基于混合证据理论的多机器人建模方法研究

摘要

近年来在移动机器人研究领域中，多机器人系统的研究重要性愈发突出。随着硬件技术的不断发展，例如单机器人控制、感知精度的提高，众多学者致力于多机器人协作工作的研究，并且成功地实现了一系列的多机器人项目。研发多机器人系统的主要挑战即为设计有效的多机器人协作策略，使得机器人能够高效地完成探索任务。SLAM问题在很多基于多机器人系统的应用中对其系统的整体性能具有重要影响，引起了研究者的广泛关注。
　　首先，本文简单地阐述了机器人获取局部环境信息的过程，介绍了基于测距传感器扫描得到的局部环境信息的提取过程，为机器人建立准确的环境模型做好准备。本文提出了基于群簇结构的多机器人协作定位算法。算法的主要思想如下：在聚簇网络中通过匹配每个机器人以及其邻居机器人的过程来完成定位。本文提出的算法降低了多机器人定位算法的时间复杂性，提高了定位算法的效率。
　　其次，本文致力于设计低计算开销和低通信开销的地图构建算法。为了降低地图构建算法的计算开销，本文采用基于拓扑-栅格地图混合结构的环境表示方法。本文给出了拓扑地图模型，介绍了将局部环境地图转化成拓扑地图的方法以及具体的实现步骤。并给出了构造拓扑环境模型过程中的具体步骤，设计了基于栅格-拓扑结构的地图构建算法。
　　最后，多机器人协作构建地图还需要解决多机器人之间的信息融合，体现出多机器人系统的优势。在协作地图构建过程中，多机器人间通过无线通信的方式进行数据的传输和信息交换，随后机器人根据接收的信息实现地图拼接、匹配，达到高准确率地构建全局地图的目的。为了降低信息不确定性对地图构建算法的影响，本文开展了基于证据理论与粒子群优化算法的构建拓扑地图的研究，实现了多机器人协作地建立拓扑地图。给出的参数优化算法使得多机器人地图构建算法能够适应环境的变化，获取更加真实的环境地图。

目录

封面

声明

中文摘要

英文摘要

目录

第1章 绪论

1.1 移动多机器人系统

1.2 机器人定位与地图构建方法研究现状

1.3 地图合并算法研究现状

1.4 本文贡献及内容安排

第2章 基于聚簇结构的多机器人定位策略

2.1 局部环境信息提取

2.2 可视节点的定位算法

2.3 非可视节点聚簇过程

2.4 基于聚簇结构的多机器人协作定位算法

2.5 多机器人定位算法仿真研究

2.6 本章小结

第3章 基于拓扑结构的地图构建方法

3.1 环境特征提取技术

3.2 拓扑地图模型

3.3 构建局部拓扑地图

3.4 本章小结

第4章 基于证据理论的多机器人地图构建

4.1 基于证据理论的信息融合

4.2 粒子群优化算法

4.3 基于粒子群算法的参数优化

4.4 多机器人协作构建地图算法

4.5 地图构建算法仿真与结果分析

4.6 本章小结

结论

参考文献

致谢

个人简历