.3.2 SLAM的实现方法
1.4 研究内容及结构安排

第二章 移动机器人的实验平台

2.1 机器人平台与所用传感器
2.2 ROS机器人操作系统
2.3 ROS下用激光测距仪实现Gmapping
2.4 本章小结

第三章 SLAM关键技术与模型构建

3.1 SLAM关键技术概述
3.2 移动机器人系统模型的构建
3.2.1 坐标系定义
3.2.2 机器人运动模型
3.2.3 传感器观测模型
3.2.4 地标增广模型
3.3 本章小结

第四章 基于Rao-Blackwellized粒子滤波的SLAM方法研究

4.1 基本原理
4.1.1 基于概率地图的定位
4.1.2 系统状态模型
4.1.3 贝叶斯估计
4.1.4 蒙特卡洛方法
4.1.5 序贯重要性采样原理
4.1.6 重采样
4.2 Rao-Blackwellized粒子滤波SLAM算法
4.2.1 Rao-Blackwellized粒子滤波SLAM算法简介
4.2.2 算法实现步骤
4.2.3 算法Matlab仿真
4.2.4 ROS下粒子滤波定位过程
4.3 本章小结

第五章 激光测距仪与Kinect进行SLAM的对比

5.1 Kinect与Hokuyo的四种传感器组合
5.1.1 Kinect与Hokuyo激光测距仪的参数
5.1.2 单个Kinect和单个Hokuyo激光测距仪的Gmapping建图比较
5.1.3 两个Kinect与Kinect结合Hokuyo激光测距仪的实现途径
5.1.4 两个传感器结合进行SLAM的创新点与不足
5.2 SLAM实验
5.2.1 环境特征较少的电梯间
5.2.2 环境特征较多的电梯间
5.2.3 环境特征较多的长走廊加电梯间
5.2.4 实验结果分析
5.3 本章小结

第六章 总结与展望

6.1 总结
6.2 展望
参考文献
致谢
个人简历、在学期间的研究成果及发表的学术论文

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。