基于激光测距仪的移动机器人同时定位与地图构建研究

摘要

机器人是智能时代的典型产物，而移动机器人是各智能机器人中最具代表性的。进入21世纪以后，机器人对人类的作用更加突出，且随着技术的发展，人类对移动机器人的要求不断提高，但最终目的是使移动机器人实现真正的自主化、智能化。在移动机器人完成既定任务时，环境地图信息一般是已知的。当地图未知时，移动机器人的运动需要周围环境信息，所以需要绘制地图，而绘制地图时则需要移动机器人的精确位置信息，故移动机器人地图信息和位置信息是互为前提的。移动机器人同时定位与地图构建（Simultaneous Localization and Mapping，SLAM），是通过携带特定传感器的移动机器人，在移动过程中，对未知环境进行探测并获取外部信息，从而实现在环境信息和位置信息部分已知或者完全未知情况下对移动机器人进行定位和绘制增量式地图的过程。本文研究使用移动机器人为Drrobot公司生产的X80Pro无线智能移动机器人开发平台，移动机器人携带了一些感测模块，研究需要，我们在移动机器人上添加了北阳公司的URG-04LX激光测距仪，用于移动机器人定位及环境特征探测。
　　本研究主要内容包括：⑴对扩展卡尔曼滤波算法及粒子滤波算法进行推导和仿真验证后，在机器人操作系统平台上实现了移动机器人同时定位与地图构建。⑵定义了移动机器人坐标系统，并且建立了移动机器人的运动模型和传感器的观测模型。后期的局部地图构建、移动机器人定位、数据关联和全局地图的构建都是在此坐标系中进行。⑶讨论了两种移动机器人同时定位与地图构建方法，并根据研究需要，在Matlab中进行编程仿真实现了扩展卡尔曼滤波方法及粒子滤波方法。⑷在机器人操作系统(Robot Operating System，ROS)中进行实际操作实验，成功实现移动机器人同时定位与地图构建。

目录

声明

摘要

第一章 绪论

1．1 引言

1．2 移动机器人概述及国内外发展

1．2．1 移动机器人定义与分类

1．2．2 国外移动机器人的发展

1．2．3 国内移动机器人的发展

1．3 移动机器人同时定位与地图构建的发展

1．3．1 卡尔曼滤波SLAM

1．3．2 粒子滤波SLAM

1．3．3 基于图形的SLAM

1．4 论文的组织结构

第二章 移动机器人定位与地图构建方法和实验平台

2．1 移动机器人定位与地图构建方法

2．1．1 移动机器人定位方法

2．1．2 移动机器人地图构建方法

2．2 移动机器人实验平台

2．3 移动机器人传感器

2．3．1 内部传感器

2．3．2 外部传感器

2．4 移动机器人模型

2．4．1 里程计模型

2．4．2 移动机器人运动模型

2．4．3 传感器观测模型

2．4．4 移动机器人路标模型

2．5 本章小结

第三章 基于卡尔曼滤波算法的移动机器人同时定位与地图构建

3．1 卡尔曼滤波算法

3．2 扩展卡尔曼滤波算法

3．3 扩展卡尔曼滤波算法实现

3．4 EKF-SLAM仿真实验

3．5 本章小结

第四章 基于粒子滤波算法的移动机器人同时定位与地图构建

4．1 粒子滤波算法

4．1．1 贝叶斯滤波算法

4．1．2 蒙特卡洛积分

4．1．3 标准粒子滤波算法

4．1．4 标准粒子滤波中粒子退化问题

4．2 粒子滤波算法在SLAM中的应用

4．3 FastSLAM仿真实验

4．4 本章小结

第五章 基于ROS的移动机器人同时定位与地图构建

5．1 ROS基本概述

5．1．1 ROS基本概念

5．1．2 ROS中工具

5．2 实验平台在ROS中实现

5．3 实验结果与分析

5．4 本章小结

第六章 结论与展望

6．1 研究工作总结

6．2 研究展望

参考文献

致谢