基于多傳感器融合的室內(nèi)機器人自主導航方法研究.pdf

1、自主導航是室內(nèi)機器人實現(xiàn)自決行為規(guī)劃的核心問題，相對復雜條件下的環(huán)境感知，基于多傳感器融合成為新的發(fā)展趨勢。本課題以機器人平臺為工程應用背景，期望將深度學習引入人工智能領(lǐng)域，開展相關(guān)機器人技術(shù)在自主導航中的方法研究，開發(fā)集機械平臺、嵌入式硬件、軟件系統(tǒng)、SLAM算法、場景識別方法于一體的機器人綜合系統(tǒng)框架，結(jié)合多傳感器融合的環(huán)境信息，實時指導路徑規(guī)劃，不僅提供室內(nèi)機器人自主導航的可行方法，對促進該領(lǐng)域語義地圖的發(fā)展也具有一定積極意義。本

2、文主要內(nèi)容如下:
　　研究并設(shè)計滿足自主導航條件的機器人綜合系統(tǒng)框架，包括集主動感知、語音輸入、運動控制等的機械平臺，集IO驅(qū)動、數(shù)學運算庫、機器人控制、運動學和動力學模型等的嵌入式硬件結(jié)構(gòu)，集環(huán)境感知與執(zhí)行、移動終端、中間層連接、分布式架構(gòu)、任務(wù)算法等的機器人系統(tǒng)。
　　研究適用于ROS環(huán)境的多傳感器融合SLAM算法:融合超聲、RGBD、激光雷達數(shù)據(jù)，基于Gmpping建立二維柵格地圖，通過自適應蒙特卡洛定位，導航時采用A

3、*算法實施全局探索，并輔以動態(tài)窗口法進行局部避障。實驗證明所創(chuàng)建地圖分辨率為2cm，并能指導機器人進行室內(nèi)導航。
　　提出一種混合IMU的里程計實時校正算法:基于擴展卡爾曼濾波和互補濾波融合獲取姿態(tài)角，修正機器人方位信息;定時比較里程計位移與二次積分加速計數(shù)據(jù)，防止機器人運動漂移及懸空。相關(guān)傳感器經(jīng)過零漂校準后，融合實驗數(shù)據(jù)精度高、收斂速度快，并能校正里程計丟失現(xiàn)象。
　　提出一種用于路徑規(guī)劃的方向A*算法:首先采用“視野線

4、”平滑原則優(yōu)化路徑，消除鋸齒效應并避免部分碰撞;其次應用“圓弧-直線-圓弧”轉(zhuǎn)彎策略，避免機器人本體寬度影響;最后基于二叉堆加速算法，提升算法計算效率。仿真實驗結(jié)果表明，方向A*算法滿足平滑要求且能有效避免碰撞，其加速方法可平均提速4-7倍。同時，機器人在真實實驗環(huán)境下實現(xiàn)安全自主導航，跟蹤誤差小于0.15m，驗證了方法的可行性。
　　提出一種基于語義建圖的場景分類方法:首先映射深度信息構(gòu)建二維柵格地圖，自主規(guī)劃場景識別路徑;其次