论文部分内容阅读
近年来,移动机器人在航空航天、车辆交通、物流仓储等领域得到广泛的应用。移动机器人不仅可以代替人力完成繁重的重复性工作,还可以在复杂和恶劣的环境下作业,能大幅度提高生产效率,降低生产成本。同时定位与构图(Simultaneous Localization and Mapping,SLAM)作为移动机器人实现自主移动的关键技术引起了广泛的关注。SLAM是指机器人从未知环境的未知地点出发,在运动过程中通过重复观测到的地图特征确定自身位置和姿态,根据自身位姿增量式的构建地图。近年来,虽然对移动机器人SLAM进行了大量研究,并取得了一些成果,但是如何实现高精度的定位和构图依然是目前研究的难点和热点。本文搭建了包含里程计、激光雷达和偏振光传感器等多传感器的移动实验平台,设计滤波器,实现移动机器人SLAM,提升了定位构图的精度和自主性。主要内容安排如下:(1)对移动机器人导航系统中常用的传感器进行介绍、对比和选型,主要包括里程计、激光雷达、陀螺仪、加速度计和罗盘等。基于移动机器人的运动学规律,建立了移动机器人运动学模型。(2)为了提高SLAM精度和自主性,从仿生学机理出发,介绍了大气散射模型,讨论了Rayleigh散射和Mie散射两类散射模型,在散射模型基础上,研究了仿生偏振光传感器的原理,建立了偏振光传感器的量测模型。(3)针对激光雷达数据关联困难的问题,引入1D-SIFT(1D-Scale-Invariant Feature Transform,1D-SIFT)特征提取方法提取特征点,对比线段特征提取方法,选择分割合并法提取线段特征,并借助距离直方图进行特征描述和匹配。在数据关联的基础上建立激光雷达的量测模型。(4)基于移动机器人的运动学模型,综合偏振光传感器的量测模型和激光雷达的量测模型,建立多传感器的状态方程和量测方程。分别设计了扩展卡尔曼滤波SLAM(Extended Kalman Filter SLAM,EKF-SLAM)方法和联邦扩展卡尔曼滤波SLAM方法,提升定位和构图精度,并完成了滤波方法的精度对比与性能分析。最后搭建实验平台,进行室外实验,验证所提出方法的有效性。针对移动机器人需要高精度和强自主SLAM的问题,建立了移动机器人的运动学模型和量测传感器的量测模型,设计联邦扩展卡尔曼滤波器,实现移动机器人的同时定位和构图,通过搭建实验平台,验证了方法的可行性和有效性,为移动机器人SLAM的应用提供了参考。