基于AmigoBot平台的多机器人地图创建

摘要

近年来，随着机器人技术的不断进步，对于移动机器人探索环境与地图创建的研究受到越来越多的关注。对地图创建问题的研究作为移动机器人实现自主导航的重要基础，具有重要的理论意义和实践价值。与单个机器人执行任务相比较，多个机器人完成任务的效率更高，适应性更强，也更可靠，因此，基于多机器人系统的应用范围更加广阔，也更加适合复杂、大规模环境。国内外专家学者对于多机器人系统的高度关注，使其在这一领域中成为研究热点。
　　在一些结构化环境中，比如办公室、教室等，直线是此环境中最主要的特征，通过对直线检测就能够判断出环境中的障碍物。而声呐传感器采集障碍物信息时，是将障碍物信息保存成点的坐标信息，所以需要将声呐传感器采集到的点的信息转换成直线，最常见的Hough变换应用很多，但是计算量巨大，本文提出一种新的基于增量式的直线提取算法，用于多机器人地图创建过程中，实时地完成点到直线的转换，减少内存占用，最终用直线描述出障碍物环境，完成探索任务。
　　本文利用AmigoBot平台移动机器人模型进行仿真实验。AmigoBot移动机器人配备有声呐传感器和惯性导航，根据声呐传感器采集数据量比较大的特点，所以选择树这种数据存储结构代替数组，提高了存储的便利性并且占用少量存储空间。本文比较了几种常见的直线提取算法的利弊，提出了采用基于增量式的直线提取算法，根据点与线段的几种位置关系来实现直线的外延和新直线的生成。用直线表示出环境中的障碍物，则最终选择几何特征地图来描述移动机器人创建出的环境地图，在VS2008进行编程，用到的ARIA类也在文章中介绍，通过MobileSim进行仿真实验，证实该算法是可行并有效的。
　　本文的主要内容如下：
　　首先比较分析了四种地图表示方法的优点和缺点，分别是栅格地图、几何特征地图、拓扑地图和混合地图，本文采用几何特征地图，即用直线表示障碍物，更形象直观地表示出机器人探索的环境。
　　然后对于传感器的使用方面，由于AmigoBot机器人配备有声呐传感器和惯性导航，所以本文分析了声呐传感器和惯性导航的原理及特点，为算法进行铺垫。
　　接着在数据存储结构方面，数组和链表是常见的两种存储方式，由于声呐传感器每周期都会采集障碍物信息，每个AmigoBot机器人配备有八个声呐传感器，所以声呐采集的数据量比较大，如果用数组存储则占用大量内存，所以选择树结构来存储数据，方便信息数据的添加、删除和替换。
　　接下来对三种常用的直线提取算法：Hough变换、增量法和RANSAC方法进行比较，分析得出三种方法各有利弊，本文提出了基于增量式的直线提取算法，根据点和线段的可能出现的几种位置关系，将声呐传感器采集到的障碍物数据点实时地转换成直线，最终用直线表示出障碍物环境，得到机器人探索的环境地图。
　　之后列出了需要使用的AmigoBot机器人的软件平台，在VS2008中进行编程，在编程过程中用到的ARIA的几个类也列举出来，涉及到机器人的运动控制、声呐的信息采集、机器人的位置信息等，然后通过MobileSim进行仿真实验，验证了算法的有效性。

目录

声明

第一章 绪 论

1.1 引言

1.2 研究背景与意义

1.3 多机器人系统研究现状

1.4 多机器人地图创建研究现状

1.5 本文主要内容及结构

1.6 本章小结

第二章 基于声呐的移动机器人地图创建

2.1 地图表示方法

2.2传感器

2.3 数据结构

2.4 本章小结

第三章 基于增量式直线提取算法的地图创建

3.1 直线提取方法

3.2 增量式直线提取算法基本原理

3.3 增量式直线提取算法流程

3.4 本章小结

第四章 AmigoBot机器人平台介绍

4.1 AmigoBot机器人软件平台

4.2 ARIA常用的类

4.3 机器人的控制

4.4 机器人的目标移动行为

4.5 本章小结

第五章 仿真实验结果及分析

5.1 单机器人仿真实验

5.2 多机器人仿真实验

5.3 本章小结

第六章 总结与展望

6.1 论文总结

6.2 研究展望

参考文献

致谢

附录