基于聲納的移動機器人定位算法研究.pdf

1、機器人的應(yīng)用已經(jīng)越來越廣泛，移動機器人則是機器人技術(shù)實用化、普及化的生力軍。移動機器人在實際應(yīng)用中首先遇到的就是機器人本身的定位問題,即移動機器人根據(jù)各種信息判斷自身與環(huán)境的相對位置和姿態(tài)的問題。在很多實際應(yīng)用中，機器人的位置信息是完成各種任務(wù)的前提。本文從移動機器人的歷史和現(xiàn)狀出發(fā)，比較了國內(nèi)外的不同發(fā)展?fàn)顩r，對移動機器人領(lǐng)域的研究方向進行了綜述。本文還介紹了機器人定位過程中可能存在的不確定性因素。根據(jù)是否預(yù)知環(huán)境地圖的不同，機器人定

2、位可劃分為兩大類：基于地圖的定位與不基于地圖的定位（本文采用前者）。針對試驗平臺，論文介紹了機器人定位過程中需要注意的坐標(biāo)變換、地圖建立、模型建立等問題。最后，針對當(dāng)前一般定位算法無法解決動態(tài)問題和計算量大的問題，本文重點研究了蒙特卡羅定位算法和改進后的均勻蒙特卡羅算法。本文研究的蒙特卡羅定位算法（MCL）實際上是一種迭代性的貝耶斯方法，它描述的是基于傳感器信息的機器人位姿的概率分布。其關(guān)鍵點是用采樣點集來描述機器人位姿的后驗分布。當(dāng)機

3、器人獲得里程數(shù)據(jù)或者指令時，MCL算法進行運動模型更新；當(dāng)機器人獲得傳感器數(shù)據(jù)時，進行傳感器（感知）模型更新。該算法具有低運算量的優(yōu)點。而均勻蒙特卡羅算法采用均勻分布來描述位姿信息的信任度概率。這種算法雖然分布簡單，但是魯棒性強，計算量更小，而且由于采用貝耶斯法則，該算法還具有多傳感器融合的作用。本文利用PioneerII移動機器人的仿真平臺對上述算法和策略進行了實驗。實驗結(jié)果和分析證明了使用的原理和算法的有效性和正確性。論文結(jié)尾對全文