论文部分内容阅读
随着科技的发展,移动机器人已经活跃在各个应用场景中,例如家居环境、餐厅等。机器人在实际应用中行走时需要多个约束条件,一个约束条件上的提升会导致另一个约束条件上的损失,很难在多个约束条件之间做出取舍。所以,本文对多约束条件下基于改进遗传算法的路径规划与导航在移动机器人领域中的应用进行研究具有重要意义。首先,通过对主流的导航传感器和常用的移动机器人导航技术进行深入了解并分析,在机器人操作系统(Robot Operating System,ROS)上采用视觉传感器和遗传算法完成多约束条件下基于ROS的移动机器人导航系统总体方案设计。然后,针对通过视觉传感器进行同时定位与地图构建(Simultaneous Localization and Mapping,SLAM)时容易产生的计算量大、地图构建不一致的问题,本文提出一种基于改进视觉词典树的闭环检测算法。首先对图像的颜色特征、点特征、线特征进行提取,然后通过图像颜色特征对图像进行粗筛选,利用融合图像点特征和线特征的视觉词典树进行细筛选,并改进线段检测(Line Segment Detector,LSD)特征提取算法和图像相似性计算公式,从而得到候选闭环帧,最后将筛选出的图像添加闭环约束。实验证明本文提出的改进闭环检测算法能够估计出机器人更准确的位姿且能满足系统实时性要求。接着,针对在多约束条件下移动机器人在路径规划中的搜索效率低、收敛速度慢的缺点,提出多约束条件下基于改进遗传算法的移动机器人路径规划,充分考虑路径长度、平滑度以及安全度这三种因素的影响,利用包围点集(Surrounding Point Set,SPS)算法,通过在障碍物周围生成点来产生初始路径,以提高算法快速生成初始种群的能力,并增加平滑算子和删除算子,删除不必要的点同时使路径更加平滑,最后结合小生境法以保持种群多样性,避免出现算法早熟现象。仿真结果显示,改进后的算法在路径长度、路径平滑度以及路径安全度方面均有一定的优势,同时算法的收敛速度也略有提高。最后,将改进的闭环检测算法与多约束条件下改进的遗传算法在ROS平台上进行集成实现,并应用在移动机器人自主导航中。通过实验证实,多约束条件下基于改进遗传算法的路径规划与导航在移动机器人领域中的应用具有可行性和稳定性。