论文部分内容阅读
本文以室内环境下移动机器人的导航为研究背景,面向实际应用,以Pioneer-3DX移动机器人为实验平台,利用里程计、声纳作为主要传感器,分别针对室内环境下移动机器人自定位问题及同时定位和建图问题(SimultaneousLocalization and Mapping,SLAM)展开研究。围绕上述问题,本文主要进行以下三个方面的研究：
(1)基于蒙特卡洛方法提出一种实用的移动机器人自定位技术。针对声纳传感器的特点,设计一种有效的粒子权重的更新方法,该方法通过对声纳数据进行分类和多声纳数据的融合提高权重的计算精度,在实现时采用查表的方法保证算法的实时性；通过重采样和发散操作,确保滤波器中粒子群的收敛度和有效性,有效地降低滤波器的退化和匮乏效应,并最终解决移动机器人定位过程中的“绑架”问题。
(2)开展基于遗传算法的移动机器人自定位研究,将移动机器人定位问题转化为一个状态估计问题,利用遗传算法优越的全局搜索能力寻找机器人当前位姿的优化估计。针对定位问题,设计一种基于位置相似度的种群适应度计算方法；利用实时性较高的实值编码方式实现种群的交叉、变异；将发散算子引入常规遗传算法,减小“绑架”发生时种群的匮乏效应；在此基础上,利用机器人运动模型更新种群状态实现机器人的连续定位。
(3)以里程计、声纳分别作为航迹推测和环境感知传感器,提出一种室内环境下基于二维线段特征的SLAM技术方案。具体而言,设计了一种实用的SLAM系统框架；提出基于混合霍夫变换和最小二乘的线段特征提取算法,同时,为了提高该算法的实时性,设计了基于滑动窗口的高效的实现方法；通过设计基于齐次坐标变换的机器人运动模型及基于二维线段特征的观测模型,将常规SLAM算法扩展到二维线段模型下；最后,展开对数据关联策略的初步研究。