發(fā)布時間：2018-05-21 17:04

  本文選題：同步定位與地圖構(gòu)建 + 機器人運動模型��； 參考：《哈爾濱工業(yè)大學(xué)》2017年碩士論文

【摘要】：隨著機器人領(lǐng)域的相關(guān)技術(shù)持續(xù)發(fā)展,機器人技術(shù)中,同步定位與地圖構(gòu)建(SLAM,Simultaneous Localization and Mapping)獲得了研究者的高度重視�？焖俨⑶音敯舻奶卣魈崛�、精確并且穩(wěn)定的特征匹配、有效的閉環(huán)檢測以及高效的全局優(yōu)化算法,這些技術(shù)一直是這個領(lǐng)域研究探索的重中之重;然而機器人技術(shù)在工程方面的應(yīng)用主要集中在低廉傳感器情況下高精度并且高魯棒性的設(shè)計與應(yīng)用。最近,Rao-Blackwellised Particle Filter(RBPF)已經(jīng)變成了一種解決SLAM問題很有效的方法。此方法使用粒子濾波,其中每個粒子承載了一個地獨立的環(huán)境地圖。因此,關(guān)鍵問題是如何減少粒子的數(shù)量。對于局部路徑規(guī)劃,執(zhí)行避障時,傳統(tǒng)的Elastic Band算法依據(jù)最短路徑的思想改變由全局規(guī)劃器生成的路徑。但是此方法僅僅考慮了環(huán)境的動態(tài)性,而沒有考慮任何機器人相關(guān)的動態(tài)約束,因此產(chǎn)生的局部軌跡不是最優(yōu)的。本文基于基本的Rao-Blackwellised Particle Filter(RBPF)算法給出了一個計算精確的提議分布的方法,此方法考慮了機器人的運動狀態(tài)和最近時刻的觀測值。它有效減小了預(yù)測過程中機器人位姿的不確定性。此外,設(shè)計了一個自適應(yīng)重采樣操作,這很大程度上減小了粒子退化的風(fēng)險。針對EB算法的問題,本文中給出了“Timed Elastic Band”(TEB)方法。此方法通過改變由全局規(guī)劃生成的初始路徑優(yōu)化機器人局部軌跡。在軌跡優(yōu)化中所考慮的目標函數(shù)包括軌跡執(zhí)行時間,與障礙物之間的距離,通過的路徑點和需要遵守的機器人動力,運動和幾何約束。TEB明確地考慮運動的時間和空間方面,例如受限的機器人速度和加速度。軌跡規(guī)劃算法實時的執(zhí)行,例如TEB實時的處理動態(tài)的障礙物和運動約束。TEB問題公式化為一個量化的多目標優(yōu)化問題。大多數(shù)目標函數(shù)是局部的并且僅僅和幾個連續(xù)的機器人狀態(tài)有關(guān)。這個局部性產(chǎn)生一個稀疏的系統(tǒng)矩陣,因此可以使用快速的并且有效的優(yōu)化方法例如G2O框架解決TEB問題。G2O稀疏系統(tǒng)解算器已被應(yīng)用到視覺SLAM問題中。這有助于G2O框架在TEB軌跡改變中的應(yīng)用。最后在實際環(huán)境中驗證說明文中使用的算法是魯棒并且很有效。為了實現(xiàn)機器人的完全自主性,本文中研究了一種基于邊緣概念的自主搜索方法,邊緣位于開放空間和未搜索空間之間的邊界上。通過移動機器人不斷地移動到新的邊緣,機器人能夠持續(xù)地擴展地圖,直到環(huán)境中所有區(qū)域均被搜索為止。最后,通過仿真和使用真實的機器人進行實驗獲得的結(jié)果可知,均說明了改進的RBPF SLAM算法在減少粒子數(shù)方面的優(yōu)勢,表明了TEB算法是魯棒的并且能夠?qū)崟r的生成有效的局部最優(yōu)軌跡,證明了基于邊緣檢測搜索算法相對于沿墻行走的優(yōu)勢。
[Abstract]:With the continuous development of the related technologies in the field of robotics, synchronous localization and map building have attracted great attention from researchers. Fast and robust feature extraction, accurate and stable feature matching, efficient closed-loop detection and efficient global optimization are the most important technologies in this field. However, the applications of robotics in engineering are mainly focused on the design and application of high precision and robustness in the case of low cost sensors. Recently, Rao-Blackwellised Particle filter has become an effective solution to the SLAM problem. This method uses particle filtering, where each particle carries an independent map of the environment. The key question, therefore, is how to reduce the number of particles. For local path planning, when obstacle avoidance is performed, the traditional Elastic Band algorithm changes the path generated by the global planner according to the idea of the shortest path. But this method only considers the dynamic nature of the environment and does not take into account any dynamic constraints related to the robot, so the local trajectory generated is not optimal. Based on the basic Rao-Blackwellised Particle filter (RBPF) algorithm, this paper presents a method to calculate the exact proposed distribution, which takes into account the motion state of the robot and the observations at the nearest moment. It effectively reduces the uncertainty of robot pose in the prediction process. In addition, an adaptive resampling operation is designed, which greatly reduces the risk of particle degradation. In order to solve the problem of EB algorithm, the "Timed Elastic Band" method is presented in this paper. This method optimizes the local trajectory of the robot by changing the initial path generated by the global planning. Objective functions considered in trajectory optimization include trajectory execution time, distance from obstacles, passing path points and robot dynamics to be observed, motion and geometric constraints. TEB explicitly considers the temporal and spatial aspects of motion. For example, the speed and acceleration of a restricted robot. The real-time execution of trajectory planning algorithms, such as TEB real-time processing of dynamic obstacles and motion constraints. TEB problem formulated as a quantized multi-objective optimization problem. Most objective functions are local and relate only to several consecutive robot states. This locality produces a sparse system matrix, so fast and efficient optimization methods such as the G2O framework can be used to solve the TEB problem. The G2O sparse system solver has been applied to the visual SLAM problem. This is helpful to the application of G 2O framework in TEB trajectory change. Finally, the algorithm used in the actual environment is proved to be robust and effective. In order to realize the complete autonomy of the robot, an autonomous search method based on the edge concept is studied in this paper. The edge is located on the boundary between the open space and the unsearched space. By moving continuously to the new edge, the robot can continuously expand the map until all areas in the environment are searched. Finally, the results of simulation and experiments with real robots show that the improved RBPF SLAM algorithm has the advantages of reducing the number of particles. It is shown that the TEB algorithm is robust and can generate effective local optimal trajectory in real time. It is proved that the edge detection based search algorithm is superior to the moving along the wall.
【學(xué)位授予單位】：哈爾濱工業(yè)大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2017
【分類號】：TP242

【相似文獻】

相關(guān)期刊論文 前10條

1 段秀敏,李蓮芝;基于類復(fù)向量原理的機器人位置和姿態(tài)分析[J];吉林工程技術(shù)師范學(xué)院學(xué)報;2004年03期

2 張振喜;焦國太;鄧光明;梁聰聰;;室內(nèi)清潔機器人協(xié)作技術(shù)研究[J];機械;2010年12期

3 陳陽舟;王文星;代桂平;;基于角度優(yōu)先的多機器人圍捕策略[J];北京工業(yè)大學(xué)學(xué)報;2012年05期

4 蔣新松;國外機器人的發(fā)展及我們的對策研究[J];機器人;1987年01期

5 沈慧娟;袖珍機器人別動隊[J];國外科技動態(tài);2004年02期

6 孟慶鑫,魏洪興,王立權(quán),楊青梅,王嵐;基于蠕動原理拱泥機器人方案研究[J];中國造船;2001年01期

7 程遠;機器人軟件編程方法[J];無錫職業(yè)技術(shù)學(xué)院學(xué)報;2002年02期

8 孟慶鑫,王茁,王殿君,王立權(quán),屠治國;“穿地龍”機器人總體方案分析與研究[J];哈爾濱工程大學(xué)學(xué)報;2003年03期

9 丁瀅潁;何衍;蔣靜坪;;基于個性演化的多機器人自組織[J];模式識別與人工智能;2003年02期

10 張汝波,王兢,孫世良;具有環(huán)境自適應(yīng)能力的多機器人編隊系統(tǒng)研究[J];機器人;2004年01期

相關(guān)會議論文 前10條

1 石為人;周偉;王楷;蘇士娟;;家庭清潔機器人自主充電研究[A];2010中國儀器儀表與測控技術(shù)大會論文集[C];2010年

2 李長松;孫國林;韓勝利;;機器人料箱取件形式及控制方法[A];2013中國汽車工程學(xué)會年會論文集[C];2013年

3 孟正大;戴先中;;基于神經(jīng)網(wǎng)絡(luò)逆系統(tǒng)方法的機器人柔順性控制[A];江蘇省自動化學(xué)會七屆四次理事會暨2004學(xué)術(shù)年會青年學(xué)者論壇論文集[C];2004年

4 陳天皓;錢成;談英姿;;類人足球仿真機器人快速起身方法的實現(xiàn)[A];2007年足球機器人大會論文集[C];2007年

5 薛慧婷;羅熊;胡海東;游美玲;邱新濤;;基于顏色特征的漂浮機器人三點定位系統(tǒng)[A];2009年中國智能自動化會議論文集（第五分冊）[東南大學(xué)學(xué)報（增刊）][C];2009年

6 胡海東;趙清杰;;機器人的慣性/視覺組合定位方法[A];2009年中國智能自動化會議論文集（第七分冊）[南京理工大學(xué)學(xué)報（增刊）][C];2009年

7 顧新興;孫燕樸;馮純伯;;一種新的雙機器人協(xié)調(diào)路徑規(guī)劃方法[A];1995中國控制與決策學(xué)術(shù)年會論文集[C];1995年

8 陶軍;高翔;周全;李曉亞;;利用自學(xué)習(xí)算法為機器人選擇最優(yōu)目標點的決策設(shè)計[A];馬斯特杯2003年中國機器人大賽及研討會論文集[C];2003年

9 王大川;張輝;季秀才;鄭志強;;救援環(huán)境下基于激光傳感器的機器人環(huán)境建圖以及自定位[A];2007年足球機器人大會論文集[C];2007年

10 王淑慧;吳立成;袁海文;;一種水上行走機器人的模糊控制[A];2011年中國智能自動化學(xué)術(shù)會議論文集（第一分冊）[C];2011年

相關(guān)重要報紙文章 前5條

1 克 軍;小小機器人軍團[N];大眾科技報;2003年

2 張勁　戚峰;變電站的“機器人骨干”[N];中國電力報;2009年

3 本報通訊員 張勁　戚峰;電力機器人的“神通”[N];工人日報;2009年

4 吳鴻;微型機器人引領(lǐng)反恐潮流[N];中國商報;2003年

5 盧家興;中科院研制出能應(yīng)付復(fù)雜地形的機器人[N];大眾科技報;2004年

相關(guān)博士學(xué)位論文 前10條

1 張玉麗;基于虛擬力的多機器人化學(xué)源定位研究[D];中國礦業(yè)大學(xué);2015年

2 張世隆;拋投機器人翻轉(zhuǎn)越障技術(shù)研究[D];北京理工大學(xué);2015年

3 仲朝亮;受生物啟發(fā)的移動機器人空間認知及其導(dǎo)航[D];華東理工大學(xué);2015年

4 王東科;空間繩系機器人目標抓捕及抓捕后穩(wěn)定控制方法研究[D];西北工業(yè)大學(xué);2015年

5 魏明生;基于低頻電磁信號的管道清堵機器人定位方法研究[D];中國礦業(yè)大學(xué);2016年

6 王玲;未知環(huán)境中基于相對觀測量的多機器人合作定位研究[D];國防科學(xué)技術(shù)大學(xué);2006年

7 王宏;煤礦機器人激光雷達與慣性傳感器導(dǎo)航理論及實驗研究[D];中國礦業(yè)大學(xué)（北京）;2011年

8 李飛;湍動氣流主控環(huán)境下多機器人氣味源定位[D];天津大學(xué);2009年

9 仲宇;分布式強化學(xué)習(xí)理論及在多機器人中的應(yīng)用研究[D];哈爾濱工程大學(xué);2003年

10 霍光磊;服務(wù)機器人室內(nèi)環(huán)境層次化地圖構(gòu)建方法研究[D];哈爾濱工業(yè)大學(xué);2016年

相關(guān)碩士學(xué)位論文 前10條

1 欒春雨;移動式家居服務(wù)機器人的自主導(dǎo)航研究及實現(xiàn)[D];哈爾濱工業(yè)大學(xué);2017年

2 張帥;服務(wù)型機器人設(shè)計與前瞻性研究[D];浙江大學(xué);2008年

3 戚樹騰;基于激光測距儀的果園移動機器人避障系統(tǒng)研究[D];西北農(nóng)林科技大學(xué);2015年

4 劉廣保;大型復(fù)雜曲面的機器人研拋技術(shù)研究[D];沈陽理工大學(xué);2015年

5 張賢;基于超聲波測距的多機器人室內(nèi)定位導(dǎo)航研究[D];哈爾濱工業(yè)大學(xué);2015年

6 戴騰清;基于PROFIBUS現(xiàn)場總線在機器人沖壓自動化線的設(shè)計與實現(xiàn)[D];華南理工大學(xué);2015年

7 楊曉曉;室內(nèi)機器人單目視覺同時定位與地圖構(gòu)建技術(shù)研究與實現(xiàn)[D];成都信息工程學(xué)院;2014年

8 周子希;基于構(gòu)建地圖的手勢控制移動機器人[D];中國海洋大學(xué);2015年

9 田青;Mecanum輪式全向機器人位置精確控制的研究[D];東南大學(xué);2015年

10 李文玉;智能倉庫系統(tǒng)多機器人任務(wù)分配問題研究[D];北京物資學(xué)院;2016年

，

本文編號：1920033