基于激光测距仪的室内机器人定位方法研究

摘要

定位问题是自主移动机器人要解决的首要问题，也是其实现自主导航、即时定位与建图和完成其它智能任务的关键。定位问题也是一个复杂的问题，涉及到移动机器人研究领域的多个方面，包括移动机器人的运动学，环境表示方式，信息融合，不确定信息处理等。本文主要研究移动机器人定位的理论和实现，主要工作如下： 建立了移动机器人的运动学模型。分析了里程计和激光测距仪两种常用传感器的原理及其误差模型。比较了机器人学中的三种环境表示方法，包括几何地图，栅格地图和拓扑地图。 分析了室内环境中移动机器人的定位问题，并对此问题进行建模。分析了卡尔曼滤波器和基于此滤波器的马尔可夫定位，重点研究了粒子滤波器和基于此滤波器的Monte Carlo定位。比较了在室内环境中两种定位方式的优点和不足。通过分析ICP，PSM等几种能够对激光数据进行关联的扫描匹配算法，在Monte Carlo定位算法的基础上提出了一种改进方法。 设计了基于激光测距仪的移动机器人定位实验，以验证移动机器人定位算法的有效性。在室内环境中进行实验，并对实验结果做出了分析，主要分析机器人位姿初始分布和粒子数目对定位精度的影响。 本文最后描述了SLAM问题以及与机器人定位的关系，并将本论文的主要工作延伸到SLAM问题中，探讨使用基于Rao-Blackwellized粒子滤波器的FastSLAM解决SLAM问题。

目录

文摘

英文文摘

声明

第1章绪论

1.1移动机器人的研究背景及意义

1.2移动机器人自定位的研究现状与进展

1.3本课题的研究任务和拟解决的关键问题

1.4研究计划与论文各部分的主要内容

1.5资助本课题的专项研究基金

第2章 外部信息的获取与表示

2.1移动机器人运动学模型

2.2移动机器人的传感器

2.2.1里程计

2.2.2激光测距仪

2.3环境表示方法

2.3.1特征地图

2.3.2栅格地图

2.3.3拓扑地图

2.4 小结

第3章 移动机器人的定位

3.1移动机器人定位问题的建模与解决方案

3.2基于卡尔曼滤波器的定位

3.3粒子滤波器

3.3.1 SIS (Sequential Importance Sampling)

3.3.2 SIR(Sampling Importance Resampling)

3.4基于粒子滤波器的定位

3.4.1里程计模型

3.4.2激光测距仪模型

3.4.3 MCL算法描述

3.5扫描匹配

3.5.1 ICP(Iterative Colsest Point)

3.5.2 IMRP(Iterative Matching Range Point)

3.5.3 IDC(Iterative Dual Correspondence)

3.5.4 PSM(Polar Scan Matching)

3.6改进的Monte Carlo定位

3.7小结

第4章 移动机器人定位的实验研究及分析

4.1移动机器人实验平台及环境

4.2定位实验与结果分析

4.3小结

第5章 即时定位与建图

第6章 结束语

6.1论文的主要工作

6.2进一步的研究工作

参考文献

研究生期间发表的论文、科研成果

致谢