项志宇[1]2002年在《基于激光雷达的移动机器人障碍检测和自定位》文中研究说明随着计算机和机器人技术的发展，现代移动机器人在工业制造、军事、民用、科学研究等方面得到了越来越广泛的应用。它们可以代替人类实现很多繁重或恶劣条件下人类无法胜任的工作。另外，移动机器人的研究处在的多学科交叉领域，给新理论和方法的产生都提供了广阔的实践舞台。因此移动机器人的研究一直都得到了各国的高度重视。根据移动机器人的工作环境不同，可以简单地把它分为两大类：室外移动机器人和室内移动机器人。本文围绕着移动机器人研究中的两大关键技术：障碍检测和定位进行了深入研究，取得了一些很有意义的成果。 在第一部分研究内容中，重点研究陆地移动机器人(Autonomous Land Vehicle)的障碍检测问题。作者回顾了移动机器人的障碍检测研究中所采用的各种传感器和实现方法，分析比较了每种方法的优缺点，指出采用激光测距雷达是比较好的选择。然后将障碍检测子系统和ALV整体结合在一起，从系统的角度对障碍检测的要求进行了分析，并讨论了各种环境因素和ALV车体运动对LMS激光测距雷达测距造成的误差影响。量化分析的结果表明，虽然作者采用的是2D激光测距雷达，没有3D激光测距雷达那样的面阵扫描功能，但是在平整路面的条件下，充分利用其高采样率的优点，完全可以实现小障碍的检测。接下来作者设计了采用两个2D激光测距雷达的ALV障碍检测系统，并提出了基于多传感器数据融合的障碍检测方法。 在该方法中，作者针对ALV障碍检测的实际要求，将多目标跟踪的理论和思路引入到算法里面来。具体地说，是采用了基于D-S证据理论的身份识别技术和基于扩展卡尔曼滤波的目标跟踪技术，来分别完成障碍检测中障碍和路边的识别以及障碍准确位置的确定两大主要任务。该算法的特点在于充分利用了两个激光测距雷达的不同安装位置、不同分辨率对障碍检测造成的有利条件，将多目标跟踪的理论和技术融入障碍检测的软件框架中，并结合D-S证据理论融合多测量周期的识别结果，由顶雷达建立障碍的初始航迹，而底雷达进行航迹的跟踪和维持。这样顺利地完成了两个激光测距雷达的信息融合过程。在数据输入模块中还介绍了作者为解决两个激光测距雷达和PC机之间的高速数据通信问题所设计的高速数据通信卡。 在第二大核心内容中，作者对室内移动机器人的定位技术进行了深入的研究。作者先针对目前机器人定位研究中的难点——初始定位，结合激光测距雷达的数据特点，提出了基于完整线段(Complete Line Segments，CLS)的初始定位方法，包括CLS的定义、性质和判定方法，并在机器人试验平台上进行了实验。结果表明该方法大大提高了计算效率，并有令人满意的初始定位精度。随后作者又通过考虑激光测距雷达数据的不精确性及其在环境建模中的误差传递过程，对传统的运动定位进行了改进，并用扩展卡尔曼滤波技术实现了亚厘米级的高精度定位。然后结合初始定位和运动定位，提出了实现可靠的机器人全局定位的方法。 最后，作为室内移动机器人定位技术的一种创新性的应用，作者提出了基于移动机器人平台的室内叁维场景自动重建系统。该系统既具有机器人平台的灵活性，又免去了通常的叁维重建系统所必须面对的复杂的配准计算，具有很好的应用前景。
赵钰[2]2017年在《基于激光传感器室内机器人自主导航技术研究》文中研究指明目前定位及避障方法存在技术实现困难、实时性差、定位误差较大,系统维护成本高等问题。有鉴于此,本文综合系统运行的稳定性、实时性、可行性、正确性等要求,旨在对移动机器人定位与路径规划方法上进行研究并改良。具体研究内容如下:针对航迹推算法存在的轨迹累计误差和传统扩展卡尔曼滤波算法定位精度较差的问题,结合已知的结构化环境,本文给出了一种改进的基于扩展卡尔曼滤波器结合地图匹配方法的定位方法。该方法从传感器信息中快速提取边界角点信息,建立机器人运动模型及控制输入模型描述关系。根据特征点在世界坐标系与局部坐标系的映射关系,通过将构建的预测模型与已建模的结构化环境信息进行匹配确定机器人在目标场景中的位姿空间状态。路径规划要求机器人在运行过程中能够识别障碍物并且以最小或者较小的代价避开障碍物完成自己的任务。由于室内机器人工作场景地面路况较为平整且结构较为简单,因此本文只考虑水平面层次上的路径规划,我们将激光传感器感知的障碍物简化构造为圆柱形,其水平截面为圆形。然后通过提前设定的阈值对激光雷达采集的数据信息聚类分析,识别障碍物的数据点集合并运用最小包围圆算法构建障碍物特征模型,然后通过将整个路径规划过程分解为数个子问题进行求解,并将最小偏转角作为驱动力解决机器人运行过程中避障与寻径问题。
侯学勇[3]2012年在《基于二维激光测距的移动机器人道路可行区域提取》文中进行了进一步梳理道路检测是移动机器人自主导航的重要组成部分，得到了国内外研究者的广泛关注。激光测距仪具有测量速度快、精度高等优点，被广泛应用于移动机器人导航。故基于激光测距仪的道路可行区域提取研究对机器人自主导航具有重要的理论与应用价值。首先，在分析了现有叁维激光测距系统及各自的使用场合、特点等基础上，并结合道路环境的具体情况，分析了本文所采用的叁维激光测距系统——激光测距仪配合移动机器人平台的策略，建立了系统的叁个坐标系：激光传感器局部坐标系、机器人局部坐标系和全局坐标系，以及分析了激光测距仪采集的测量数据在这叁个坐标系之间的变换公式。实验结果表明，该测距系统能够在线实时的采集环境信息；通过测距系统对环境信息的采集实验，为后续的提取算法提供了数据准备。其次，提出了一种基于二维激光测距的移动机器人道路可行区域提取方法。八邻域搜索法具有明显的局部特征，而全局搜索法充分利用了全部数据点，本文总结了这两种搜索方法的优缺点并结合隔行搜索的思想，提出了一种基于八邻域的数据点搜索策略。考虑到点与邻近点之间具有很大的相关性特点，提出了基于八邻域的道路边界及障碍物的检测方法——高度差阈值和角度阈值相结合的判断准则。实验结果表明，本文所提的算法能够有效的提取出环境的可行区域，能够满足移动机器人导航的要求。最后，考虑到道路可行区域相对比较平坦，且含有大量的直线特征，提出了一种基于聚类和区域生长的道路可行区域提取算法。直线特征是比点特征更高级的道路环境表达，故将直线作为主要的道路特征来提取。为了降低在叁维空间中处理数据的复杂性，选择激光扫描平面作为二维投影面；在激光扫描平面上，使用本文提出的基于数据点空间分布的聚类方法进行单帧激光雷达数据分类处理；根据机器人的尺寸，提出了道路可行区域的宽度问题的粗略的解决方案；使用最小二乘直线拟合法提取道路的直线特征并求取出直线段的两端点，用来代替整个直线段。将两端点映射到全局空间中，代替直线段的空间转换，同时考虑了机器人侧滑的问题。在此基础上，针对前后时刻直线段间距离最短的两直线段组成的局部区域，进行区域生长。实验结果表明，本文提出的算法能够有效地提取出道路环境的可行区域。
于金霞[4]2007年在《移动机器人定位的不确定性研究》文中研究说明本论文来源于国家自然科学基金支持的“未知环境中移动机器人导航控制的理论与方法研究”(批准号：60234030)。作为该项目研究的一部分，本论文以移动机器人导航中的定位问题为研究内容，利用自行研制的装配有二维激光雷达环境感知系统，并通过里程计、陀螺仪等内部传感器来实现航迹推测的移动机器人“中南移动1号MORCS-1”，重点围绕影响移动机器人系统定位的四类不确定性处理展开研究：通过移动机器人定位传感器的误差分析及校准，旨在消除传感器噪声所带来的测量误差；通过建立移动机器人的叁维运动学模型进行航迹推测，以期实现复杂地形下精确的移动机器人本体姿态感受；通过基于激光雷达的动静态障碍的自主检测等相关研究，尽量消除环境的不确定因素影响进而实现可靠的移动机器人绝对定位；通过以上研究，针对未知数据关联下移动机器人增量式环境建图与自定位的研究提出一种鲁棒的滤波算法，改善未知环境中移动机器人自定位的性能。总结全文，在移动机器人定位的不确定性处理研究中，提出了一些具有一定创新性的方法：结合自行研制的移动机器人MORCS-1系统的多种内外部定位传感器，针对内部本体感受传感器光纤陀螺仪的漂移误差，提出采用基于遗传算法优化的神经网络来对光纤陀螺仪的温漂建模及校准，能够将其温漂变化控制在恒温条件下标准测试输出附近；针对外部环境感知传感器激光雷达测距数据中包含的噪声干扰，考虑移动机器人导航中激光雷达测距数据的时空关联性，提出采用动态自适应滤波技术进行预处理，从而可以有效滤除噪声干扰满足导航中障碍实时精确检测的要求。根据刚体运动学的约束分析了一种轮式结构与悬浮式摇架系统相结合的移动机器人在复杂地形下的航迹推测，采用里程计、光纤陀螺仪、倾角传感器等传感器信息推导移动机器人的运动学模型，提出一种运动学模型与车轮．地面运动角度实现运动轨迹估计的方法。通过对不同地形下的运动进行仿真以及利用机器人进行的实验，获得的移动机器人航迹推测效果比直接运用倾角推测的效果更为接近真实值。利用二维激光雷达作为环境感知的外部传感器，通过占据栅格地图融合机器人航迹推测的位姿信息和激光雷达的障碍测距信息，提出一种非静态环境中基于二维激光雷达的自主动静态障碍检测方法。对于获得的动态障碍，利用改进建议分布的粒子滤波实现运动过程跟踪定位。对于获得的静态障碍地图，将模糊逻辑与最大似然估计相结合，采用基于模糊似然的局部地图匹配方法改进移动机器人自定位的性能。实验结果表明该方法能够实现动静态障碍自主检测与分离，进行有效的单目标跟踪定位，并可以校准航迹推测误差。针对未知数据关联下移动机器人的增量式环境建模与自定位，利用改进的Rao-Blackwellized粒子滤波算法实现移动机器人位姿和环境特征位置的联合评估。为了自主地对二维激光雷达的环境障碍感知信息进行类别划分特征提取，提出将无监督聚类学习应用于障碍的特征提取，并将模糊逻辑引入到增量式特征的数据关联进行障碍的分类判决。对于评估机器人路径位姿的粒子滤波进行了两点改进：考虑将地图匹配和粒子滤波重采样相结合，并基于有效样本大小ESS来实现粒子滤波的重采样自适应；对于环境特征的评估，利用过程噪声自适应评估技术和Unscented卡尔曼滤波相结合的滤波方法。
徐则中[5]2004年在《移动机器人的同时定位和地图构建》文中研究表明随着社会信息化技术的发展，工业、农业、科研、国防等各个领域越来越需要高性能的自动化系统。特别是在机器人与自动化领域，更是引起了很多人的兴趣。眼下，世界各地的机器人公司和科研机构正加紧开发研制各种智能移动服务机器人，代替人类工作。开发研制各种自主车系统，用于安全驾驶或者军事。根据机器人的工作环境，可以分为室内移动机器人和室外自主车系统(ALV, Autonomous Land Vehicle)。在所有这些应用中，自主导航是一个最基本的需求，而机器人定位又是自主导航的最基本内容，并且现代定位方法是结合内、外部传感器的基于环境地图的定位方法。所以本文就围绕着移动机器人研究中的环境地图构建、移动机器人定位、同时定位与地图构建叁个问题进行了深入研究，取得了一些有意义的成果。 第一部分内容是环境地图构建，包括室内环境地图构建和室外环境地图构建。对于室内环境地图构建，由于采样点在空间分布上的不均匀性，运用变阈值自适应分隔方法对采样点进行聚类，同时运用加权统计中心来表示拟合线段的中点。相对于常阈值分隔和统计平均中心，这种方法能够更好地近似实际环境对象，构建更精确的局部线段地图和局部特征点地图。对局部地图进行融合构建全局地图，在融合的过程中保持线段或特征点的顺序位置关系，构建顺序环境地图。对于室外道路环境地图构建，首先提出了一个基于统计密度的障碍检测算法，用于道路环境和越野环境下的障碍检测。提取环境路标特征，构建由道路两侧大树组成的局部环境地图。对同一环境路标特征的多次观测，分别基于独立性假设和相关性假设，对局部地图进行融合构建全局一致的2D环境地图。对于室外越野环境地图构建，通过对多次观测信息的融合，构建以栅格表示的3D环境地形图。 第二部分内容是移动机器人定位，包括全局定位和局部位置跟踪。对于全局定位，基于顺序地图和相对位置关系，混合完整线段和特征点，提出了一个有效的匹配方法。以全局地图作参考帧，用于机器人全局定位，以局部地图作参考帧，用于帧间定位。运用顺序地图，提高了匹配搜索效率，运用相对位置关系，避免了不断的坐标变换。对于机器人局部位置跟踪，在卡尔曼滤波的框架内，通过重新构造系统状态向量，选用观测路标特征在全局地图中的坐标位置作为观测向量，系统动态方程和系统观测方程是线性的，从而运用最优的卡尔曼滤波对机器人位置进行递归估计。它克服了由非线性系统方程进行线性化时引入的线性化误差。最后，对几种定位方法，包括扩展卡尔曼滤波，扩展卡尔曼滤波，Unscented卡尔曼滤波，马尔可夫定位，蒙特卡洛定位，匹配定位，进行了实验比较。 第叁部分是同时定位与地图构建(SLAM, Simultaneous Localization and Map-building)，好比“鸡生蛋，蛋生鸡”的问题，包括室内和室外环境下的同时定位与地图构建。对于室内环境，在全协方差SLAM方案的基础上，通过重新构造系统状态向量，选用适当的观测向量，系统动态模型、观测模型、环境特征增广模型都是线性的，得到一个基于线性系统模型的SLAM方案。调整状态向量元素的顺序，协方差矩阵对角线上是两个相同的对称子矩阵，非对角线上是两个相反的负对称子矩阵。对这个方案进行优化，得到一个优化的SLAM方案。优化方案是收敛的、一致的、中规模环境下计算有效的，满足SLAM算法的3C需求。再进一步近似，假设非对角线上的子矩阵为0，得到一个近似SLAM方案。对于室外环境，针对室外ALV导航的具体情况，对算法的状态预测过程进行改进，实现了室外道路环境下的同时定位与地图构建。
杜道轶[6]2016年在《面向通道避障的Mecanum轮式机器人路径规划设计与实现》文中研究表明移动机器人的避障路径规划是机器人领域中的关键内容。实际的工业现场存在狭窄的通道,当通道内障碍物分布情况未知且边缘非结构化时,往往造成机器人无法通过,因此针对性的研究机器人在该场景下的路径规划问题十分必要。现有的路径规划方法主要针对于开阔空间,对于空间相对狭窄的通道场景的适用性较低。因此,研究通道内机器人避障路径规划方法,提高其在该场景下的通过率及通过效率,具有重要的学术意义和应用价值。论文针对上述机器人在狭窄通道内通过率及通过效率较低的问题,从激光雷达输出距离数据及反射强度数据入手,给出了激光雷达动态误差修正方法,提出了考虑激光雷达反射强度信息的数据分割聚类算法。进而通过引入局部目标点及虚拟引力,建立了改进型的人工势场法模型并结合通道的典型场景及Mecanum轮式机器人的运动学模型对路径进行优化。最后完成了Mecanum轮机器人在通道内的避障路径规划系统的设计。主要的研究内容包括:(1)激光雷达运动状态下的测量误差修正方法。论文通过对激光雷达运动状态下检测误差特点的分析,建立了误差数据与机器人位姿的关系模型,进而提出了一种激光雷达数据的动态修正方法,实现误差数据的补偿。最后通过实验表明,该方法提高了激光雷达环境检测的准确性,为后续环境数据的聚类奠定了基础。(2)考虑环境反射强度信息的环境数据的分割聚类方法。针对传统的二维激光雷达数据聚类算法准确率不高的问题,论文通过对不同介质在激光雷达反射强度信息上呈现的差异性分析,构建了融合反射强度信息的非平面环境数据模型,进而提出一种基于非平面ABD算法的激光雷达数据分割聚类方法。最后与传统算法进行对比实验,结果表明该方法能在实时性与准确性上均优于传统算法。(3)基于改进型人工势场法的避障路径规划方法。针对人工势场法存在局部最小值的问题,论文首先在环境数据中选取局部目标点,然后将机器人预计到达全局目标点的时间引入到人工势场法的引力模型中,从而提出基于时间虚拟驱动力的人工势场法模型。基于此,结合Mecanum轮式机器人运动学特性,对改进型人工势场法得到的路径进行优化。最后通过对比实验表明,改进后的方法克服了人工势场法的缺陷,提高了通道场景下机器人的通过率及通过效率。最后,综合上述研究成果,对Mecanum轮式机器人通道内避障行进系统进行了设计与实现。应用效果表明,本文设计的避障行进系统在狭窄的通道内能够精准的获取障碍物位置,并安全的完成起点位置到终点位置的避障行进。
刘志[7]2017年在《基于多传感器的导盲机器人同时定位与地图构建》文中指出眼睛是人们感知周围环境最主要的工具,盲和视力障碍问题严重影响了人们的正常生活。盲和视力问题也许会在未来得到彻底的解决,但就现阶段而言,导盲辅助课题的研究十分有必要。一般来说大多数盲人和视力障碍者使用的导盲工具基本为功能简单的手杖,当今社会发展迅速,周围的环境变得越来越复杂,简单的手杖已经不能适应变化如此之快的环境,然而以导盲犬为代表的生物导盲方式受高训练成本、长训练周期和寿命等影响始终无法普及,由于智能化机械越来越成熟,性能优异的导盲机器人是解决盲人日常困难问题的最优解。本文主要针对导盲机器人解决其同时定位和地图构建(SLAM)的问题,使用多传感器建立环境地图,并使用所得地图进行自主路径规划和实时避障,对于较为复杂的环境使用多传感器数据融合来增加所得地图的可用数据量,以完成更为复杂和精确的导盲任务。本文主要工作内容如下:1、分别针对SLAM的两类算法进行分析,一类是基于激光扫描匹配的滤波器SLAM,另一类是基于图像处理和点云拼接的图优化SLAM。在滤波器SLAM中对比了扩展卡尔曼滤波和粒子滤波,并进行仿真实验;在图优化SLAM中分别讲解特征点提取、特征匹配、运动变换估计和优化、位姿图构建、闭环检测和位姿图优化,最后获得叁维地图。2、激光雷达和Kinect数据融合研究。针对较为复杂的环境,单一的传感器不能很好的满足导盲机器人的需求,为了获取环境中更多的可用信息,同时使用激光和视觉两种外部传感器,完成更复杂的任务,本文提出两种融合方法,分别是地图层面的融合和数据层面融合,获得更准确的环境地图。3、导盲机器人混合路径规划方法。针对导盲机器人使用地点复杂多变且要求导航精度,混合了基于A*算法的全局路径规划和基于改进人工势场法的局部路径规划,形成一套适用于导盲机器人的混合路径规划方法,完成全局的路径规划和动态实时避障。4、搭建实验平台进行实验分析。通过激光雷达配合滤波器SLAM完成小房间和大环境的二维地图构建;通过深度传感器Kinect配合图优化SLAM完成叁维地图构建;在特定环境中进行数据融合实验,完成地图层面和数据层面的融合;对导盲机器人混合路径规划方法进行实验验证。
张莹莹[8]2015年在《基于激光雷达的农业移动机器人果树干检测和导航研究》文中研究指明我国是一个农业大国,为降低农业作业的人工劳动强度和生产成本,农业机械化势在必行,其中以农业移动机器人最受推崇成为研究热点。目前农业移动机器人在大田农业领域已经取得很多重要进展,而果园环境较为复杂,适用于果园的农业移动机器人研究难度相对较大。果园生产管理过程的各项作业,首先要求农业移动机器人能够理解果园环境,识别果树的位置,安全准确的在果树行中行走。本文利用激光雷达扫描仪为导航检测设备,设计了果树检测方法,实现了农业移动机器人的自主导航。主要研究内容如下:(1)利用激光雷达扫描果园环境采集数据,提出使用改进的DBSCAN聚类算法对数据点进行聚集和分类。针对DBSCAN聚类算法对输入的全局阈值参数:聚类半径和类内数据点数敏感的缺点,根据点到激光雷达的距离采用动态自适应阈值,使算法适用于不同密度的数据聚类,并改进了聚类算法的数据搜索方法,提高了算法的效率。(2)农业移动机器人在行走的过程中因路面不平产生颠簸使得激光雷达扫描平面下倾扫到地面或者上扬扫到果树分枝,会聚类出干扰项使得农业移动机器人产生误判;另外激光雷达对远处的细树还可能存在漏检。针对这两个问题提出利用短程的机器人里程计航位推算位姿匹配近处的类,获得其在世界坐标系下的坐标对机器人进行定位,然后利用几帧数据中机器人位姿和待定类在机器人坐标系下的位置关系对远处待定类的类型进行推理判定的方法。(3)利用激光雷达检测果树的结果生成导航线和导航控制量指导农业移动机器人行走。用vc++开发语言完成系统的整体设计。试验结果表明在3帧内农业移动机器人能够快速分辨数据的类别识别出细树,并能够利用检测到的树木信息成功的自主导航。
肖正[9]2007年在《动态环境中移动机器人的时空关联地图构建的研究》文中研究表明移动机器人的地图构建是实现智能移动机器人导航的关键，是移动机器人进行路径规划、环境探索、自主定位的重要基础。传统的地图构建方法都是基于静态环境的假设，然而实际应用中移动机器人的工作环境都是动态变化的，因而研究动态环境中的地图构建对于智能移动机器人的导航具有重要的现实意义。本论文来源于国家自然科学基金重点项目“未知环境中移动机器人导航控制的理论与方法研究”(项目号：60234030)。动态障碍的存在直接导致移动机器人的工作环境随着时间的推移而不断变化，关联障碍的时间属性和空间属性能够更好地描述环境动态变化的特点，可以提高移动机器人构建环境地图的精度。论文以中南大学智能所自行研制的中南移动-1号机器人(MORCS-1)为原型系统，研究了二维动态未知环境中移动机器人时空关联地图的构建问题，主要集中在以下叁个方面：1．提出了动态环境中基于时空关联属性的动静态障碍实时检测方法。为了快速有效地检测动态障碍与静态障碍，提出了一种新的障碍表示方法，关联障碍的空间属性与时间属性。将不同时刻环境感知传感器的读数统一转换到世界坐标系中，分析障碍的时间属性和空间属性，就能够识别动态障碍和静态障碍。该方法不需要将传感器读数映射到栅格地图上，节省了存储和计算时间。2．提出了动态环境中移动机器人时空关联地图的实时构建方法。针对动态环境中维持动静态栅格地图构建静态一致地图方法没有处理定位误差、地图更新费时、地图精度不高的缺点，首先改进了传统的占用栅格地图，引入时空关联地图的概念，其次采用八邻域滚动窗口方法处理移动机器人的定位累积误差，最后通过选择性更新机制降低了全局地图更新的时间复杂度。时空关联地图构建方法能够提高动态环境中移动机器人实时构建地图的精度，从而提高移动机器人在动态未知环境中的生存能力。3．以MORCS-1为实验平台，设计并实现了动态环境中移动机器人动静态障碍检测与地图构建相结合的软件系统。在该系统上进行了大量的实验，实验结果表明了所提方法的有效性和可靠性。
庄慧忠[10]2005年在《动态不确定环境下移动机器人的在线实时路径规划》文中研究表明移动机器人的路径规划问题是机器人研究中的关键技术,它一直以来是国内外学者们热衷的课题。然而,传统的路径规划方法,无论是全局规划法还是局部规划法,都存在着各自的缺陷:全局规划方法虽然能对全局做出最优规划,但它只能离线地做出一次性规划,因而不具备实时规划性;局部规划方法虽能做到实时规划,但由于没有全局信息,所以无法对运动路径或运行时间等性能指标进行优化。随着机器人的工作环境越来越复杂,规划任务的要求越来越高,使得机器人如果仍采用传统的规划方法,将无法很好地完成规划任务。 针对上述缺陷,本文采用全局规划和局部规划相结合的方法,提山了一种基于极坐标空间、以机器人的期望方向角为路径优化指标的在线实时规划方法。该法利用机器人自身携带的传感反馈装置,实时探测局部环境信息,然后在每一时刻的局部规划窗口内,确定机器人的期望方向角,以机器人的实际运动方向角与期望方向角之间的差异为驱动力,导航机器人避开障碍物和朝向目标点运动。同时本文将此法应用到动态不确定环境下移动机器人的路径规划问题中,并对应用中所涉及到的理论问题(如收敛性、安全性、可达性等)展开了深入的研究。最后通过计算机仿真和实验结果表明该法有效可行,具有实时性、高度的稳定性和良好的避障能力。 该规划方法的创造性体现在: 1、本文所提出的以机器人的期望方向角作为路径优化的性能指标完全不同于传统路径规划方法中的优化指标,它所关注的不是机器人移动多少距离,而是以什么方向运动,即机器人期望运动方向的确定才是每次局部规划要完成的任务。在每一时刻的规划窗口内,机器人的期望方向角始终是以目标点这一全局信息作为基准来确定的,因而每次局部规划都能实现对运动路径的最优规划。 2、提出了以极坐标系作为机器人的局部坐标系。一方面是由于本文选用2D激光测距雷达作为机器人的主要传感器,它在其扫描平面上对周围环境是按一定的角度分辨率来进行扫描测距的,所得到的原始数据都是离散的数据点,每一个点都以距离ρ和对应的扫描角α来表示,即极坐标(ρ,α)的形式,这使得期望方向角的确定非常简单、易于实现。另一方面,采用极坐标空间,不但直观地表达了机器人的运动方向角,而且方便了运动方向角的计算,大大节省了规划时间,从而保证了路径规划的实时性。 3、本文的路径规划方法是通过全局信息和局部信息的有机结合来实施的。在每一采样时刻,规划窗口内始终包含目标点这一全局信息,并充分利用传感器探测到的局部环境信息来确定每次局部规划的子目标点。采用这种规划思路,不仅可以对机器人的运动路径进行优化,同时又不会象许多传统的局部规划方法那样在规划时容易陷入局部死点,即所谓的“死锁”现象。
参考文献：
[1]. 基于激光雷达的移动机器人障碍检测和自定位[D]. 项志宇. 浙江大学. 2002
[2]. 基于激光传感器室内机器人自主导航技术研究[D]. 赵钰. 天津理工大学. 2017
[3]. 基于二维激光测距的移动机器人道路可行区域提取[D]. 侯学勇. 杭州电子科技大学. 2012
[4]. 移动机器人定位的不确定性研究[D]. 于金霞. 中南大学. 2007
[5]. 移动机器人的同时定位和地图构建[D]. 徐则中. 浙江大学. 2004
[6]. 面向通道避障的Mecanum轮式机器人路径规划设计与实现[D]. 杜道轶. 重庆大学. 2016
[7]. 基于多传感器的导盲机器人同时定位与地图构建[D]. 刘志. 江苏科技大学. 2017
[8]. 基于激光雷达的农业移动机器人果树干检测和导航研究[D]. 张莹莹. 南京农业大学. 2015
[9]. 动态环境中移动机器人的时空关联地图构建的研究[D]. 肖正. 中南大学. 2007
[10]. 动态不确定环境下移动机器人的在线实时路径规划[D]. 庄慧忠. 浙江大学. 2005
标签：自动化技术论文; 机器人论文; 激光雷达论文; 路径规划论文; 移动机器人论文; slam论文; 机器人传感器论文; 传感器技术论文; 激光测距论文;