移动机器人同时定位与地图创建中路径规划算法仿真与应用

摘要

移动机器人同时定位与地图创建(Simultaneous Location and Mapping)即SLAM,是指机器人在未知环境中,在自身位置不确定的条件下,创建地图,并进行自主定位和导航。SLAM导航则是指机器人在未知环境中自主地寻找一条从起点到终点且能安全避开障碍物的最优路径,是SLAM研究的热点和难点。SLAM导航算法种类很多,常用的包括Bug算法、Alg算法、A*、D*算法等。Tangentbug算法作为Bug算法的一员,具有算法简单、实时性高、收敛的特点,但是仿真实现比较困难。机器人避障因涉及到机器人控制、路径导航等领域一直是机器人研究领域的热门话题,也是国际机器人足球联盟世界机器人大赛的常规比赛项目。
　　本文选择Tangentbug算法作为研究对象,将其在VS2010上进行避障仿真,并针对其在存在关于起点和终点连线对称的障碍物的环境中容易产生路径死循环从而导致终点不可到达的问题进行改进,提出了基于记忆机器人运动方向的Tangentbug避障算法。该算法通过在绕行中根据障碍物相遇方向计算和选择机器人运动方向,并在每次直行和绕行转换时更新运动方向来打破循环,实现避障。通过分析仿真实验结果可知,改进后的算法不仅可以实现机器人在存在关于起点和终点连线对称的障碍物的环境中的避障,也可以实现非对称障碍物环境中的避障,从而提高了算法的鲁棒性。最后,将该算法应用于NAO机器人避障的实际环境中进行。通过处理机器人头部摄像头获取的视觉信息,即当前扫描到的环境图。获得障碍物的位置信息,并结合机器人定位和障碍物位置信息进行转换计算得到机器人与障碍物之间的距离信息,利用Tangentbug算法思想获得运动方向,并完成避障。在实验中通过在算法鲁棒性、时间负责度和路径长度等几个方面将该算法与简单避障算法进行比较和分析,并得出结论即 Tangentbug算法能够在各种环境中在较短时间内找到较短较优的路径,更适合作为避障算法。

目录

封面

声明

中文摘要

英文摘要

目录

第一章 绪 论

1.1 SLAM简介

1.2 SLAM中的路径规划

1.3 机器人避障比赛

1.4 NAO机器人简介

1.5 研究意义与应用前景

1.6 研究内容

1.7 论文结构介绍

第二章 Tangentbug算法

2.1 Tangentbug算法流程

2.2 Tangentbug算法不足

2.3 本章小结

第三章 基于记忆运动方向的Tangentbug算法

3.1 算法改进思路

3.2 算法仿真

3.3 本章总结

第四章 Tangentbug算法在NAO避障中的实现

4.1 视觉图像预处理

4.2 角点检测

4.3 距离转换

4.4 方向计算

4.5 角度计算

4.6 本章小结

第五章 误差处理

5.1 结合误差因子矫正角点坐标

5.2 距离计算误差

5.3 角度转化误差

5.4 本章小结

第六章 NAO机器人避障实验结果分析

6.1 鲁棒性

6.3 时间复杂度

6.4 本章小结

第七章 总结和展望

7.1 工作总结

7.2 工作展望

参考文献

攻读硕士学位期间完成的学术论文

致谢