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

1、自動(dòng)導(dǎo)引車（Automated guided vehicle，AGV）作為一種自動(dòng)化物流裝備，越來(lái)越多地應(yīng)用到物料搬運(yùn)和裝配場(chǎng)合。導(dǎo)航技術(shù)是AGV的核心技術(shù)之一。基于激光雷達(dá)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(diǎn)，適應(yīng)了AGV導(dǎo)航技術(shù)的發(fā)展趨勢(shì)，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(yán)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(lái)

2、不便等問(wèn)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(shì)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(gè)方面開展對(duì)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(diǎn)類特征各自特點(diǎn)的基礎(chǔ)上，選擇角點(diǎn)和斷點(diǎn)兩種形式的點(diǎn)類特征表示環(huán)境地圖。針對(duì)直接從激光雷達(dá)掃描數(shù)據(jù)中不易精確、穩(wěn)定地提取此類特征點(diǎn)的問(wèn)題，采用先提取線段特征，在此基礎(chǔ)上再提取點(diǎn)特征的策略。提取線段特征時(shí)，鑒于迭代端點(diǎn)

3、擬合（Iterative End Point Fit，IEPF）方法易出現(xiàn)過(guò)分割和欠分割的問(wèn)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(dá)測(cè)量不確定性模型和給出其不確定性估計(jì)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(jì)方法。提取特征點(diǎn)時(shí)，為了增加特征點(diǎn)數(shù)量，在Conette所考慮的四種情況的特征點(diǎn)的基礎(chǔ)上增加兩種情況的特征點(diǎn)并給出識(shí)別方法，然后根據(jù)特征點(diǎn)的形式分別推導(dǎo)了角點(diǎn)和斷點(diǎn)特征的位置及其不確定性估計(jì)方法。

4、r>　　針對(duì)常規(guī)EKF（Extended Kalman Filter） SLAM（Simultaneous Localization and Mapping）的一致性問(wèn)題，提出一種融合絕對(duì)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(guò)編碼器信息預(yù)測(cè)AGV位姿，通過(guò)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(duì)AGV位姿的預(yù)測(cè)，通過(guò)激光雷達(dá)傳感器數(shù)據(jù)同時(shí)校正AGV位姿與

5、環(huán)境地圖。針對(duì)EKF SLAM在計(jì)算過(guò)程中系統(tǒng)噪聲難以估計(jì)的問(wèn)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(jì)方法。該方法通過(guò) CMAC逼近速度與角速度到系統(tǒng)噪聲統(tǒng)計(jì)特性的映射函數(shù)，通過(guò)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(shí)實(shí)現(xiàn)對(duì)EKF SLAM中的系統(tǒng)噪

6、聲的自適應(yīng)估計(jì)。
　　針對(duì)采用EKF方法進(jìn)行位姿跟蹤時(shí)需要精確的初始位姿，而該位姿不易給定的問(wèn)題，提出一種能夠在特征地圖中實(shí)現(xiàn)全局定位的Markov定位方法。該方法分為時(shí)間更新和觀測(cè)更新兩個(gè)階段。在時(shí)間更新階段，為了實(shí)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(shí)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(guò)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(shí)現(xiàn)信度圖像的非整數(shù)倍柵格平移和對(duì)

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