论文部分内容阅读
移动机器人的研究涉及到智能控制技术、计算机技术、模式识别以及人工智能等许多学科,这些学科的飞速发展为移动机器人的研究带来新的动力。随着激光测距仪和其他先进传感器设备在移动机器人研究中的广泛应用,移动机器人的研究越来越受到国内外学者的普遍重视,取得了很多新的成果。地图构建和自主定位是移动机器人研究中的两个核心问题,是移动机器人实现自主导航的基础。本文主要研究移动机器人几何—拓扑混合地图的构建以及自主定位这两个问题。 本文首先对SmartROB-2移动机器人所装配的里程计传感器和激光测距仪传感器的模型和误差分别进行了分析讨论。研究了由里程计进行航迹推算的局限性,给出机器人位姿误差协方差矩阵的更新方程。此外,分析了各种环境因素对激光测距仪的影响,重新界定双激光测距的距离和角度的方差分布,依据误差传递公式给出了激光测距的不确定信息描述,并完成双激光测距仪的硬件配置以及驱动程序调试工作。 针对不同地图构建的方法,本文提出了一种基于双激光测距仪的几何地图构建方法一点簇聚类法。该方法具有处理数据量大、计算时间短、地图精确的优点,在静态环境和动态环境下都具有较好实用性和鲁棒性。以实时构建的几何地图为基础,应用扩展卡尔曼滤波实现厘米级定位,消除了只依靠里程计定位所带来的累积误差。在先验几何地图的基础上,本文讨论墙角、房门和通路等高级环境特征的辨识和提取,依据几何和拓扑环境模型实现几何—拓扑混合地图的构建。基于混合地图的特点提出在局部几何环境中采用扩展卡尔曼滤波算法实现移动机器人位姿跟踪,在全局拓扑环境中采用与节点绑定的高级环境特征进行位姿再校正的混合定位方法。通过对SmartROB-2移动机器人平台所得到的实验结果与数据的分析讨论,证明了这种方法不但能够精确定位,而且解决了扩展卡尔曼滤波算法因系统噪声和测量不服从高斯分布所导致的定位失败问题。 本文对基于POMDP的拓扑导航做了探索性的研究,讨论了在实现拓扑导航过程中状态估计器,状态集,决策集,观察函数以及转换模型,为今后开展拓扑导航实验工作奠定了理论基础。