论文部分内容阅读
伴随着“十三五”机器人产业发展规划(2016-2020年)和中国制造2025的相继推动,我国机器人产业的迅速发展使得机器人相关技术得到了快速提升,其中包括机器人导航技术的研究,故本文研究移动机器人自主导航关键技术具有重要的理论意义和实际应用价值。机器人操作系统(Robot Operating System,ROS)是当今应用广泛、通用性良好、提高研究效率的软件平台。因此,在机器人操作系统的平台之上,利用同时定位与地图构建(Simultaneous Localization and Mapping,SLAM)算法和路径规划算法设计了基于激光传感器的移动机器人室内导航系统方案。首先对SLAM算法进行研究,针对移动机器人同时定位与地图构建中RaoBlackwellized粒子滤波SLAM(Rao-Blackwellized Particle Filter SLAM,RBPF-SLAM)算法因粒子匮乏导致栅格地图估计不精确问题,提出基于高斯分布重采样的RBPFSLAM算法(Gaussian Distributed Resampling based Rao-Blackwellized Particle Filter SLAM,IRBPF-SLAM)。根据粒子权重大小对重采样粒子进行排序,为得到重采样后的新粒子,利用高斯分布来分散权重高的粒子,有效避免了粒子匮乏,能保证精确地构建出栅格地图。实验验证了该算法优于RBPF-SLAM算法,同时也证明了该算法能在粒子数减少的条件下保持可靠的估计,有效地减轻了计算压力。然后对路径规划算法进行研究,为解决具有连续障碍物等较复杂环境下的移动机器人路径规划问题,提出改进人工蜂群算法(Improved Artificial Bee Colony Algorithm,IABC)的路径规划方法。首先通过一种存储机制,使得人工蜂群识记搜索的最好路径,从而更新并用于指导下一步的路径搜索,以提高路径规划中的搜索路径效率;其次采用保留高适应度值策略,防止最佳路径被轮盘赌选择机制筛掉。实验结果证明了该改进算法能够保证移动机器人安全快速地完成起始点与目标点间的运动,规划出最优的路径。最后,在Pioneer 3-DX移动机器人平台上完成了基于ROS的室内激光导航系统的设计与实现。通过实验验证在不同的室内环境中,本文提出的移动机器人导航系统是可行并稳定的。