基于SLAM的移動機器人室內環(huán)境感知和地圖構建研究.pdf

1、時代演進，技術也隨之發(fā)展，越來越多的領域對機器人提出需求，移動機器人的相關研究備受各界關注。室內移動服務機器人要達到真正的智能必須要對室內環(huán)境進行感知從而進行智能決斷。而機器人對室內環(huán)境的感知是否準確與完整，恰好又決定機器人智能決斷的準確性。自主移動機器人是一種最為常見的智能機器人，其中解決“我在哪”的問題最體現(xiàn)其自主性，是移動機器人實現(xiàn)自主導航等功能的前提。
　　SLAM（Simultaneous Localization An

2、d Mapping，簡稱SLAM）恰好能夠解決這個問題，其能夠較好的在未知的環(huán)境中對室內環(huán)境進行感知以及同步的進行機器人自身位姿獲取和環(huán)境地圖構建。本文主要工作包括如下幾個方面:
　　1.對移動機器人室內環(huán)境感知和地圖構建，從理論分析結合數(shù)學公式推導入手，詳細介紹了基于粒子濾波（Particle Filter，簡稱PF）SLAM的思想及實現(xiàn)，進而通過實驗室真實環(huán)境對算法進行實驗，詳細分析算法的優(yōu)缺點，為提出優(yōu)化方案提供理論支持。<

3、br>　　2.基于粒子濾波的SLAM算法的實現(xiàn)，使用了大量的粒子來表示定位位姿的概率分布，粒子的數(shù)量一定程度上決定算法定位準確度和抗干擾能力，但在增加粒子數(shù)量的同時，算法的計算量也將增加，進而導致定位延遲，因為SLAM算法具有時效性，最終導致定位誤差。基于此問題本文提出一種使用GPU并行計算的方法，對基于RBPF-SLAM算法進行改進，減少算法執(zhí)行時間，減少由算法定位延遲導致的定位誤差。并且最終通過實驗結果分析證明此方法的有效性。

4、>　　3.SLAM所構建的地圖仍然是有缺失的，因為地圖信息中并不包含如室內環(huán)境溫度、濕度、對象屬性等信息。導致機器人對環(huán)境的感知不夠深入，影響機器人在以后的自主導航中的智能決斷?；诖藛栴}本文提出一種本體語義結合SLAM的方法，通過ZigBee無線傳感網(wǎng)來獲取機器人自身傳感器未能獲取的環(huán)境數(shù)據(jù)，使用本體描述語言(Ontology Web Language，簡稱OWL)將室內環(huán)境對象本體化。同時借助本體的推理機制和語義庫，指導機器人進行決