论文部分内容阅读
随科学技术和经济的发展,近几年智能移动机器人研究得到各界关注。在智能移动机器人的应用中,机器人工作环境的感知和认知是其中最重要的一部分,机器人对环境感知信息量和感知速度将限制机器人的功能和工作效率。SLAM(Simultaneous Localization and Mapping)是智能移动机器人的基础功能,目前已经被广泛应用到智能移动机器人上。SLAM通过实时感知信息进行定位和即时的地图构建,解决“我在哪”的问题以大大提高机器人的自主性,是移动机器人自主导航的前提条件。虽然近年来SLAM已经被应用到实际产品中,如无人车、快递机器人等。但是SLAM在实际应用中仍存在一些缺点,如在密集人群中进行定位,或者由于环境中物体位置姿态产生变化,导致实际环境与已构建地图不一致的情况下进行定位,以上两种情况都将可能导致SLAM定位失效。随计算机视觉的发展,在机器人上利用视觉找到物体类别和位置获得视觉语义信息成为了可能。为提高SLAM在实际应用中的鲁棒性,本文将利用视觉语义信息与激光雷达信息进行融合产生语义激光数据,并通过使用语义激光数据,提高机器人在动态环境中定位的鲁棒性。为完成此研究,本文进行如下几个方面的工作:1)对基于激光雷达的SLAM算法进行深入研究,从SLAM工作原理出发对机器人在动态环境下鲁棒较低的原因进行分析,并提出利用语义激光数据方法,提高机器人的感知能力,并以此提高机器人在动态环境中定位的鲁棒性。2)对产生视觉语义的方法进行研究,并选择满足机器人感知实时性的方法作为本文研究基础。3)针对激光雷达数据聚类算法进行研究,根据激光雷达数据的数据特点提出填充聚类方法。然后基于填充聚类方法对Dynamic Means算法进行改进。4)对视觉语义信息与激光信息融合方法进行研究,以产生实时语义激光数据。5)为验证语义激光信息数据对SLAM定位鲁棒性的提高,对基于语义激光数据的SLAM定位方法进行实验与分析。