论文部分内容阅读
在工作环境中自主导航是移动机器人完成其他复杂任务的前提。自主导航包括同时定位与地图构建(Simultaneous Localization and Mapping,SLAM)以及路径规划。随着室内环境中障碍物数量的增加,常见的移动机器人自主导航系统会出现实时性差、定位建图精度下降、路径规划成功率下降等问题。因此,研究适用于室内多障碍物环境的自主导航系统具有非常重要的理论意义和应用价值。首先,本文详细阐述国内外移动机器人导航课题的研究现状,对自主导航系统中常见传感器和相关模型进行讨论,对其中涉及到的SLAM技术和路径规划技术进行分析,在此基础之上,设计出适用于室内多障碍物环境的移动机器人自主导航系统总体方案。然后,本文对移动机器人SLAM操作过程中的状态估计部分和数据关联部分进行深入研究。选取计算复杂度低并且估计精度高的Fast SLAM算法执行室内多障碍物环境下SLAM状态估计。同时,通过设置自适应局部数据关联区域以及采用自适应高斯混合聚类分组方法对联合兼容分支定界(Joint Compatibility Branch and Bound,JCBB)算法进行改进,使得该算法在室内多障碍物环境中执行SLAM数据关联时能够以较少的关联时间获得较高的关联正确率。实验结果表明,在多障碍物环境中,基于Fast SLAM算法和本文改进JCBB算法的移动机器人SLAM操作拥有较高的定位建图精度和运行效率。接着,为解决移动机器人使用人工势场(Artificial Potential Field,APF)算法在室内多障碍物环境中进行路径规划时,经常出现的目标不可达问题和陷入局部极小值点问题,本文对APF算法进行相应的改进。通过在斥力场函数中引入受反正切函数处理的机器人到目标点的距离来解决目标不可达问题,通过以吸引力为基础构造出的强制干扰力打破受力平衡来解决陷入局部极小值点问题。实验结果表明,在多障碍物环境中,本文改进APF算法路径规划的成功率较高,并且所规划路径的质量也较优。最后,以课题研究的算法为基础,将机器人操作系统(Robot Operating System,ROS)作为软件平台并且使用相关设备搭建硬件平台,实现了本文所设计的移动机器人自主导航系统。在真实室内多障碍物环境中进行SLAM实验以及路径规划实验,实验结果证实了本文所设计自主导航系统的有效性。