论文部分内容阅读
定位与地图创建是移动机器人导航中必须解决的关键问题,是移动机器人自主移动的前提,是后续路径规划与运动控制的基础。定位是指确定机器人自身的位姿,地图创建是指感知环境、识别目标、检测障碍物及表示环境等。精确的定位是以环境地图为基础的,而创建环境地图,则必须知道机器人在各个观测点的精确位置。所以,当移动机器人在完全未知环境中运动时,如果不能通过绝对定位设备(如GPS)对机器人自身定位,就存在一个矛盾:机器人需要知道各时刻自身的位置才能创建环境地图;机器人需要知道确切的环境地图才能定位。在这种情况下,移动机器人需要进行同时定位与地图创建。移动机器人为了精确地定位和创建地图,需要利用空间、时间、置信度、表达方式和用途上各不相同的传感器对环境进行测量,并将这些信息进行融合,以提高信息的探测效率和准确性。本文针对以上问题,在如下几个方面进行了研究:1、针对基于多传感器信息融合的移动机器人栅格地图创建问题进行了研究,给出了信息融合的定义,明确了基于D-S证据理论的栅格地图创建流程和基本方法。2、针对D-S证据理论证据组合规则存在的缺陷,提出了近似处理算法对其进行了改进,解决了在某些条件下不能用D-S证据理论组合规则进行信息融合及使用该组合规则进行信息融合有时会出现有悖常理的无效结果的问题;分析了D-S栅格地图,指出了D-S栅格地图中的5种栅格的特点,提出了判断方法、判断流程及改进的D-S证据理论栅格地图决策规则;提出了基于D-S栅格地图的环境探测效果评价方法与环境评价方法;进行了仿真研究,验证了基于改进的D-S证据理论的栅格地图创建方法的有效性。3、研制了地表金属物探测机器人系统,并在此系统上实现了环境探测和栅格地图创建。实验验证了基于改进的D-S证据理论的多超声波传感器移动机器人栅格地图创建方法。该系统目前已交付使用,使用效果良好。4、针对移动机器人同时定位与地图创建问题进行了研究,提出了改进的RBPFs-SLAM算法。改进算法对RBPFs-SLAM算法的两个关键问题:预计分布计算及重采样策略进行了改进。给出了精确的预计分布计算方法、适应性重采样方法及整个改进算法流程。仿真结果表明,改进的RBPFs-SLAM算法优于改进前。