移動機器人地圖創(chuàng)建和自主探索方法研究.pdf

1、目前移動機器人已經(jīng)在工農(nóng)業(yè)、交通運輸、軍事、服務(wù)和醫(yī)療衛(wèi)生等行業(yè)取得了廣泛應(yīng)用，以擴展人類的工作能力，并減輕或取代人類繁重勞動。隨著應(yīng)用環(huán)境的逐步復雜化和機器人技術(shù)的進步，人類對移動機器人的自主性和智能性提出了更高的要求，并引起了國內(nèi)外學者的極大關(guān)注。特別是在大規(guī)模未知極限或復雜環(huán)境下，人類期望機器人能自主完成環(huán)境的探索、創(chuàng)建所在周圍環(huán)境的地圖表示，并能利用地圖表示實現(xiàn)在環(huán)境中的高效導航。本論文以Pioneer 2-DXE移動機器人為對

2、象，重點開展室內(nèi)環(huán)境下移動機器人地圖創(chuàng)建和自主探索方法的研究，全文主要工作包括如下幾個方面。 論文首先系統(tǒng)深入地介紹了移動機器人的定義和發(fā)展歷史，系列智能移動機器人系統(tǒng)和典型通用移動機器人研究開發(fā)平臺，其次詳細討論了機器人常用傳感器的原理和特性，然后闡述了移動機器人關(guān)鍵技術(shù)和研究熱點。并在此基礎(chǔ)上闡述本論文的研究意義。 在第二部分，論文詳細闡述了Pioneer 2-DXE移動機器人的硬件系統(tǒng)和各種傳感器配置和設(shè)計；然后系

3、統(tǒng)介紹了移動機器人控制結(jié)構(gòu)和Pioneer移動機器人的軟件開發(fā)系統(tǒng)；隨后深入討論了移動機器人的運動控制模型及其不確定性。 柵格地圖是移動機器人環(huán)境表示的一種重要形式，而聲納傳感器是柵格地圖創(chuàng)建最廣泛采用的傳感器。然而由于聲納傳感器存在多重反射、鏡面反射、角精度差等缺點，使柵格地圖存在環(huán)境解釋的準確性和精度方面存在一定限制。為此，論文提出了一種改進神經(jīng)網(wǎng)絡(luò)聲納解釋模型用于柵格地圖創(chuàng)建，并提出柵格單元的連續(xù)更新方案。該模型同時考慮聲

4、納傳感器空間相關(guān)度和時間相關(guān)度的影響，保證測量數(shù)據(jù)在時間和空間上的連續(xù)性。因此即使出現(xiàn)某個聲納傳感器或者某次測量數(shù)據(jù)受鏡面反射或者多重反射影響而無效，模型也可以根據(jù)歷史測量數(shù)據(jù)和空間相鄰傳感器測量數(shù)據(jù)，獲取關(guān)于空間環(huán)境狀態(tài)的正確解釋，從而大大減少聲納傳感器的不確定性對地圖創(chuàng)建的影響。論文基于Levenberg-Marquardt算法，采用分階批處理模式對神經(jīng)網(wǎng)絡(luò)進行離線訓練?；谟柧毢蟮纳窠?jīng)網(wǎng)絡(luò)的對聲納測量數(shù)據(jù)的解釋，每個柵格單元對應(yīng)于

5、空、障礙物和不確定三種狀態(tài)，本論文中對三種狀態(tài)分別采用Bayesian模型進行更新，而最終柵格單元狀態(tài)基于Max-Min法則從三種可能狀態(tài)中選擇決定，從而進一步保證了聲納信息融合的準確性。實驗結(jié)果表明，基于該方法創(chuàng)建的柵格地圖具有較好的連續(xù)性、準確度，對不同環(huán)境具有良好的適應(yīng)性，利用訓練后的神經(jīng)網(wǎng)絡(luò)模型，具有較好的實時性，可滿足在線處理的要求。 大規(guī)模未知環(huán)境下的自主探索和地圖表示是移動機器人的重要研究方向。論文在深入研究當前自

6、主探索方案和地圖表示模型的基礎(chǔ)上，提出了用于大規(guī)模環(huán)境表示的混合高精度地圖表示模型。在該地圖模型中全局地圖采用拓撲地圖，其利用改進四叉樹表示方法對局部柵格地圖進行處理，提取拓撲節(jié)點集合，并通過臨近空間范圍內(nèi)節(jié)點的匹配處理實現(xiàn)全局地圖的更新和擴張；而每個拓撲節(jié)點采用改進四叉樹結(jié)構(gòu)保存對應(yīng)的柵格地圖信息。方法保持了環(huán)境表示的精度，有效控制了大規(guī)模環(huán)境下柵格地圖的計算復雜度和空間復雜度，同時拓撲信息和幾何信息的存在有利于不同層次下的探索、路徑

7、規(guī)劃等任務(wù)處理需求。 基于上述層次式混合地圖表示模型，論文提出一種用于大規(guī)模未知環(huán)境的自主探索方案。該探索方案分為局部探索和全局探索兩部分：在局部探索階段，根據(jù)局部柵格地圖，基于邊界長度和運動路徑長度定義的局部探索性能函數(shù)選擇下一步最優(yōu)探測邊界，其中探索邊界線段采用模糊FCM聚類算法提取，運動路徑基于改進Distance Transform算法計算。當滿足局部探索和全局探索切換條件時，采用改進四叉樹結(jié)構(gòu)對局部探索過程中獲取的局部

8、柵格地圖進行計算處理，提取拓撲節(jié)點，并實現(xiàn)對全局拓撲地圖更新。并從包含探測邊界的拓撲節(jié)點中基于全局最優(yōu)探測性能函數(shù)選擇探測拓撲節(jié)點。其中全局最優(yōu)性能函數(shù)綜合考慮性能函數(shù)運動距離、預期獲取的未知環(huán)境信息量、直線運動、周圍環(huán)境狀態(tài)配置等因素。局部探索和全局探索兩步驟循環(huán)進行，則最終完成整個未知大規(guī)模環(huán)境的探索和地圖創(chuàng)建。該混合探索方案兼顧了計算速度和最優(yōu)探索性能，并減少累積誤差影響，實驗結(jié)果驗證了該探索方案的可行性和正確性。 為實現(xiàn)

9、己知路徑的快速跟蹤控制或未知環(huán)境下對目標位置的無碰撞高效導航控制，本論文提出了一種基于模糊推理和行為控制的移動機器人導航避障方法。該方法首先定義了機器人導航過程中可能行為模式，然后設(shè)計了模糊導航控制器，根據(jù)實時聲納測量數(shù)據(jù)和機器人位姿、目標位置等信息實現(xiàn)機器人行為的切換和調(diào)度控制。該方法在兩種不同環(huán)境下五個導航任務(wù)的試驗結(jié)果表明，方法具有很好的實時性和較高控制跟蹤精度，并對不同環(huán)境有很好的適應(yīng)能力和可靠性。 移動機器人同步地圖創(chuàng)