移動機(jī)器人的路徑規(guī)劃與定位技術(shù)研究.pdf

1、移動機(jī)器人技術(shù)涉及多個研究領(lǐng)域，代表了高技術(shù)的發(fā)展前沿，已經(jīng)在各行各業(yè)中取得了廣泛的應(yīng)用。移動機(jī)器人具有利用傳感器感知環(huán)境信息和自身狀態(tài)，在含有障礙的環(huán)境中完成某些預(yù)定任務(wù)的功能。移動機(jī)器人實現(xiàn)在有障礙的環(huán)境中自主地移動到目標(biāo)點的運(yùn)動過程被稱為移動機(jī)器人的導(dǎo)航。在導(dǎo)航的過程當(dāng)中，移動機(jī)器人要建立準(zhǔn)確的環(huán)境建模，實現(xiàn)自身的定位以及規(guī)劃出一條從起點到目標(biāo)點的最優(yōu)路徑，因此研究移動機(jī)器人的環(huán)境建模方法、路徑規(guī)劃算法以及定位方法具有理論與現(xiàn)實的

2、意義。
　　本文針對移動機(jī)器人路徑規(guī)劃方法以及定位技術(shù)進(jìn)行了研究，主要內(nèi)容包括以下幾個方面：
　　針對移動機(jī)器人全局路徑規(guī)劃問題進(jìn)行研究，提出了一種適用于移動機(jī)器人路徑規(guī)劃的簡化可視圖環(huán)境建模方法，通過綜合考慮環(huán)境中障礙物的位置與移動機(jī)器人起點和終點的關(guān)系，剔除對路徑規(guī)劃結(jié)果不影響的障礙物，簡化了環(huán)境模型的表示，達(dá)到了減少移動機(jī)器人候選路徑數(shù)量的目的，提高了后續(xù)的路徑規(guī)劃算法的效率。
　　針對蟻群算法中收斂速度和局部最

3、優(yōu)的矛盾，提出一種基于改進(jìn)蟻群算法的移動機(jī)器人路徑規(guī)劃方法。該改進(jìn)算法將環(huán)境中局部的路徑信息加入到信息素的初始化和路徑選擇概率中，提高了算法的收斂速度；在算法陷入停滯時，引入交叉操作，增加了算法的逃逸能力。改進(jìn)的蟻群算法提高了移動機(jī)器人對最優(yōu)路徑的搜索效率。
　　針對復(fù)雜環(huán)境中移動機(jī)器人局部路徑規(guī)劃方法中存在的局部極小問題，提出了一種基于多行為協(xié)調(diào)的路徑規(guī)劃方法，該方法定義三種機(jī)器人的基本行為并通過各行為間的切換完成路徑規(guī)劃任務(wù)。

4、設(shè)計了試錯補(bǔ)償旋轉(zhuǎn)角度法，解決了機(jī)器人遇到U型障礙時產(chǎn)生的局部極小問題。提出的多行為協(xié)調(diào)方法提高了含有U型障礙物環(huán)境中移動機(jī)器人局部路徑規(guī)劃結(jié)果的可靠性。
　　為解決Rao-Blackwellized粒子濾波器存在的“粒子消耗”現(xiàn)象，提出了一種基于微粒群優(yōu)化的移動機(jī)器人同時定位與建圖方法。該方法在粒子重采樣過程中利用微粒群優(yōu)化算法獲得機(jī)器人位姿的建議分布，通過粒子間的能效吸引力對求得的粒子集進(jìn)行進(jìn)一步的優(yōu)化、調(diào)整，提升了粒子的多樣

5、性。該方法有效地減少了“粒子消耗”現(xiàn)象，保證了同時定位與建圖結(jié)果的精度。
　　針對FastSLAM2.0算法中噪聲的假設(shè)受統(tǒng)計特性限制的缺點，提出了一種改進(jìn)的FastSLAM2.0算法，用H∞濾波器替代FastSLAM2.0算法中的EKF，削弱了誤差對機(jī)器人位姿估計的影響。同時，在提出的改進(jìn)FastSLAM2.0算法中，針對“粒子消耗”問題，提出了基于遺傳算法和微粒群優(yōu)化算法的粒子重采樣策略。提出的改進(jìn)FastSLAM2.0算法有