未知环境中移动机器人目标搜索方法的研究

摘要

机器人技术体现了当代科学技术的发展程度，被誉为“当代最高意义的自动化”,其研究涉及多门学科，涵盖了众多的研究领域。随着应用领域的不断深入，对移动机器人的智能性要求也越来越高，因此，移动机器人必须能够面对复杂的、动态的、未知的环境，具备自主环境探索和目标搜索的能力。在移动机器人目标搜索理论和方法的研究中，确定性环境的目标搜索已取得了大量的研究和应用成果，但对未知环境的目标搜索尚未形成统一和完善的体系结构，还有很多关键理论和技术问题有待完善和解决。本学位论文借鉴人类的搜索经验，将复杂度概念应用到移动机器人目标搜索任务中，提出了一种基于场景复杂度的目标搜索方法。
　　首先，通过分析影响场景复杂度的主要因素，给出融合图像和激光深度信息的场景复杂度形式化定义。对于场景图像复杂度的计算，先分别计算出图像的纹理特征、显著性区域和边缘比率，然后将各个部分加权整合为归一化的复杂度数值；对于场景深度复杂度的计算，将激光深度数据的变异系数和均值作为复杂度评价因子，并对它们进行归一化处理。
　　其次，提出了一种基于场景复杂度的环境探索方法。该方法对各个场景按复杂度进行筛选来确定待探索场景，然后根据场景深度信息确定该场景的待探索点。同时，针对探索过程中的SLAM问题，本文提出了一种改进的粒子滤波SLAM算法，通过自适应重采样方法改善了重采样过程。
　　最后，结合环境探索和目标检测，实现了基于场景复杂度的目标搜索方法。该方法在场景复杂度计算过程中增加了目标似然度，使得搜索过程更加明确。在目标检测方面，提出了一种基于Harris-SIFT特征的目标检测方法，有效地解决了匹配点发散现象和目标定位问题。
　　实验结果表明，本文提出的场景复杂度计算方法符合人的复杂度主观感受，较好地反映了场景的内在特征，所提出的基于场景复杂度的目标搜索方法可以有效地搜索目标，具有较好的鲁棒性。此外，基于场景复杂度的环境探索方法能有效地进行环境探索，不同复杂度阈值将产生不同粒度的探索结果。改进的粒子滤波SLAM算法有效地消除了粒子退化现象，改善了算法的性能。

目录

声明

第1章 绪论

1.1 研究目的和意义

1.2 移动机器人目标搜索的研究现状

1.3 研究内容与主要工作

1.4 本文结构

第2章 未知环境目标搜索方法

2.1 引言

2.2 搜索问题的描述与分析

2.3 未知环境探索方法

2.4 同步地图创建与定位(SLAM)

2.5 路径规划与避障

2.6 本章小结

第3章 基于场景复杂度的未知环境目标搜索方法

3.1 引言

3.2 场景复杂度

3.3 基于场景复杂度的环境探索方法

3.4 视觉目标检测方法

3.5 基于场景复杂度的目标搜索方法

3.6 改进的粒子滤波SLAM算法

3.7 本章小结

第4章 实验及结果分析

4.1 引言

4.2 粒子滤波SLAM实验

4.3 场景复杂度实验

4.4 环境探索实验

4.5 目标检测实验

4.6 目标搜索实验

4.7 本章小结

结论

参考文献

攻读硕士学位期间发表的论文

致谢