移動機(jī)器人未知環(huán)境下導(dǎo)航方法研究.pdf

1、移動機(jī)器人是一種具有高度自規(guī)劃、自組織、自適應(yīng)能力，適合在復(fù)雜的非結(jié)構(gòu)環(huán)境中工作的機(jī)器人。自主移動機(jī)器人的設(shè)計(jì)目標(biāo)是在沒有人干預(yù)且無需對環(huán)境作任何規(guī)定和改變的條件下，有目的地移動和完成相應(yīng)的任務(wù)。在自主移動機(jī)器人相關(guān)技術(shù)中，移動機(jī)器人導(dǎo)航是機(jī)器人實(shí)現(xiàn)智能化及完全自主的關(guān)鍵之一。
　　 移動機(jī)器人導(dǎo)航包括機(jī)器人的定位、地圖構(gòu)建、避障跟蹤、路徑規(guī)劃。機(jī)器人如何準(zhǔn)確地建立環(huán)境地圖，并且利用地圖實(shí)現(xiàn)準(zhǔn)確地自主定位成為自主探索領(lǐng)域的核心問

2、題，即同時定位與地圖構(gòu)建(Simultaneous Localization andMapping，SLAM)。為了實(shí)現(xiàn)真正意義上的導(dǎo)航，必須把定位與地圖構(gòu)建合成為一個研究問題。除此之外，路徑規(guī)劃也是移動機(jī)器人在行走過程中必須解決的問題，所以本文將移動機(jī)器人SLAM和移動機(jī)器人路徑規(guī)劃作為研究重點(diǎn)。
　　 本文在國家863項(xiàng)目“家用保安機(jī)器人共性單元部件及技術(shù)的研發(fā)”的支持下，對移動機(jī)器人SLAM問題進(jìn)行了研究。針對現(xiàn)有解決SL

3、AM問題方法的不足，提出了基于SUKF的SLAM方法和基于SUPF算法的SLAM方法，以提高移動機(jī)器人自主探測未知環(huán)境的能力。同時也提出了一種基于改進(jìn)蟻群算法的移動機(jī)器人路徑規(guī)劃方法，以提高移動機(jī)器人在路徑規(guī)劃方面的能力。具體內(nèi)容包括以下幾個方面：
　　 1．在分析移動機(jī)器人坐標(biāo)系統(tǒng)模型、傳感器模型、里程計(jì)和控制命令模型、機(jī)器人位姿和運(yùn)動模型、環(huán)境地圖與路標(biāo)模型基礎(chǔ)之后，對傳感器噪聲和系統(tǒng)噪聲傳播的規(guī)律進(jìn)行了深入的研究，并對移動

4、機(jī)器人在噪聲影響下的運(yùn)動情況進(jìn)行了仿真。
　　 2．針對EKF-SLAM方法誤差較大、容易發(fā)散等缺陷，本文提出用變尺度卡爾曼濾波(SUKF)代替擴(kuò)展卡爾曼濾波(EKF)解決移動機(jī)器人的SLAM問題，仿真實(shí)驗(yàn)結(jié)果證明該方法的高精度和有效性。
　　 3．雖然FastSLAM作為解決SLAM問題的有效手段，但是該方法最大的缺點(diǎn)是需要用大量的樣本數(shù)量才能很好地近似系統(tǒng)的后驗(yàn)概率密度。機(jī)器人面臨的環(huán)境越復(fù)雜，描述后驗(yàn)概率分布所需要

5、的樣本數(shù)量就越多，算法的復(fù)雜度就越高。為了克服FastSLAM方法的這一缺陷，本文利用SUKF算法對非線性問題較強(qiáng)的處理能力，提出將PF與SUKF算法融合形成新的方法--U粒子濾波算法(SUPF)，來解決移動機(jī)器人SLAM問題。仿真實(shí)驗(yàn)和真實(shí)實(shí)驗(yàn)結(jié)果表明該方法能進(jìn)一步提高移動機(jī)器人定位與地圖構(gòu)建的精度。
　　 4．本文在分析蟻群算法的優(yōu)勢與不足的基礎(chǔ)之上，利用在移動機(jī)器人路徑規(guī)劃研究領(lǐng)域中已經(jīng)應(yīng)用的遺傳算法對蟻群算法做出兩點(diǎn)改進(jìn)