基于激光雷達的室內(nèi)AGV地圖創(chuàng)建與定位方法研究.pdf

1、自動導(dǎo)引車（Automated guided vehicle，AGV）作為一種自動化物流裝備，越來越多地應(yīng)用到物料搬運和裝配場合。導(dǎo)航技術(shù)是AGV的核心技術(shù)之一?；诩す饫走_的AGV導(dǎo)航技術(shù)具有定位精度高、路徑柔性高和智能化程度高的優(yōu)點，適應(yīng)了AGV導(dǎo)航技術(shù)的發(fā)展趨勢，是目前得到較多研究的導(dǎo)航方式之一。盡管激光導(dǎo)航在 AGV領(lǐng)域已經(jīng)獲得成功應(yīng)用，但是現(xiàn)有的激光導(dǎo)航技術(shù)還存在嚴重依賴反射板，地圖創(chuàng)建精度不高和初始定位需要人工參與給應(yīng)用帶來

2、不便等問題。本文在概述激光導(dǎo)航關(guān)鍵技術(shù)和綜述激光導(dǎo)航相關(guān)技術(shù)的研究成果和發(fā)展趨勢的基礎(chǔ)上，以室內(nèi)結(jié)構(gòu)化環(huán)境應(yīng)用為背景，圍繞環(huán)境感知、地圖創(chuàng)建和定位三個方面開展對激光導(dǎo)航技術(shù)的基礎(chǔ)性研究工作。
　　在分析比較線段類特征和點類特征各自特點的基礎(chǔ)上，選擇角點和斷點兩種形式的點類特征表示環(huán)境地圖。針對直接從激光雷達掃描數(shù)據(jù)中不易精確、穩(wěn)定地提取此類特征點的問題，采用先提取線段特征，在此基礎(chǔ)上再提取點特征的策略。提取線段特征時，鑒于迭代端點

3、擬合（Iterative End Point Fit，IEPF）方法易出現(xiàn)過分割和欠分割的問題，提出一種基于分割-合并的線段特征提取方法，并且在建立激光雷達測量不確定性模型和給出其不確定性估計方法的基礎(chǔ)上，推導(dǎo)了特征線段參數(shù)及其不確定性估計方法。提取特征點時，為了增加特征點數(shù)量，在Conette所考慮的四種情況的特征點的基礎(chǔ)上增加兩種情況的特征點并給出識別方法，然后根據(jù)特征點的形式分別推導(dǎo)了角點和斷點特征的位置及其不確定性估計方法。

4、r>　　針對常規(guī)EKF（Extended Kalman Filter） SLAM（Simultaneous Localization and Mapping）的一致性問題，提出一種融合絕對方向信息的EKF SLAM方法。該方法將SLAM分為內(nèi)外兩層EKF濾波結(jié)構(gòu)。內(nèi)層EKF通過編碼器信息預(yù)測AGV位姿，通過電子羅盤信息校正AGV位姿；外層EKF將內(nèi)層EKF的輸出作為該層EKF對AGV位姿的預(yù)測，通過激光雷達傳感器數(shù)據(jù)同時校正AGV位姿與

5、環(huán)境地圖。針對EKF SLAM在計算過程中系統(tǒng)噪聲難以估計的問題，提出一種基于IAE（Innovation-based adaptive estimation）-CMAC（Cerebellar Model Articulation Controller）的自適應(yīng)系統(tǒng)噪聲估計方法。該方法通過 CMAC逼近速度與角速度到系統(tǒng)噪聲統(tǒng)計特性的映射函數(shù)，通過IAE方法獲得CMAC的學(xué)習(xí)樣本，在CMAC學(xué)習(xí)訓(xùn)練的同時實現(xiàn)對EKF SLAM中的系統(tǒng)噪

6、聲的自適應(yīng)估計。
　　針對采用EKF方法進行位姿跟蹤時需要精確的初始位姿，而該位姿不易給定的問題，提出一種能夠在特征地圖中實現(xiàn)全局定位的Markov定位方法。該方法分為時間更新和觀測更新兩個階段。在時間更新階段，為了實現(xiàn)信度圖像的非整數(shù)倍柵格平移，提出一種基于頻域處理的時間更新方法。該方法在將離散化的三維位姿空間降為二維后，通過傅里葉變換將信度圖像從空域變換到頻域，利用空域圖像和頻域圖像之間的關(guān)系實現(xiàn)信度圖像的非整數(shù)倍柵格平移和對

7、信度圖像的模糊化操作，然后通過傅里葉逆變換將信度圖像從頻域變換回空域。在觀測更新階段，為了實現(xiàn)無數(shù)據(jù)關(guān)聯(lián)的似然計算，有效利用遞推貝葉斯估計，提出一種基于高斯核平滑的觀測更新方法。該方法通過高斯核函數(shù)對提取的路標進行連續(xù)化，對連續(xù)化后的虛擬環(huán)境輪廓進行等角度間隔離散化，最后建立觀測似然模型計算觀測似然。
　　為了驗證上述理論與方法，在對融合絕對方向信息的EKF SLAM方法與基于Markov的AGV全局定位方法進行仿真驗證的基礎(chǔ)上，