本文選題：自動(dòng)導(dǎo)引車 + 激光導(dǎo)航��； 參考：《南京航空航天大學(xué)》2014年博士論文

【摘要】：自動(dòng)導(dǎo)引車(Automated guided vehicle,AGV)作為一種自動(dòng)化物流裝備,越來(lái)越多地應(yīng)用到物料搬運(yùn)和裝配場(chǎng)合。導(dǎo)航技術(shù)是AGV的核心技術(shù)之一。基于激光雷達(dá)的AGV導(dǎo)航技術(shù)具有定位精度高、路徑柔性高和智能化程度高的優(yōu)點(diǎn),適應(yīng)了AGV導(dǎo)航技術(shù)的發(fā)展趨勢(shì),是目前得到較多研究的導(dǎo)航方式之一。盡管激光導(dǎo)航在AGV領(lǐng)域已經(jīng)獲得成功應(yīng)用,但是現(xiàn)有的激光導(dǎo)航技術(shù)還存在嚴(yán)重依賴反射板,地圖創(chuàng)建精度不高和初始定位需要人工參與給應(yīng)用帶來(lái)不便等問(wèn)題。本文在概述激光導(dǎo)航關(guān)鍵技術(shù)和綜述激光導(dǎo)航相關(guān)技術(shù)的研究成果和發(fā)展趨勢(shì)的基礎(chǔ)上,以室內(nèi)結(jié)構(gòu)化環(huán)境應(yīng)用為背景,圍繞環(huán)境感知、地圖創(chuàng)建和定位三個(gè)方面開(kāi)展對(duì)激光導(dǎo)航技術(shù)的基礎(chǔ)性研究工作。在分析比較線段類特征和點(diǎn)類特征各自特點(diǎn)的基礎(chǔ)上,選擇角點(diǎn)和斷點(diǎn)兩種形式的點(diǎn)類特征表示環(huán)境地圖。針對(duì)直接從激光雷達(dá)掃描數(shù)據(jù)中不易精確、穩(wěn)定地提取此類特征點(diǎn)的問(wèn)題,采用先提取線段特征,在此基礎(chǔ)上再提取點(diǎn)特征的策略。提取線段特征時(shí),鑒于迭代端點(diǎn)擬合(Iterative End Point Fit,IEPF)方法易出現(xiàn)過(guò)分割和欠分割的問(wèn)題,提出一種基于分割-合并的線段特征提取方法,并且在建立激光雷達(dá)測(cè)量不確定性模型和給出其不確定性估計(jì)方法的基礎(chǔ)上,推導(dǎo)了特征線段參數(shù)及其不確定性估計(jì)方法。提取特征點(diǎn)時(shí),為了增加特征點(diǎn)數(shù)量,在Conette所考慮的四種情況的特征點(diǎn)的基礎(chǔ)上增加兩種情況的特征點(diǎn)并給出識(shí)別方法,然后根據(jù)特征點(diǎn)的形式分別推導(dǎo)了角點(diǎn)和斷點(diǎn)特征的位置及其不確定性估計(jì)方法。針對(duì)常規(guī)EKF(Extended Kalman Filter)SLAM(Simultaneous Localization and Mapping)的一致性問(wèn)題,提出一種融合絕對(duì)方向信息的EKF SLAM方法。該方法將SLAM分為內(nèi)外兩層EKF濾波結(jié)構(gòu)。內(nèi)層EKF通過(guò)編碼器信息預(yù)測(cè)AGV位姿,通過(guò)電子羅盤信息校正AGV位姿;外層EKF將內(nèi)層EKF的輸出作為該層EKF對(duì)AGV位姿的預(yù)測(cè),通過(guò)激光雷達(dá)傳感器數(shù)據(jù)同時(shí)校正AGV位姿與環(huán)境地圖。針對(duì)EKF SLAM在計(jì)算過(guò)程中系統(tǒng)噪聲難以估計(jì)的問(wèn)題,提出一種基于IAE(Innovation-based adaptive estimation)-CMAC(Cerebellar Model Articulation Controller)的自適應(yīng)系統(tǒng)噪聲估計(jì)方法。該方法通過(guò)CMAC逼近速度與角速度到系統(tǒng)噪聲統(tǒng)計(jì)特性的映射函數(shù),通過(guò)IAE方法獲得CMAC的學(xué)習(xí)樣本,在CMAC學(xué)習(xí)訓(xùn)練的同時(shí)實(shí)現(xiàn)對(duì)EKF SLAM中的系統(tǒng)噪聲的自適應(yīng)估計(jì)。針對(duì)采用EKF方法進(jìn)行位姿跟蹤時(shí)需要精確的初始位姿,而該位姿不易給定的問(wèn)題,提出一種能夠在特征地圖中實(shí)現(xiàn)全局定位的Markov定位方法。該方法分為時(shí)間更新和觀測(cè)更新兩個(gè)階段。在時(shí)間更新階段,為了實(shí)現(xiàn)信度圖像的非整數(shù)倍柵格平移,提出一種基于頻域處理的時(shí)間更新方法。該方法在將離散化的三維位姿空間降為二維后,通過(guò)傅里葉變換將信度圖像從空域變換到頻域,利用空域圖像和頻域圖像之間的關(guān)系實(shí)現(xiàn)信度圖像的非整數(shù)倍柵格平移和對(duì)信度圖像的模糊化操作,然后通過(guò)傅里葉逆變換將信度圖像從頻域變換回空域。在觀測(cè)更新階段,為了實(shí)現(xiàn)無(wú)數(shù)據(jù)關(guān)聯(lián)的似然計(jì)算,有效利用遞推貝葉斯估計(jì),提出一種基于高斯核平滑的觀測(cè)更新方法。該方法通過(guò)高斯核函數(shù)對(duì)提取的路標(biāo)進(jìn)行連續(xù)化,對(duì)連續(xù)化后的虛擬環(huán)境輪廓進(jìn)行等角度間隔離散化,最后建立觀測(cè)似然模型計(jì)算觀測(cè)似然。為了驗(yàn)證上述理論與方法,在對(duì)融合絕對(duì)方向信息的EKF SLAM方法與基于Markov的AGV全局定位方法進(jìn)行仿真驗(yàn)證的基礎(chǔ)上,設(shè)計(jì)和開(kāi)發(fā)了激光導(dǎo)航AGV實(shí)驗(yàn)平臺(tái)。利用該平臺(tái),在室內(nèi)環(huán)境中利用采集的激光雷達(dá)、編碼器和電子羅盤數(shù)據(jù),進(jìn)行特征提取、地圖創(chuàng)建與定位實(shí)驗(yàn)。實(shí)驗(yàn)結(jié)果驗(yàn)證了所提出的理論與方法的有效性。最后,對(duì)本文的主要?jiǎng)?chuàng)新點(diǎn)和研究成果進(jìn)行了總結(jié),并對(duì)課題進(jìn)一步的研究工作進(jìn)行了期望。
[Abstract]:This paper presents an EKF SLAM method based on segmentation - merging . In order to realize the non - integral multiple grid translation of the reliability image , a method of time updating based on Gaussian kernel smoothing is proposed in order to realize the non - integer multiple grid translation of the reliability image .
【學(xué)位授予單位】：南京航空航天大學(xué)
【學(xué)位級(jí)別】：博士
【學(xué)位授予年份】：2014
【分類號(hào)】：TP23;TN958.98

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 張海強(qiáng);竇麗華;陳杰;方浩;;典型場(chǎng)景下EKF-SLAM估計(jì)一致性分析[J];北京理工大學(xué)學(xué)報(bào);2011年10期

2 王榮本,馬雷,儲(chǔ)江偉,王志中;新型視覺(jué)自動(dòng)引導(dǎo)車輛導(dǎo)航控制器設(shè)計(jì)[J];公路交通科技;2003年04期

3 蔡則蘇,洪炳昒,魏振華;使用NDT激光掃描匹配的移動(dòng)機(jī)器人定位方法[J];機(jī)器人;2005年05期

4 李天成;孫樹棟;司書賓;王軍強(qiáng);;基于粒子聚合重采樣的移動(dòng)機(jī)器人蒙特卡洛定位[J];機(jī)器人;2010年05期

5 張學(xué)習(xí);楊宜民;;基于多傳感器信息融合的移動(dòng)機(jī)器人快速精確自定位[J];控制理論與應(yīng)用;2011年03期

6 梁明杰;閔華清;羅榮華;;基于圖優(yōu)化的同時(shí)定位與地圖創(chuàng)建綜述[J];機(jī)器人;2013年04期

7 儲(chǔ)江偉,顧柏園,王榮本;基于視覺(jué)引導(dǎo)的兩輪差速轉(zhuǎn)向AGV設(shè)計(jì)[J];物流技術(shù);2002年07期

8 王榮本;新型視覺(jué)導(dǎo)航AGV的優(yōu)勢(shì)與應(yīng)用前景[J];物流技術(shù)與應(yīng)用;2005年07期

9 曹智荀;王寶華;;激光導(dǎo)引叉車在國(guó)內(nèi)的應(yīng)用[J];物流技術(shù)與應(yīng)用;2006年07期

10 張海強(qiáng);竇麗華;方浩;陳杰;;基于壓縮型EKF的SLAM改進(jìn)算法[J];系統(tǒng)仿真學(xué)報(bào);2009年18期

，

本文編號(hào)：2064387