论文部分内容阅读
随着近几年科学技术发展,人工智能移动机器人进入一个新的研究热潮。高智能移动机器人的主要目的是能够在未知环境中有效地进行自我定位。移动机器人进而能够实现自主导航的目标。移动机器人即时定位和环境地图构建技术(Simultaneous Localization and Mapping,SLAM)是实现上述目标的基础,也是当前热门的研究方向。SLAM技术具有重要的理论意义和应用价值。本文以360°二维平面激光传感器、里程计、IMU作为获取数据信息的主要传感器,自主搭建的四轮移动平台作为实验平台。主要研究在室内未知环境中,基于Rao-Blackwellized粒子滤波的移动机器人SLAM问题(简称RBPF-SLAM)。主要工作如下:(1)介绍相关坐标系下机器人运动学构型,完成航迹推演和里程计运动模型的搭建。研究激光传感器的数据传输格式并通过MATLAB进行数据读取和格式转换。选择占用栅格地图算法作为构图模型,并完成该算法的理论推导,并使用MATLAB验证该理论的构图效果。(2)针对粒子滤波SLAM技术中出现的样本粒子多样性缺乏问题导致估计误差增加的现象,通过Bayesian滤波基础理论,对粒子滤波定位理论算法进行步步推导,提出自适应确定性系统重采样算法缓解该问题并降低估计误差。MATLAB仿真程序验证了提出的自适应确定性系统重采样算法的有效性。(3)研究传统RBPF-SLAM算法。提出优化的蝴蝶群启发算法,优化调整传统粒子滤波算法的概率提议分布,提高后验位姿估计误差的准确性和效率。MATLAB仿真程序结果证明了改进算法的有效性。结合自适应确定性系统重采样方法提出改进的RBPF-SLAM算法。(4)使用机器人操作系统(ROS)框架,以移动平台为从机,PC为主机,作为整体实验平台,在真实环境中运行传统和改进后的RBPF-SLAM方法,完成环境地图构建。真实环境实验结果表明改进后的RBPF-SLAM算法具有较好的地图构建效果。