室內(nèi)環(huán)境下移動機(jī)器人定位與環(huán)境建模方法的研究.pdf

1、機(jī)器人定位問題在移動機(jī)器人智能行為研究中有著非常重要的意義，是實(shí)現(xiàn)勻主導(dǎo)航、在未知環(huán)境中完成復(fù)雜智能任務(wù)的關(guān)鍵，也集中體現(xiàn)了機(jī)器人的感知能力和智能水平。本文以室內(nèi)環(huán)境下移動機(jī)器人開發(fā)應(yīng)用為背景，對移動機(jī)器人在基于特征的室內(nèi)環(huán)境中實(shí)現(xiàn)高性能的自主定位和環(huán)境建模等問題進(jìn)行了深入研究。本文的主要研究成果有： (1)針對室內(nèi)結(jié)構(gòu)化環(huán)境下的移動機(jī)器人應(yīng)用，提出了一種融合改進(jìn)聲納模型與Hough變換的位姿跟蹤算法。該算法采用改進(jìn)的聲納模型，

2、并將經(jīng)典的Hough變換引入移動機(jī)器人自定位，將由Hough變換提取的直線特征組成的局部地圖，與全局地圖在Hough空間進(jìn)行匹配，更新機(jī)器人的位姿信息。并借助擴(kuò)展卡爾曼濾波器將此信息與里程計(jì)測得的數(shù)據(jù)進(jìn)行融合，從而最終實(shí)現(xiàn)機(jī)器人位姿跟蹤。不同于一般的地圖匹配定位方法，該算法的整個(gè)匹配過程是在Hough空間而不是在笛卡兒空間進(jìn)行的，因而與一般方法相比具有更高的計(jì)算效率。仿真與真實(shí)環(huán)境中的實(shí)驗(yàn)驗(yàn)證了該位姿跟蹤算法的有效性。 (2)為

3、了解決移動機(jī)器人的絕對定位問題，實(shí)現(xiàn)初始位姿完全未知下的全局定位，介紹了一種將基于擴(kuò)展卡爾曼濾波器的多假設(shè)跟蹤方法與貝葉斯概率估計(jì)相結(jié)合的混合的機(jī)器人全局定位方法并將其應(yīng)用于室內(nèi)多邊形環(huán)境中。該方法用高斯和表示系統(tǒng)狀態(tài)分布，對可能的匹配產(chǎn)生位置假設(shè)，利用擴(kuò)展卡爾曼濾波器來跟蹤每一個(gè)狀態(tài)假設(shè)，更新狀態(tài)估計(jì)和協(xié)方差矩陣，并采用貝葉斯概率公式估計(jì)假設(shè)的正確性，將正確性低于某一閾值的假設(shè)刪掉以確保計(jì)算效率。由于這一方法具有多模態(tài)性，因而能夠解決

4、全局定位問題。實(shí)驗(yàn)驗(yàn)證了該算法處理全局定位問題的能力。 (3)為了增強(qiáng)在不確定性條件下機(jī)器人定位的抗干擾性能，同時(shí)解決機(jī)器人被綁架問題，以Monte Carlo方法為基礎(chǔ)并進(jìn)行改進(jìn)，提出了一種改進(jìn)的MonteCarlo定位算法。該算法同時(shí)采用運(yùn)動模型與感知模型作為重要性函數(shù)并從中進(jìn)行采樣，避免了采樣集不包含真實(shí)位姿采樣的情況，能夠有效地解決全局定位與綁架問題。同時(shí)在重采樣過程中引入了額外的兩個(gè)檢驗(yàn)過程，即采樣過收斂和均勻性驗(yàn)證，

5、用于判斷采樣與感知信息的匹配程度，以適時(shí)的進(jìn)行重采樣，節(jié)省了計(jì)算資源并提高了定位效率。通過常規(guī)Monte Carlo算法、加入隨機(jī)采樣MonteCarlo算法與改進(jìn)Monte Carlo算法的定位性能比較，驗(yàn)證了改進(jìn)Monte Carlo算法的有效性。 (4)針對未知模型環(huán)境下在線建模-SLAM(同時(shí)定位與環(huán)境建模)這一移動機(jī)器人實(shí)現(xiàn)自主能力中的重要問題，本文研究了一種基于貝葉斯法則的柵格地圖創(chuàng)建方法，對多個(gè)聲納傳感器信息進(jìn)行融