發(fā)布時間：2021-10-10 12:01

　　為實現(xiàn)機器人的自主移動,首先要解決機器人的即時定位與地圖構(gòu)建（SLAM）問題。目前基于激光雷達的SLAM算法發(fā)展相對成熟。移動底盤與激光雷達作為激光SLAM系統(tǒng)主要傳感器,傳感器精度降低將導致SLAM算法輸出的地圖精度變差。本文擬在低精度傳感器的條件下,通過對傳感器數(shù)據(jù)的優(yōu)化處理來提高其測量精度,并搭建一個完整的SLAM系統(tǒng),優(yōu)化后端優(yōu)化算法,實現(xiàn)室內(nèi)移動機器人自主定位與構(gòu)建環(huán)境地圖的能力。首先對SLAM系統(tǒng)各個部分進行建模,給出了基于貝葉斯濾波器的SLAM系統(tǒng)概率模型,建立傳感器的測量模型來獲取里程計與環(huán)境測量數(shù)據(jù),建立基于似然場模型的系統(tǒng)觀測模型來對機器人位姿預測結(jié)果進行修正。為獲取二維室內(nèi)環(huán)境的障礙物信息,給出柵格地圖的數(shù)學模型。上述模型為后文的傳感器數(shù)據(jù)處理策略以及粒子濾波算法優(yōu)化奠定了數(shù)學基礎(chǔ)。在機器人運動過程中移動底盤提供的里程計會產(chǎn)生累積誤差。設計了輪式里程計的實時標定策略對該誤差進行消除。采用PL-ICP算法對激光雷達掃描數(shù)據(jù)進行匹配計算,獲取機器人位姿的參考真值�；诜蔷�性最小二乘法對原始里程計進行標定計算,完成里程計累積誤差的消除。激光雷達的掃描數(shù)據(jù)會在其快速移動時... 

【文章來源】：哈爾濱工業(yè)大學黑龍江省 211工程院校 985工程院校

【文章頁數(shù)】：66 頁

【學位級別】：碩士

【部分圖文】：

SLAM系統(tǒng)主要傳感器

2.3.2 激光雷達測距模型激光雷達的測距模型主要有以下兩種：三角測距與 TOF（Time of Flight）測距。其中 TOF 測距方法使用光源發(fā)射激光，使用光電檢測器接收激光。通過獲取發(fā)射激光與接收激光的時差，即可計算出激光的飛行時間，進而計算出障礙物與雷達之間的距離。TOF 測距模型具有測距范圍廣且精度較高的優(yōu)點，但因其造價昂貴，未在室內(nèi)低成本機器人中大面積使用。雖然三角測距遠距離測量精度與 TOF 測距模型相差較多，但是近距離測距精度較高，且成本較低，適用于室內(nèi)環(huán)境，因此低成本室內(nèi)移動機器人大多選擇基于三角測距模型的激光雷達以降低成本。基于三角測距模型的激光雷達實物圖如圖 2-5 a 所示。圖中左邊小孔為激光發(fā)射器，右邊稍大的孔為接受激光的光學攝像頭。三角測距模型主要原理為三角形的角邊角定理，激光發(fā)射器位置與攝像頭光心以及掃描點構(gòu)成的三角形如圖 2-5 b 所示。

a) 雷達靜止 b) 雷達以 90°/s 旋轉(zhuǎn)圖 3-2 激光雷達旋轉(zhuǎn)造成的運動畸變3.3.2 基于線性插值法的雷達運動畸變?nèi)コ呗栽O計激光雷達的掃描數(shù)據(jù)是粒子濾波 SLAM 算法建立地圖，粒子權(quán)重估計的要依據(jù)。若產(chǎn)生雷達運動畸變后不做任何處理，則會嚴重影響 SLAM 算法對機器人定位與構(gòu)建地圖的精度。因此，本文借助里程計提供的位姿信息，提一種基于線性插值法的激光雷達運動畸變?nèi)コ呗�。里程計的更新頻率較高，一般可以達到幾百赫茲，且局部位姿估計精度較高；而低成本激光雷達的更新頻率一般為 5~10Hz，因此一幀掃描數(shù)據(jù)中每一激光的時間戳必然落在連續(xù)兩幀里程計的時間戳之間。這樣可以通過線性插的方法將每束激光的發(fā)射位姿通過里程計位姿插值計算得出。進而將各束激的掃描點由發(fā)射位姿所在的坐標系向第一束激光所在的坐標系轉(zhuǎn)移，并重新裝為一幀掃描數(shù)據(jù)。以下是基于線性插值法的雷達運動畸變?nèi)コ惴ǖ木唧w驟：

【參考文獻】：
期刊論文
[1]ORB-SLAM系統(tǒng)優(yōu)化框架分析概述[J]. 邱笑晨,趙晨旭,張海,許輝.  導航定位與授時. 2019(03)
[2]激光掃描匹配方法研究綜述[J]. 宗文鵬,李廣云,李明磊,王力,李帥鑫.  中國光學. 2018(06)
[3]兩種基于激光雷達的SLAM算法最優(yōu)參數(shù)分析[J]. 高文研,平雪良,貝旭穎,陳威.  傳感器與微系統(tǒng). 2018(04)
[4]基于激光傳感器的SLAM數(shù)據(jù)關(guān)聯(lián)算法的研究[J]. 李延炬,肖宇峰,古松,賀希,郭正平.  微型機與應用. 2017(02)
[5]基于高斯分布重采樣的Rao-Blackwellized粒子濾波SLAM算法[J]. 張毅,鄭瀟峰,羅元,龐冬雪.  控制與決策. 2016(12)
[6]一種改進的無人機FastSLAM1.0算法[J]. 沈永福,王希彬.  系統(tǒng)仿真技術(shù). 2015(03)
[7]移動機器人FastSLAM算法的對比研究[J]. 湯文俊,張國良,敬斌.  計算機工程與設計. 2012(03)
[8]移動機器人SLAM中一種混合數(shù)據(jù)關(guān)聯(lián)方法[J]. 鄒智榮,蔡自興,陳白帆.  小型微型計算機系統(tǒng). 2011(07)
[9]基于粒子群優(yōu)化的移動機器人SLAM方法[J]. 陳白帆,蔡自興,袁成.  機器人. 2009(06)
[10]有效粒子數(shù)MCMC粒子濾波算法研究[J]. 馮馳,趙娜.  應用科技. 2009(04)

博士論文
[1]基于貝葉斯濾波器的移動機器人同時定位與地圖創(chuàng)建算法研究[D]. 徐巍軍.浙江大學 2016

碩士論文
[1]基于多傳感器融合的移動機器人SLAM算法的研究與應用[D]. 潘志國.電子科技大學 2018
[2]雙目立體視覺SLAM特征匹配與定位技術(shù)研究[D]. 陳建軍.東華大學 2017
[3]基于圖像特征點匹配的改進SLAM算法關(guān)鍵技術(shù)研究[D]. 戴雪梅.安徽工程大學 2016
[4]粒子濾波器重采樣算法的研究與改進[D]. 王萌.哈爾濱工程大學 2008



本文編號：3428339