基于傳感器融合的移動機(jī)器人定位及地圖構(gòu)建技術(shù)的研究.pdf

1、為了研究室內(nèi)移動機(jī)器人自主能力，論文完成了一個實際的移動機(jī)器人實驗平臺和基于Matlab的機(jī)器人仿真模型，并在此基礎(chǔ)上主要研究了機(jī)器人的運動控制，位姿分析，以及SLAM（同時定位與地圖構(gòu)建）。對于實體機(jī)器人的實現(xiàn)，機(jī)器人上層軟件架構(gòu)采用機(jī)器人操作系統(tǒng)（即RobotOperating System，縮寫ROS）平臺開發(fā)機(jī)器人算法，算法主要包括位姿測量的傳感器融合和基于粒子濾波的SLAM等，并通過ROS提供的消息傳遞機(jī)制完成軟件模塊的集成;

2、機(jī)器人的底層控制和采集系統(tǒng)，采用arm7微控制器完成閉環(huán)速度控制和avr微控制器完成IMU慣性數(shù)據(jù)采集，并設(shè)計完成各模塊之間滿足ROS消息傳遞的接口及驅(qū)動。
　　本文基于Matlab的仿真研究，首先通過實際機(jī)器人的運動學(xué)方程，建立了研究對象的數(shù)學(xué)模型。在此基礎(chǔ)上采用simulink仿真對機(jī)器人運動特性作進(jìn)一步分析。另外，還采用Matlab對機(jī)器人航跡推算和路標(biāo)位姿推算完成了相關(guān)的理論驗證。在SLAM仿真部分，完成了對EKF和粒子濾

3、波的SLAM算法迭代仿真分析。在理論方面，為了提高機(jī)器人的位姿估計準(zhǔn)確性，設(shè)計了基于Kalman濾波的慣性傳感器數(shù)據(jù)與編碼器數(shù)據(jù)融合算法。論文在運動控制分析部分完成了機(jī)器人的控制模型，并推導(dǎo)完成了基于kinect的深度傳感器測量模型，控制模型和測量模型是實現(xiàn)SLAM的前提。對于SLAM算法，論文采用柵格地圖表示，通過引入SLAM算法的基本數(shù)學(xué)模型，在此基礎(chǔ)上分別采用EKF和粒子濾波實現(xiàn)SLAM算法作了深入分析。最終論文通過粒子濾波SLA