移动机器人路径规划和地图创建研究

  • 移动机器人路径规划和地图创建研究已关闭评论
  • 53 views
  • A+
所属分类:AGV设计资料
摘要

机器人学是当今高技术研究最活跃的领域之一。作为机器人学的重要分支,移动机器人的研究涉及多个学科,在不同的领域得到了广泛的应用。自主导航是移动机器人应具备的基本功能,路径规划和地图创建是移动机器人实现自主导航需要解决的关键问题,决定着移动机器人是否能完成对环境的自主探索。路径规划是移动机器人在有障碍的环境中,寻找一定指标下尽可能优化的避障路径。地图创建是通过传感器采集的信息绘制机器人所处环境的过程,是路径规划和运动控制的基础。同时定位与地图创建(simultaneous localization and mapping,SLAM)将地图创建和定位合并为一个估计问题来建立更加可信的环境地图。移动机器人在自主导航的过程中,需要创建环境地图,实现自身定位和路径规划,因此研究移动机器人路径规划和地图创建具有理论和现实的意义。论文以移动机器人为研究对象,对路径规划和SLAM算法进行研究,具体研究内容如下:1.基于卡尔曼滤波的SLAM算法并没有考虑外部干扰问题,但其影响常导致移动机器人定位的失败。针对此问题,提出抗外部干扰的卡尔曼滤波SLAM算法。该算法将外部干扰检测和状态方差膨胀过程融入到扩展卡尔曼滤波和无迹卡尔曼滤波的SLAM算法中,减少了外部干扰的影响,提高了算法的估计精度和鲁棒性。2.针对不正确的先验知识会影响FastSLAM算法对系统状态估计精度问题,提出基于动态分数阶和alpha稳定分布粒子群优化(DFC&ASD-PSO)的FastSLAM算法。该算法在FastSLAM框架中融入先验知识修正的过程,使得先验知识更接近于真实值。通过临近观测的不一致性和DFC&ASD-PSO完成先验知识的修正,提高SLAM结果的精度。3.针对FastSLAM算法存在线性化误差和粒子耗尽的问题,提出基于平方根无迹卡尔曼滤波(SR-UKF)和改进遗传重采样的FastSLAM算法。该算法采用SR-UKF来估计粒子的提议分布,不仅降低了线性化误差,而且确保了协方差矩阵的非负定,保证了 SLAM算法的稳定性。为了防止粒子衰退和保证粒子的多样性,使用基于双赌轮选择和快速Metropolis-Hastings变异的遗传算法来对粒子进行重采样。4.基于可视图的全局路径规划算法中,可视图构造是个非常耗时的过程且包含了很多无用的可视边。为了提高全局路径规划的效率,提出同步可视图构造和路径搜索(SVGA)算法。SVGA算法不是在路径搜索之前构造可视图,而是将可视图的构造融入到路径搜索过程中。根据启发式搜索,只构造与最优路径有关的可视边,而忽略大部分的可视边。性能分析证明了 SVGA算法在减少计算量的同时搜索到的仍是最优路径。5.针对可视图只能在已知环境中进行路径规划的限制,提出基于三次B样条曲线和粒子群优化的改进可视图算法。该算法由多边形动态生成、路径规划和路径平滑三个步骤组成。局部陷阱和路径平滑是局部路径规划中需要解决的两个重要问题。为了逃离局部陷阱,在多边形动态生成的过程中增加了环境记忆的功能。通过三次B样条曲线和粒子群优化算法平滑路径以满足机器人动力约束条件。

论文目录

摘要
Abstract

1 绪论

1.1 研究背景和意义
1.2 移动机器人研究概况
1.2.1 移动机器人简介
1.2.2 移动机器人分类
1.2.3 移动机器人人机交互
1.2.4 移动机器人发展趋势
1.3 移动机器人定位和地图模型
1.3.1 定位技术
1.3.2 地图模型
1.4 同时定位与地图创建
1.4.1 SLAM技术与传感器
1.4.2 SLAM技术发展历程
1.4.3 SLAM问题解决方案
1.4.4 SLAM研究的基础问题
1.4.5 SLAM问题未来研究趋势
1.5 移动机器人路径规划
1.5.1 全局路径规划
1.5.2 局部路径规划
1.5.3 路径规划技术的发展趋势
1.6 论文结构和创新点
1.6.1 本文内容安排
1.6.2 本文主要创新点

2 基于卡尔曼滤波的同时定位与地图创建算法研究

2.1 引言
2.2 SLAM问题描述
2.3 移动机器人运动和观测模型
2.3.1 移动机器人坐标系统
2.3.2 运动模型
2.3.3 环境地图和传感器观测模型
2.3.4 简化仿真模型
2.4 SLAM中常用卡尔曼滤波器
2.4.1 扩展卡尔曼滤波
2.4.2 无迹卡尔曼滤波
2.5 抗外部干扰的卡尔曼滤波SLAM算法
2.5.1 算法设计思路
2.5.2 干扰检测和状态方差膨胀
2.5.3 算法流程
2.6 仿真实验结果及分析
2.7 本章小结

3 基于粒子滤波的同时定位与地图创建算法研究

3.1 引言
3.2 FastSLAM 2.0算法
3.3 基于DFC&ASD-PSO的FastSLAM算法
3.3.1 错误先验知识对FastSLAM算法的影响
3.3.2 Q_t和R_t调整的适应度函数
3.3.3 DFC&ASD-PSO
3.3.4 Q_t和R_t调整的流程
3.3.5 用于Q_t和R_t调整粒子的运动和观测模型
3.3.6 算法流程
3.3.7 仿真实验结果及分析
3.3.8 实验结果及分析
3.4 基于SR-UKF和改进遗传重采样的FastSLAM算法
3.4.1 SR-UKF算法
3.4.2 基于双赌轮选择和快速MH变异的遗传重采样
3.4.3 算法流程
3.4.4 仿真实验结果及分析
3.4.5 实验结果及分析
3.5 本章小结

4 全局路径规划算法研究

4.1 引言
4.2 全局路径规划
4.2.1 路径规划问题描述
4.2.2 可视图理论
4.2.3 A~*算法
4.3 同步可视图构造和路径搜索
4.3.1 算法设计思路
4.3.2 算法流程
4.3.3 算法性能分析
4.4 仿真实验结果及分析
4.5 实验结果及分析
4.6 本章小结

5 局部路径规划算法研究

5.1 引言
5.2 基于三次B样条曲线和粒子群优化的改进可视图算法
5.2.1 多边形动态生成
5.2.2 基于SVGA算法的路径搜索
5.2.3 基于三次B样条曲线和粒子群优化的路径平滑
5.2.4 算法流程
5.2.5 仿真实验结果及分析
5.2.6 人机交互导航平台实验
5.3 本章小结

6 总结与展望

6.1 研究工作总结
6.2 研究工作展望
致谢
参考文献
附录

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。