【摘要】：隨著IT智能時代的到來,智能移動機器人給越來越多的領(lǐng)域帶來了高效和便捷。具備自我導(dǎo)航能力是機器人高度智能化的重要標(biāo)志。機器人依賴傳感器對所處未知環(huán)境進(jìn)行探索實現(xiàn)自主運動的過程包含對環(huán)境信息的自動獲取、處理、分析、理解和決策等一系列關(guān)鍵環(huán)節(jié)。機器人利用傳感器采集景物數(shù)據(jù)估算位姿信息,利用位姿信息繪制環(huán)境地圖的過程即實現(xiàn)了即時定位和制圖(Simultaneous Localization And Mapping,SLAM)。目前SLAM技術(shù)在應(yīng)用中需要完善三大需求:高穩(wěn)定性、低復(fù)雜度和高一致性。本文的主要工作有:設(shè)計MATLAB仿真實驗進(jìn)行SLAM算法的研究;開展基于機器人操作系統(tǒng)(Robot Operating System,ROS)的SLAM應(yīng)用技術(shù)實驗;設(shè)計和實現(xiàn)SLAM技術(shù)中激光雷達(dá)樣機。(1)設(shè)計了SLAM研究的模型:運動模型、觀測模型和地圖模型。建模過程基于對二維SLAM問題中機器人運動過程和噪聲影響的分析。運動模型采用了基于運動速度的條件概率轉(zhuǎn)移方程;觀測模型利用了極坐標(biāo)轉(zhuǎn)換直角坐標(biāo)的觀測方程;地圖模型采用了以柵格狀態(tài)表示障礙物分布的占據(jù)柵格地圖。(2)分析了卡爾曼濾波(Kalman Filtering,KF)和擴展卡爾曼濾波(Extended Kalman Filter,EKF)的濾波原理。設(shè)計了在SLAM中運用EKF的算法流程,開展了基于EKF-SLAM的仿真實驗。實驗研究了EKF-SLAM算法中不同參數(shù)如系統(tǒng)噪聲協(xié)方差、測量噪聲協(xié)方差、路標(biāo)數(shù)量和數(shù)據(jù)關(guān)聯(lián)閾值對SLAM結(jié)果的影響。實驗結(jié)果表明了系統(tǒng)噪聲協(xié)方差、測量噪聲協(xié)方差和數(shù)據(jù)關(guān)聯(lián)閾值是影響SLAM估算結(jié)果與真實值是否一致的綜合因素;路標(biāo)數(shù)量是影響SLAM估算定位精度的因素。實驗分析給出了EKF-SLAM算法在運用中的參數(shù)優(yōu)化方案。(3)分析了基于EKF-SLAM和粒子濾波(Particle Filter,PF)的FastSLAM算法原理。設(shè)計二叉樹數(shù)據(jù)結(jié)構(gòu)改進(jìn)了FastSLAM中粒子的存儲與計算,開展仿真實驗驗證了改進(jìn)結(jié)果可以有效降低內(nèi)存開銷、減少計算時間。設(shè)計仿真實驗對比了EKF-SLAM和FastSLAM在不同粒子數(shù)目下的定位估算精度。實驗表明了FastSLAM的定位估算精度隨著粒子數(shù)目增加顯著提升并逐漸接近EKF-SLAM。設(shè)計仿真實驗對比了同一數(shù)據(jù)集下EKF-SLAM和FastSLAM結(jié)果的定位誤差,從而驗證了FastSLAM估算結(jié)果與真實值之間的一致性。(4)開展了基于應(yīng)用型SLAM系統(tǒng)的研究和設(shè)計。研究了Hector SLAM和Cartographer技術(shù)方案,利用ROS平臺搭建RPlidar A1激光雷達(dá)實驗環(huán)境開展了對校園建筑層的SLAM實驗。實驗結(jié)合EKF-SLAM研究中的參數(shù)優(yōu)化方案設(shè)計參數(shù),利用二叉樹數(shù)據(jù)結(jié)構(gòu)優(yōu)化計算過程,得到了Hector SLAM和Cartographer的適用性特點。開展了SLAM系統(tǒng)硬件初步研究,設(shè)計和實現(xiàn)了基于MEMS微鏡掃描的激光雷達(dá)樣機。樣機完成了包括光學(xué)、機械、電子、軟件各模塊在內(nèi)的整體方案設(shè)計,實現(xiàn)了高精度時間信息提取、探測器暗計數(shù)濾除等關(guān)鍵技術(shù)。
【學(xué)位授予單位】：東南大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2018
【分類號】：TP242;TN958.98
【圖文】：

圖 1-1 激光雷達(dá)和視覺傳感器AM 技術(shù)在目前主要分為兩類：激光 SLAM 和視覺 SLAM。不同的傳感器發(fā)展出不同圖 1-1 中第一列為激光雷達(dá)，從左至右分別是 Velodyne 公司的 64 線機械旋轉(zhuǎn)式激gy 公司的全固態(tài)激光雷達(dá)、思嵐公司的三角測距激光雷達(dá)。第二列分別是單目深近幾年激光雷達(dá)發(fā)展迅速，相對來說測距精度高，運用激光雷達(dá)的 SLAM 技術(shù)也究價值。文研究內(nèi)容及意義AM 技術(shù)的研究現(xiàn)狀在目前看來還尚且不夠成熟，從實際應(yīng)用出發(fā)還存在三大需求需高穩(wěn)定性、低復(fù)雜度和高一致性。定性將有助于機器人正常運用于不同的外部環(huán)境。激光雷達(dá)作為 SLAM 傳感器在使不確定的測量噪聲，且機器人的運動帶有不確定性并且各個誤差之間互相耦合。AM 算法要求實時性并朝著低成本的方向發(fā)展，需要的處理器性能不能過高且算法以確保同步定位與制圖這一過程。在實際中，隨著地圖特征的增多和激光雷達(dá)的高

第二章 SLAM 系統(tǒng)與模型建立第二章 SLAM 系統(tǒng)與模型建立通過融合機器人和傳感器等硬件環(huán)境的不同數(shù)據(jù)建立各模塊的研究臺運行相應(yīng)算法來實現(xiàn)即時定位和制圖。未知環(huán)境中，SLAM 技術(shù)機器人實現(xiàn)自定位。制圖與定位兩個目標(biāo)處于相耦合的狀態(tài)，要求術(shù)被描述為對周圍地圖創(chuàng)建的同時實現(xiàn)機器人的自定位。定位要求已轉(zhuǎn)換為世界坐標(biāo)，制圖需要已知機器人的精確定位便于轉(zhuǎn)換傳感器測量噪聲，需要設(shè)計濾波算法有效降低兩者的誤差。定位于制圖的

圖 2-1 定位與制圖的關(guān)聯(lián)人在未知環(huán)境中利用傳感器（如激光雷達(dá)）采集以自身為原點的景深數(shù)據(jù)，這個定位（自身位姿）和全局地圖的初值化。隨著機器人的運動，傳感器不斷采集環(huán)法一邊生成新的局部地圖，一邊從獲取的數(shù)據(jù)中提取特征信息與已有特征做匹配機器人新的位姿。通過更新的位姿就可以增量式地將局部地圖并入到全局地圖中

【參考文獻(xiàn)】

相關(guān)期刊論文 前7條

1 宋鏢;程磊;周明達(dá);吳懷宇;陳洋;;基于慣導(dǎo)輔助地磁的手機室內(nèi)定位系統(tǒng)設(shè)計[J];傳感技術(shù)學(xué)報;2015年08期

2 孟東陽;何秀鳳;桑文剛;;基于無線網(wǎng)絡(luò)傳感器的定位技術(shù)研究[J];電子測量技術(shù);2012年09期

3 朱建國;高峻\

本文編號：2768666