【摘要】：路徑規(guī)劃是移動機器人實現(xiàn)自主導(dǎo)航的核心技術(shù)之一,保證了移動機器人高效、安全、自主地完成任務(wù),已成為機器人領(lǐng)域的研究熱點。目前,針對全局靜態(tài)環(huán)境下移動機器人路徑規(guī)劃的研究較成熟,而對于部分未知環(huán)境下移動機器人路徑規(guī)劃研究還有待補充和完善。本文基于全局靜態(tài)環(huán)境已知但存在部分事先未檢測到的靜態(tài)或動態(tài)障礙物的室內(nèi)環(huán)境對移動機器人路徑規(guī)劃問題進行分析,提出一種混合路徑規(guī)劃方法。針對路徑規(guī)劃所需的較高精度環(huán)境地圖,本文為解決傳統(tǒng)Rao-Blackwillized粒子濾波算法運行時間長、提議分布精度不高以及重采樣過程粒子退化的問題,將量子粒子群優(yōu)化(QPSO)算法引入到Rao-Blackwillized粒子濾波算法,提出一種QPSO-RBPF-SLAM算法。該算法在基本提議分布中加入觀測信息,在重采樣中根據(jù)QPSO算法更新粒子位姿,對高低權(quán)值粒子進行自適應(yīng)交叉變異操作。通過仿真實驗,驗證了該算法保持粒子的多樣性,有效緩解粒子退化,能夠獲得較高精度的地圖。下一步,在獲得的高精度環(huán)境地圖的基礎(chǔ)上對移動機器人進行路徑規(guī)劃研究。針對全局已知的靜態(tài)環(huán)境,對QPSO算法在路徑規(guī)劃時存在“早熟”以及陷入局部最優(yōu)的不足,提出一種改進QPSO算法,即在QPSO算法的基礎(chǔ)上引入自適應(yīng)局部搜索策略和交叉操作。通過不同算法下的仿真實驗,驗證了該改進QPSO算法性能較于其它算法更有優(yōu)越性。針對部分未知的環(huán)境,闡述了一種基于Morphin算法的局部路徑規(guī)劃方法。借鑒滾動規(guī)劃的思想,構(gòu)造滾動窗口,根據(jù)移動機器人自身攜帶的傳感器感知周圍環(huán)境信息,對檢測到的障礙物進行識別和分析,采用Morpin算法對移動機器人會與之發(fā)生碰撞的靜態(tài)和動態(tài)障礙物進行避障處理。通過仿真實驗,驗證了該方法能使移動機器人有效地避開未知環(huán)境下突現(xiàn)的動靜態(tài)障礙物。本文結(jié)合全局路徑規(guī)劃和局部路徑規(guī)劃各自的優(yōu)點,提出了一種基于改進QPSO和Morphin算法的混合路徑規(guī)劃方法。采用改進QPSO算法規(guī)劃出一條全局最優(yōu)路徑,移動機器人沿著全局路徑移動,當(dāng)檢測到未知障礙物時,調(diào)用Morpin算法避開障礙物并回到全局路徑上繼續(xù)移動。利用旅行家II號移動機器人搭建基于ROS的實驗平臺,進行混合路徑規(guī)劃實驗。通過仿真實驗和實際應(yīng)用,驗證移動機器人在全局路徑的基礎(chǔ)上對突現(xiàn)的障礙物有效地實現(xiàn)避障,完成路徑規(guī)劃。
【學(xué)位授予單位】：安徽工程大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2018
【分類號】：TP242
【圖文】：

安徽工程大學(xué)碩士學(xué)位論文多樣性，有效緩解粒子退化，同時算法能在減少算得可靠的估計，整體性能得到較大提高，能夠精確高精度的地圖。有易于構(gòu)建和維護的特點且不需要其他參數(shù)，本文。根據(jù)如圖 2-1 所示的機器人運動學(xué)模型，現(xiàn)規(guī)定機本身采用同一坐標系以及機器人的出發(fā)點與世界坐用里程計來推算移動機器人相對位姿的變化以及通的掃描獲取環(huán)境信息。

(b)N=100圖 2-2 機器人位姿估計表 2-1 3 種算法的對比數(shù)據(jù)算法 粒子數(shù) 均方根誤差（RMSE） 運行時間/sRBPF 50 2.361 0.343RBPF 100 2.045 0.561文獻[41] 50 2.056 0.396文獻[41] 100 1.472 0.673改進 RBPF 50 1.974 0.350改進 RBPF 100 1.386 0.647圖 2-2 和表 2-1 可知，在粒子數(shù)相同的條件下，改進 RBPF 算法的均方小，與真實狀態(tài)接近；隨著粒子數(shù)的增加，雖然算法運行時間延長，結(jié)果則更加接近真實狀態(tài)；與 RBPF 算法和文獻[41]算法采用 100 個粒的估計結(jié)果相比，改進 RBPF 算法采用 50 個粒子能夠獲得較好的估計改進 RBPF 算法能利用較少的粒子獲得可靠且較精確的估計。

圖 2-3 機器人軌跡估計和路標估計表 2-2 3 種算法的對比數(shù)據(jù)算法 軌跡 RMSE 路標 RMSE 粒子數(shù) 運行時間/sRBPF 1.293 1.451 50 3.962文獻[41] 0.976 1.154 36 2.471改進 RBPF 0.737 1.047 25 1.363由圖 2-3 和表 2-2 可知，改進 RBPF 算法在進行軌跡和路標估計時所用粒運行時間比 RBPF 算法和文獻[41]算法少。在軌跡估計方面，改進 RBPF到的軌跡軌跡與機器人實際軌跡誤差較小，而 RBPF 算法和文獻[41]算法軌跡波動較大；在路標估計方面，利用改進 RBPF 算法得到的路標估計路標較為接近，而 RBPF 算法和文獻[41]算法得到的路標估計則在一定程離實際路標。因此，與 RBPF 算法和文獻[41]算法相比，改進 RBPF 在機跡估計和路標估計能夠得到更加滿意的效果。下面利用維多利亞公園數(shù)據(jù)集對 RBPF 算法、文獻[41]算法和改進 RBPF

【參考文獻】

相關(guān)期刊論文 前10條

1 梁旭;劉才慧;;基于混合粒子群算法的在線檢測路徑規(guī)劃[J];國外電子測量技術(shù);2015年12期

2 李天成;范紅旗;孫樹棟;;粒子濾波理論、方法及其在多目標跟蹤中的應(yīng)用[J];自動化學(xué)報;2015年12期

3 謝宏;禹文科;楊鵬;張小剛;陳海濱;陳俊輝;;多子群分層差分粒子群算法的逆運動求解方法[J];電子測量與儀器學(xué)報;2015年10期

4 朱奇光;袁梅;陳衛(wèi)東;陳穎;;基于CEH~∞ F的移動機器人SLAM算法研究[J];儀器儀表學(xué)報;2015年10期

5 杜明博;梅濤;陳佳佳;趙盼;梁華為;黃如林;陶翔;;復(fù)雜環(huán)境下基于RRT的智能車輛運動規(guī)劃算法[J];機器人;2015年04期

6 王紅旗;劉勇;羅宇鋒;;帶定位盲區(qū)的礦井人員全局無線定位算法[J];控制工程;2015年03期

7 韓萍;桑威林;石慶研;;一種新型非線性卡爾曼濾波方法[J];儀器儀表學(xué)報;2015年03期

8 萬曉鳳;胡偉;鄭博嘉;方武義;;基于改進蟻群算法與Morphin算法的機器人路徑規(guī)劃方法[J];科技導(dǎo)報;2015年03期

9 張聰聰;王新珩;董育寧;;基于地磁場的室內(nèi)定位和地圖構(gòu)建[J];儀器儀表學(xué)報;2015年01期

10 閆德立;宋永端;宋宇;康軼非;;一種改進的高斯混合概率假設(shè)密度SLAM算法[J];控制與決策;2014年11期

相關(guān)碩士學(xué)位論文 前2條

1 楊興;室內(nèi)自主導(dǎo)航移動機器人路徑規(guī)劃研究[D];中北大學(xué);2016年

2 周文卷;復(fù)雜環(huán)境下自主移動機器人路徑規(guī)劃方法的研究[D];吉林大學(xué);2014年

本文編號：2772838