论文部分内容阅读
随着科学技术的不断进步,移动机器人正不断的向着智能化和自主化的方向发展。机器人开始走进家庭,活跃在人们的视野中。机器人的自主定位、环境地图构建和实时路径规划是实现机器人智能化和自主化的重要条件,而机器人的自定位技术又是实现自主导航和环境建模的前提条件,因此提高机器人的定位精度,实现机器人的同时定位与地图构建(Simultaneous Localization and Mapping,SLAM)对智能机器人的发展具有非常重要的意义。本文围绕机器人在室内环境中的同时定位与地图构建问题进行了研究,将多传感器信息融合理论运用到基于惯性导航和激光雷达的融合定位系统中,通过优化FastSLAM算法来提高机器人在室内环境中的同时定位与地图构建的能力。本文的具体研究内容如下:(1)分析了室内移动机器人的控制需求,搭建了轮式移动机器人机械架构,设计了轮式移动机器人的系统控制方案。详细介绍了轮式移动机器人的整体硬件方案,包括伺服驱动器模块,STM32信息采集与控制模块,为后文移动机器人SLAM算法的研究奠定了基础。(2)研究了轮式移动机器人的室内定位方式,设计了一种室内环境下基于惯性导航与激光雷达的组合定位方式,并通过扩展卡尔曼滤波方法融合惯性导航和激光雷达的数据,提高轮式移动机器人的在室内环境下的定位精度。(3)研究了轮式移动机器人的SLAM系统,通过分析基于扩展卡尔曼滤波的EKF-SLAM算法和基于粒子滤波的FastSLAM算法,提出了对于FastSLAM方法的优化策略,通过Matlab仿真实验,验证了算法的可靠性。(4)研究了机器人控制系统(Robot Operating System,ROS),并基于ROS系统实现了机器人室内环境的同时定位与地图构建实验。将多传感器信息融合原理和改进后的FastSLAM算法移植到ROS系统中,将其运用到移动机器人的实验中,验证了算法的可行性。本文研究了室内移动机器人的同时定位与地图构建系统,完成了伺服驱动器的设计,搭建了机器人移动实验平台,改进并优化了FastSLAM算法。通过轮式移动机器人实验平台验证了算法的有效性,同时也提高了移动机器人在室内定位的精度,提高了算法的运行速度。