论文部分内容阅读
服务机器人产业正在帮助人类社会各行各业实现产业迭代升级,现代移动服务机器人是通过多传感器集成与融合实现传感器系统对环境中的动态性和不确定性进行感知与观测,而要完成这个复杂的系统流程,离不开同时定位与地图构建(Simultaneous Localization and Mapping,SLAM)技术。导航的安全性、路径最短、平滑度三个目标是相关领域学者研究的重点。因此研究服务机器人的自主导航具有重要深刻的意义。本文主要工作如下:首先,通过研究国内外的服务机器人的发展和现状,并且分析了移动服务机器人的关键技术,对移动服务机器人的环境地图构建、定位、路径规划进行研究,完成了基于SLAM技术的服务机器人定位与导航方案设计。其次,针对地图构建过程中,基于快速SLAM(Fast SLAM,Fast SLAM)算法的粒子滤波器存在计算推导雅克比矩阵的工作量大、粒子贫化问题,导致后期的地图构建及定位的误差进一步增加,本文采用无迹Fast SLAM(Uncented Fast SLAM,UFastSLAM)算法,通过直接利用尺度无迹变换(Scaled Uncented Transformation,SUT)的非线性关系克服了Fast SLAM框架的缺点,并且结合遗传算法的思想,改进重采样过程,提高了滤波的一致性和状态估计精度。实验结果表明,改进算法在不同的环境下进行地图构建时,具有构建地图的精确度更高,计算量更小及减少系统误差等优势。再次,针对粒子群算法(Particle Swarm Optimization,PSO)存在容易出现早熟收敛和局部寻优能力较差等问题,提出了一种基于多目标蝗虫优化算法(Multi-Objective Grasshopper Optimization Algorithm,MOGOA),并建立了以路径长度、平滑度和安全性为目标的多目标优化问题数学模型。在蝗虫种群搜索过程中,针对全局搜索和局部搜索过程需要不同的搜索速率,本文引入余弦函数自适应策略来平衡算法在不同时期的搜索速率,对比实验结果显示,MOGOA相较于MOPSO表现出更好的收敛性和局部搜索的能力,路径长度减少了约2.01%。最后,以重庆邮电大学自主研发的移动服务机器人作为实验平台,完成基于UFastSLAM算法的室内服务机器人导航方案设计,并且将基于多目标约束的蝗虫优化算法用于移动服务机器人路径规划中。通过实验验证了本文系统的可行性和可实现性,在定位误差、地图构建和路径规划方面均有明显优势。