為實(shí)現(xiàn)機(jī)器人的自主移動(dòng),首先要解決機(jī)器人的即時(shí)定位與地圖構(gòu)建（SLAM）問(wèn)題。目前基于激光雷達(dá)的SLAM算法發(fā)展相對(duì)成熟。移動(dòng)底盤(pán)與激光雷達(dá)作為激光SLAM系統(tǒng)主要傳感器,傳感器精度降低將導(dǎo)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(guò)對(duì)傳感器數(shù)據(jù)的優(yōu)化處理來(lái)提高其測(cè)量精度,并搭建一個(gè)完整的SLAM系統(tǒng),優(yōu)化后端優(yōu)化算法,實(shí)現(xiàn)室內(nèi)移動(dòng)機(jī)器人自主定位與構(gòu)建環(huán)境地圖的能力。首先對(duì)SLAM系統(tǒng)各個(gè)部分進(jìn)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(cè)量模型來(lái)獲取里程計(jì)與環(huán)境測(cè)量數(shù)據(jù),建立基于似然場(chǎng)模型的系統(tǒng)觀測(cè)模型來(lái)對(duì)機(jī)器人位姿預(yù)測(cè)結(jié)果進(jìn)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(xué)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(xué)基礎(chǔ)。在機(jī)器人運(yùn)動(dòng)過(guò)程中移動(dòng)底盤(pán)提供的里程計(jì)會(huì)產(chǎn)生累積誤差。設(shè)計(jì)了輪式里程計(jì)的實(shí)時(shí)標(biāo)定策略對(duì)該誤差進(jìn)行消除。采用PL-ICP算法對(duì)激光雷達(dá)掃描數(shù)據(jù)進(jìn)行匹配計(jì)算,獲取機(jī)器人位姿的參考真值�；诜蔷�性最小二乘法對(duì)原始里程計(jì)進(jìn)行標(biāo)定計(jì)算,完成里程計(jì)累積誤差的消除。激光雷達(dá)的掃描數(shù)據(jù)會(huì)在其快速移動(dòng)時(shí)... 

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

【文章頁(yè)數(shù)】：66 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

SLAM系統(tǒng)主要傳感器

2.3.2 激光雷達(dá)測(cè)距模型激光雷達(dá)的測(cè)距模型主要有以下兩種：三角測(cè)距與 TOF（Time of Flight）測(cè)距。其中 TOF 測(cè)距方法使用光源發(fā)射激光，使用光電檢測(cè)器接收激光。通過(guò)獲取發(fā)射激光與接收激光的時(shí)差，即可計(jì)算出激光的飛行時(shí)間，進(jìn)而計(jì)算出障礙物與雷達(dá)之間的距離。TOF 測(cè)距模型具有測(cè)距范圍廣且精度較高的優(yōu)點(diǎn)，但因其造價(jià)昂貴，未在室內(nèi)低成本機(jī)器人中大面積使用。雖然三角測(cè)距遠(yuǎn)距離測(cè)量精度與 TOF 測(cè)距模型相差較多，但是近距離測(cè)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(dòng)機(jī)器人大多選擇基于三角測(cè)距模型的激光雷達(dá)以降低成本�；谌菧y(cè)距模型的激光雷達(dá)實(shí)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(xué)攝像頭。三角測(cè)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(diǎn)構(gòu)成的三角形如圖 2-5 b 所示。

a) 雷達(dá)靜止 b) 雷達(dá)以 90°/s 旋轉(zhuǎn)圖 3-2 激光雷達(dá)旋轉(zhuǎn)造成的運(yùn)動(dòng)畸變3.3.2 基于線性插值法的雷達(dá)運(yùn)動(dòng)畸變?nèi)コ呗栽O(shè)計(jì)激光雷達(dá)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(jì)的要依據(jù)。若產(chǎn)生雷達(dá)運(yùn)動(dòng)畸變后不做任何處理，則會(huì)嚴(yán)重影響 SLAM 算法對(duì)機(jī)器人定位與構(gòu)建地圖的精度。因此，本文借助里程計(jì)提供的位姿信息，提一種基于線性插值法的激光雷達(dá)運(yùn)動(dòng)畸變?nèi)コ呗�。里程�?jì)的更新頻率較高，一般可以達(dá)到幾百赫茲，且局部位姿估計(jì)精度較高；而低成本激光雷達(dá)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(shí)間戳必然落在連續(xù)兩幀里程計(jì)的時(shí)間戳之間。這樣可以通過(guò)線性插的方法將每束激光的發(fā)射位姿通過(guò)里程計(jì)位姿插值計(jì)算得出。進(jìn)而將各束激的掃描點(diǎn)由發(fā)射位姿所在的坐標(biāo)系向第一束激光所在的坐標(biāo)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(dá)運(yùn)動(dòng)畸變?nèi)コ惴ǖ木唧w驟：

【參考文獻(xiàn)】：
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(dǎo)航定位與授時(shí). 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(guó)光學(xué). 2018(06)
[3]兩種基于激光雷達(dá)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(jī)與應(yīng)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(jìn)的無(wú)人機(jī)FastSLAM1.0算法[J]. 沈永福,王希彬.  系統(tǒng)仿真技術(shù). 2015(03)
[7]移動(dòng)機(jī)器人FastSLAM算法的對(duì)比研究[J]. 湯文俊,張國(guó)良,敬斌.  計(jì)算機(jī)工程與設(shè)計(jì). 2012(03)
[8]移動(dòng)機(jī)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(jì)算機(jī)系統(tǒng). 2011(07)
[9]基于粒子群優(yōu)化的移動(dòng)機(jī)器人SLAM方法[J]. 陳白帆,蔡自興,袁成.  機(jī)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(yīng)用科技. 2009(04)

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

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



本文編號(hào)：3428339