發(fā)布時間：2020-08-21 03:55

【摘要】：從簡單重復的勞動中解放出來一直是人類追求的夢想,也是人類創(chuàng)造發(fā)明機器人的主要目的之一。機器人可移動性可以進一步擴大其使用范圍并能更好地提高其使用效率,但移動機器人在復雜環(huán)境中如何模仿人類進行自我導航和路徑規(guī)劃一直是難以解決的問題。在過去30多年內(nèi),對同步定位與地圖構(gòu)建(Simultaneous Localization and Maping,SLAM)問題的探索研究大多是基于數(shù)學概率的方法,其中最成功的三種概率法為卡爾曼濾波(Kalman Filter,KF)算法、最大期望(Expectation Maximisation,EM)算法和粒子濾波(Particle Filter,PF)算法。這些基于概率的算法可以較好地通過傳感器解決在不確定環(huán)境下的SLAM問題,但這些方法需要對當前采集到的環(huán)境進行數(shù)學建模并優(yōu)化,因此不能完全解決全局地圖構(gòu)建和導航問題。針對同步定位與地圖構(gòu)建(SLAM)問題中傳統(tǒng)概率算法存在計算量大、復雜度高、易陷于局部最優(yōu)解等問題,本文將鼠類腦細胞中邊界細胞(Border cells)、局部場景細胞(View cells)、網(wǎng)格細胞(Grid cells)、速度細胞(Speed cells)、位姿細胞(Pose cells)等具有定位導航功能的細胞應用于SLAM研究中,分別研究各自細胞以及相互對SLAM的影響,圍繞建立局部場景細胞、位姿細胞、網(wǎng)格細胞以及速度細胞、邊界細胞的模型并構(gòu)建經(jīng)歷制圖,構(gòu)建一種基于多細胞導航機制的BVGSP-SLAM(Border cells+View cells+Grid cells+Speed cells+Pose cells+SLAM,BVGSP-SLAM)模型,并選擇多種適合傳感器搭建實驗平臺,驗證BVGSP-SLAM模型的可行性和有效性。并在此模型基礎上添加一種基于特征參數(shù)和方向參數(shù)的動態(tài)增長自組織特征圖(Dynamic Growing Self-Organizing Feature Map,DGSOM)神經(jīng)網(wǎng)絡模型,并將此神經(jīng)網(wǎng)絡模型應用于提出的衍生SLAM模型中。多細胞導航機制的BVGSP-SLAM模型通過局部場景細胞在環(huán)境中學習獨特場景,通過頭方向細胞和位置細胞以及相互關(guān)聯(lián)的競爭性吸引子網(wǎng)絡結(jié)構(gòu)形成位姿細胞表征當前位置,局部場景細胞和位姿細胞協(xié)同完成拓撲化的經(jīng)歷制圖。借鑒網(wǎng)格細胞場景重定位設計實時關(guān)鍵幀匹配的閉環(huán)檢測算法避免光線變化對SLAM的影響;融合速度細胞更精準的實現(xiàn)移動機器人速度的測量,避免基于局部場景細胞在突發(fā)障礙物影響下的判別失效;融合邊界細胞,實現(xiàn)移動機器人對突發(fā)障礙物的實時避障。提出的DGSOM神經(jīng)網(wǎng)絡模型通過加入特征點避免圖的混淆,通過加入運動方向減小學習量。本文將生物學概念引入傳統(tǒng)的SLAM模型,并形成數(shù)學建模、軟件仿真與實驗驗證一體化循序漸進的研究體系,利用鼠類混合細胞和神經(jīng)網(wǎng)絡衍生出的數(shù)學模型分析系統(tǒng)的魯棒性和實時性,為移動機器人SLAM研究領(lǐng)域多樣化提供重要的理論參考。
【學位授予單位】：中國科學技術(shù)大學
【學位級別】：博士
【學位授予年份】：2019
【分類號】：TP242
【圖文】：

細胞和頭方向細胞合并形成的一個新細胞類型，位姿細胞）；網(wǎng)格細胞通過標記逡逑被激活細胞的位置對場景進行重定位。此外，在內(nèi)嗅皮層還存在邊界細胞、速度逡逑細胞等能夠進行輔助導航的細胞，如圖１－１所示ＩＷ。逡逑內(nèi)嗅皮質(zhì)逡逑海馬體逡逑ｙ邋＇－ｘ邋／邐位姿細胞逡逑［

本文編號：2798887