论文部分内容阅读
本文主要研究移动机器人在未知环境中进行,同时定位与地图创建(SLAM),及路径规划的问题。机器人定位与地图创建是两个紧密相关的问题,要实现机器人的定位需要以某种形式对环境进行描述,了解环境的地图模型;而为了构建环境地图模型,机器人需要知道个时刻自身的位姿,对机器人定位,通常用基于行程计和航向角的测程法移动机器人自定位。可见SLAM是移动机器人实现真正自主的核心问题。
在对声纳的测量特性及其信息不确定性详细分析的基础上,采用扇形的高斯模型来描述声纳数据,基于贝叶斯概率估计提出了一种新的不确定信息描述和处理方法,并将其用于声纳数据的解释和融合,以此建立环境的占据栅格地图。这种方法更适合于具有较强不确定性的卢纳传感器数据的处理,准确度和鲁棒性都令人满意。在低成本的室内移动机器人上有较大的应用前景。
在对其激光测距仪测量特性分析的基础上,通过迭代最近点扫描匹配算法ICP计算机器人位姿的旋转变化最和平移变化量。纠正了移动机器人定位的累计误差。将局部地图转换到全局坐标系,建立了较准确的全局激光数据地图。在此基础上,针对占据栅格地图实时性差的问题,采用一种高效的基于激光束穿越和反射计数的反射率栅格地图,提高了系统实时性。并将环境结构图和激光地图以及声纳地图进行了比较,分析了两者的优缺点以及产生的原因。
将A*算法应用到栅格地图的路径规划中,详细分析了A*算法的原理,以及不同启发函数的选取,对A*算法搜索速度和搜索节点的影响。基于声纳数据的占据栅格地图以及激光数据的反射率栅格地图,进行了真实环境的路径规划实验,实验表明该算法有效性。