多機(jī)器人協(xié)同定位與環(huán)境地圖構(gòu)建研究.pdf

1、隨著機(jī)器人技術(shù)發(fā)展和成熟,機(jī)器人的的應(yīng)用和需求也與日俱增。自定位與地圖構(gòu)建是實(shí)現(xiàn)機(jī)器人自主導(dǎo)航的關(guān)鍵問(wèn)題,集中體現(xiàn)了移動(dòng)機(jī)器人的感知能力和智力水平。與單移動(dòng)機(jī)器人定位相比,在復(fù)雜的動(dòng)態(tài)環(huán)境下,多移動(dòng)機(jī)器人通過(guò)相互協(xié)作可以共享、融合并有效利用傳感器信息,提高對(duì)周圍環(huán)境感知的全面性和準(zhǔn)確性,從而提高了機(jī)器人群體的定位與地圖構(gòu)建的精度。多機(jī)器人協(xié)同定位與地圖構(gòu)建已經(jīng)成為了當(dāng)前多機(jī)器人系統(tǒng)領(lǐng)域的研究熱點(diǎn)之一。
　　 本文主要圍繞了多移動(dòng)

2、機(jī)器人協(xié)同定位與環(huán)境地圖構(gòu)建問(wèn)題展開研究。
　　 論文首先介紹了多機(jī)器人協(xié)作系統(tǒng)的結(jié)構(gòu)以及相關(guān)模型,包括坐標(biāo)系統(tǒng)模型、機(jī)器人位置模型、機(jī)器人運(yùn)動(dòng)模型、環(huán)境地圖表示模型、傳感器觀測(cè)模型、多機(jī)器人觀測(cè)模型以及噪聲模型。
　　 其次,研究了卡爾曼濾波算法、擴(kuò)展卡爾曼濾波器算法以及用其解決機(jī)器人SLAM問(wèn)題的實(shí)現(xiàn)過(guò)程。針對(duì)系統(tǒng)模型與環(huán)境信息的不確定性特點(diǎn),利用對(duì)非線性函數(shù)具有很好逼近能力的前向神經(jīng)網(wǎng)絡(luò)減少系統(tǒng)的數(shù)學(xué)模型與實(shí)際模型

3、誤差,同時(shí)利用卡爾曼濾波用于神經(jīng)網(wǎng)絡(luò)的權(quán)值學(xué)習(xí)以加速收斂,通過(guò)兩者的聯(lián)合,能較優(yōu)地解決機(jī)器人SLAM問(wèn)題,隨后將它擴(kuò)展到多機(jī)器人的SLAM問(wèn)題中。
　　 第三,在研究了粒子濾波器算法和機(jī)器人的FastSLAM方法的基礎(chǔ)上,引入蟻群算法,將每一個(gè)粒子視為一只螞蟻,將位姿的概率分布值作為蟻群的啟發(fā)信息,將權(quán)重作為蟻群的初始信息素,在重采樣階段,也使用蟻群算法產(chǎn)生新的粒子分布。引入蟻群算法目的在于在狀態(tài)解空間內(nèi)尋找到最優(yōu)的粒子,提高機(jī)