移動機器人搭載傳感器觀測未知環(huán)境信息并創(chuàng)建地圖,同時根據(jù)已經(jīng)創(chuàng)建的地圖確定機器人在環(huán)境中的位置,即同步定位與地圖創(chuàng)建（Simultaneous Localization and Mapping,SLAM）。SLAM是移動機器人完成導(dǎo)航、路徑規(guī)劃、自主探索等工作的基礎(chǔ),一直以來都是移動機器人領(lǐng)域的重點研究內(nèi)容。隨著近幾十年的發(fā)展,單機器人SLAM算法已經(jīng)逐漸成熟。但是面對大規(guī)模環(huán)境,單機器人SLAM存在工作效率低、穩(wěn)定性差、地圖精度低等問題。因此,大規(guī)模場景中單機器人SLAM不是完成任務(wù)的最佳選擇。與單機器人SLAM相比,多機器人SLAM可以通過共享環(huán)境信息、融合不同傳感器信息等方式協(xié)作建圖。多機器人SLAM具有效率高、容錯性強、地圖精度高等優(yōu)點,更加適用于各種復(fù)雜的任務(wù),受到越來越多研究人員的關(guān)注。與此同時,多機器人SLAM需要解決不同機器人的相對位姿估計、局部地圖融合等問題,因此研究多機器人SLAM具有重要的意義。本文對多機器人SLAM的相對位姿估計、地圖關(guān)聯(lián)、全局地圖優(yōu)化等問題展開研究。首先,分析常用的三維環(huán)境地圖描述方法,比較點云地圖、立體柵格地圖、語義地圖的優(yōu)缺點,選擇使用Oc... 

【文章來源】：蘇州大學(xué)江蘇省 211工程院校

【文章頁數(shù)】：86 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖１．１不同類型的機器人??移動機器人在未知且復(fù)雜的環(huán)境中工作時，需要解決三個問題：“我在哪？?”、??“我要到哪里去？”、“怎么去？”，這三個問題分別對應(yīng)于機器人的定位、周圍的??

基于三維激光點云的室內(nèi)多機器人ＳＬＡＭ研究?第：亭申．機器人ＳＬＡＭ算法研究??由于傳感器的不同，獲取的點云的稀疏性也不同，３Ｄ激光雷達和深度相機??采集生成的點云較為密集，而單目相機生成的點云通常較為稀疏。密集點云雖然??能很好的表示環(huán)境中障礙物的信息，但是由于數(shù)據(jù)巨大，處理時計算復(fù)雜度高，??而稀疏點云由于點的數(shù)量較少，且存在噪聲，增加了數(shù)據(jù)關(guān)聯(lián)的難度。??８ＰＶ１??■Ｉ?ｍｍ??圖２．１點云地圖??２．１．２立體柵格地圖??立體柵格地圖１３９１是將三維環(huán)境空間分割成若干個火小相等的單元空間，每??個單元空間用正方體表示，正方體的邊長表示立體柵格地圖的分辨率，如圖２．２??所示。通過傳感器的觀測計算每個立體柵格被占據(jù)的概宇用［〇，１］之間的數(shù)字來??表示，立體柵格的占據(jù)概率越接近０，表示該立體柵格是空閑的可能性越高，占??椐概書越接近１，衣示該、＇／：體柵格被占據(jù)的吋能性越高。、Ｖ．體柵格地圖分為二種??狀態(tài)：ｒ１｛據(jù)、空閑、未知。??ＯｃｔｏＭａｐｌ４＇基于八叉樹的三維立體柵格地圖。在八叉樹的數(shù)據(jù)結(jié)構(gòu)屮，八??叉樹的任何非葉子節(jié)點，都存在八個子節(jié)點，葉子節(jié)點代表分辨率的怙況。??為了減小立體柵格地圖的存儲空間，ＯｃｔｏＭａｐ采用剪枝的ｆ？段，將狀態(tài)相Ｍ的了－??節(jié)點用父節(jié)點表示，當(dāng)?shù)貓D更新時，采用擴枝的方法，將了？節(jié)點展開。史新地圖??的狀態(tài)時，對葉子節(jié)點的概率值進行對數(shù)化處理，肖接將新的觀測值與前？時刻??的觀測值相加，即可得到該葉子節(jié)點當(dāng)前的狀態(tài)。此外，父節(jié)點的Ａ據(jù)概率值可??以根據(jù)子節(jié)點的占據(jù)概率．偵進行汁算。ＯｃｔｏＭａｐ?＞＂？有全面描述環(huán)境狀態(tài)、提供多??種分辨率、可壓縮等優(yōu)點。??１３

第二章單機器人ＳＬＡＭ算法研宄?基于三維激光點云的室內(nèi)多機器人ＳＬＡＭ研究??圖２．２柵格地圖??２．１．３語義地圖??語義地圖［４１，４２］是一種語義豐富的地圖，不僅包含環(huán)境中的幾何信息，還包含??環(huán)境中物體的類別，即語義信息，如圖２．３所示。語義地圖可以分為：視覺層、??對象層、概念層。視覺層是指環(huán)境中物體的顏色、紋理、形狀等信息，對象層是??指物體的屬性特征，即物體在不同時刻的不同狀態(tài)信息，概念層是最高層次，能??夠直接表達出人類直觀理解的信息。??語義地圖是以三維環(huán)境地圖為基礎(chǔ)發(fā)展而來的，機器人不僅可以從語義地圖??知道環(huán)境中障礙物的位置，還可以知道障礙物是什么。語義信息通常從ＲＧＢ圖??像中提取，通過對ＲＧＢ圖像進行物體檢測，結(jié)合物體的先驗信息，將語義信息??映射到三維環(huán)境地圖中，生成語義地圖。??『Ｉ私＿??圖２．３語義地圖［４３］??點云地圖僅僅描述了環(huán)境中物體的表面信息，且未將環(huán)境分為占據(jù)區(qū)域、空??閑區(qū)域、未知區(qū)域，無法為移動機器人導(dǎo)航、路徑規(guī)劃提供環(huán)境信息；ＯｃｔｏＭａｐ??１４??

【參考文獻】：
期刊論文
[1]基于區(qū)域生長算法的復(fù)雜建筑物屋頂點云分割[J]. 朱軍桃,王雷,趙傳,鄭旭東.  國土資源遙感. 2019(04)
[2]基于語義分割的室內(nèi)動態(tài)場景同步定位與語義建圖[J]. 席志紅,韓雙全,王洪旭.  計算機應(yīng)用. 2019(10)
[3]基于回溯法的全覆蓋路徑規(guī)劃算法[J]. 李楷,陳永府,金志勇,劉田,王振庭,鄭迥之.  計算機工程與科學(xué). 2019(07)
[4]基于SLAM算法和深度神經(jīng)網(wǎng)絡(luò)的語義地圖構(gòu)建研究[J]. 白云漢.  計算機應(yīng)用與軟件. 2018(01)
[5]基于Kinect傳感器的三維點云地圖構(gòu)建與優(yōu)化[J]. 張毅,陳起,羅元.  半導(dǎo)體光電. 2016(05)
[6]大規(guī)模環(huán)境下基于圖優(yōu)化SLAM的后端優(yōu)化方法[J]. 王忠立,趙杰,蔡鶴皋.  哈爾濱工業(yè)大學(xué)學(xué)報. 2015(07)
[7]中國機器人產(chǎn)業(yè)發(fā)展現(xiàn)狀與展望[J]. 曲道奎.  中國科學(xué)院院刊. 2015(03)
[8]大規(guī)模環(huán)境下基于圖優(yōu)化SLAM的圖構(gòu)建方法[J]. 王忠立,趙杰,蔡鶴皋.  哈爾濱工業(yè)大學(xué)學(xué)報. 2015(01)
[9]基于圖優(yōu)化的同時定位與地圖創(chuàng)建綜述[J]. 梁明杰,閔華清,羅榮華.  機器人. 2013(04)
[10]基于柵格地圖的分層式機器人路徑規(guī)劃算法[J]. 余翀,邱其文.  中國科學(xué)院大學(xué)學(xué)報. 2013(04)

博士論文
[1]基于視覺的多機器人協(xié)作SLAM研究[D]. 苑全德.哈爾濱工業(yè)大學(xué) 2016
[2]多自主移動機器人協(xié)作的關(guān)鍵技術(shù)研究[D]. 昝杰.長安大學(xué) 2014

碩士論文
[1]基于ROS的全向移動機器人系統(tǒng)設(shè)計與實現(xiàn)[D]. 張鵬.中國科學(xué)技術(shù)大學(xué) 2017
[2]基于OcTree的SLAM系統(tǒng)地圖算法的研究[D]. 劉強強.西安電子科技大學(xué) 2016
[3]基于路徑圖優(yōu)化的多機器人同步定位與制圖研究[D]. 鐘進.哈爾濱工業(yè)大學(xué) 2014



本文編號：3474019