移動機器人未知環(huán)境下導航方法研究.pdf

1、移動機器人是一種具有高度自規(guī)劃、自組織、自適應能力，適合在復雜的非結構環(huán)境中工作的機器人。自主移動機器人的設計目標是在沒有人干預且無需對環(huán)境作任何規(guī)定和改變的條件下，有目的地移動和完成相應的任務。在自主移動機器人相關技術中，移動機器人導航是機器人實現(xiàn)智能化及完全自主的關鍵之一。
　　 移動機器人導航包括機器人的定位、地圖構建、避障跟蹤、路徑規(guī)劃。機器人如何準確地建立環(huán)境地圖，并且利用地圖實現(xiàn)準確地自主定位成為自主探索領域的核心問

2、題，即同時定位與地圖構建(Simultaneous Localization andMapping，SLAM)。為了實現(xiàn)真正意義上的導航，必須把定位與地圖構建合成為一個研究問題。除此之外，路徑規(guī)劃也是移動機器人在行走過程中必須解決的問題，所以本文將移動機器人SLAM和移動機器人路徑規(guī)劃作為研究重點。
　　 本文在國家863項目“家用保安機器人共性單元部件及技術的研發(fā)”的支持下，對移動機器人SLAM問題進行了研究。針對現(xiàn)有解決SL

3、AM問題方法的不足，提出了基于SUKF的SLAM方法和基于SUPF算法的SLAM方法，以提高移動機器人自主探測未知環(huán)境的能力。同時也提出了一種基于改進蟻群算法的移動機器人路徑規(guī)劃方法，以提高移動機器人在路徑規(guī)劃方面的能力。具體內(nèi)容包括以下幾個方面：
　　 1．在分析移動機器人坐標系統(tǒng)模型、傳感器模型、里程計和控制命令模型、機器人位姿和運動模型、環(huán)境地圖與路標模型基礎之后，對傳感器噪聲和系統(tǒng)噪聲傳播的規(guī)律進行了深入的研究，并對移動

4、機器人在噪聲影響下的運動情況進行了仿真。
　　 2．針對EKF-SLAM方法誤差較大、容易發(fā)散等缺陷，本文提出用變尺度卡爾曼濾波(SUKF)代替擴展卡爾曼濾波(EKF)解決移動機器人的SLAM問題，仿真實驗結果證明該方法的高精度和有效性。
　　 3．雖然FastSLAM作為解決SLAM問題的有效手段，但是該方法最大的缺點是需要用大量的樣本數(shù)量才能很好地近似系統(tǒng)的后驗概率密度。機器人面臨的環(huán)境越復雜，描述后驗概率分布所需要

5、的樣本數(shù)量就越多，算法的復雜度就越高。為了克服FastSLAM方法的這一缺陷，本文利用SUKF算法對非線性問題較強的處理能力，提出將PF與SUKF算法融合形成新的方法--U粒子濾波算法(SUPF)，來解決移動機器人SLAM問題。仿真實驗和真實實驗結果表明該方法能進一步提高移動機器人定位與地圖構建的精度。
　　 4．本文在分析蟻群算法的優(yōu)勢與不足的基礎之上，利用在移動機器人路徑規(guī)劃研究領域中已經(jīng)應用的遺傳算法對蟻群算法做出兩點改進